阿克蘇流域表層土壤濕度指數(shù)反演研究*

彭 婕，于 婧※，陳唐冰瑩，聶 艷

（1.湖北大學(xué)資源環(huán)境學(xué)院，武漢430062；2.華中師范大學(xué)地理過(guò)程分析與模擬湖北省重點(diǎn)實(shí)驗(yàn)室，武漢430079）

0 引言

土壤濕度的時(shí)空分布及其演變不僅關(guān)系到地表植被水分的正常供應(yīng)，還是開(kāi)展農(nóng)業(yè)、水文、生態(tài)等領(lǐng)域研究的關(guān)鍵基礎(chǔ)信息［1］。目前，遙感技術(shù)的發(fā)展，尤其是在不同傳感器、不同時(shí)相、不同波段以及多光譜技術(shù)方面的探索，給大規(guī)模、及時(shí)、準(zhǔn)確地監(jiān)測(cè)土壤濕度帶來(lái)可能性，國(guó)內(nèi)外眾多學(xué)者基于此進(jìn)行了大量研究［2］。自1980年以來(lái)，關(guān)于以多源遙感數(shù)據(jù)和波段特征為基礎(chǔ)的土壤濕度監(jiān)測(cè)模型和理論不斷被提及和深入探討，各觀(guān)點(diǎn)中被引用較多且認(rèn)可度較高的分別是熱慣量法［3］、微波遙感監(jiān)測(cè)法［4］、熱紅外遙感監(jiān)測(cè)法［5］、溫度—植被綜合指數(shù)法［6-7］和光譜特征空間法［8］等。由于受各類(lèi)遙感數(shù)據(jù)和土地生長(zhǎng)植被品種的影響，每種監(jiān)測(cè)模型和指數(shù)有其自身的限制因素。由于數(shù)據(jù)獲取途徑限制，大部分學(xué)者通常采用質(zhì)量一般或分辨率適中或較低的遙感影像為土壤濕度遙感反演的數(shù)據(jù)源［5，9］，使得反演結(jié)果的精度不理想，因此大范圍區(qū)域高精度土壤濕度動(dòng)態(tài)監(jiān)測(cè)的目的通常難以達(dá)到。

1977年Richardson和Wiegand［10］利用MSS紅光和近紅外波段灰度值構(gòu)建起Nirr-Red二維光譜特征空間，并得到以土壤背景線(xiàn)為基礎(chǔ)的垂直植被指數(shù)（Perpendicular Vegetation Index，PVI）。近幾年，以植被指數(shù)為基礎(chǔ)延伸出許多精簡(jiǎn)、便于操作的干旱監(jiān)測(cè)指數(shù)不斷被學(xué)者們加以探索和研究。詹志明等［11］發(fā)現(xiàn)了Nir-Red光譜空間內(nèi)遙感像元的布局形式，并得到PDI，以順義、固原為研究區(qū)，基于ETM+數(shù)據(jù)源進(jìn)行研究，實(shí)踐結(jié)果良好。李喆等［12］以華南多雨區(qū)域?yàn)檠芯繀^(qū)，探討PDI在土壤濕度監(jiān)測(cè)中的可行性。Ghulam A等［13］基于垂直干旱指數(shù)，添加植被覆蓋因子，得到改進(jìn)版的垂直干旱指數(shù)（Modified Perpendicular Drought Index，MPDI），解決了遙感影像中植被混合像元問(wèn)題。楊學(xué)斌等［14］對(duì)MPDI和PDI兩種指數(shù)的反演結(jié)果進(jìn)行了比較，指出MPDI具有更高監(jiān)測(cè)精度。以上研究中得到的結(jié)論均較為理想，但基本使用的是TM、ETM+或者M(jìn)ODIS數(shù)據(jù)作為遙感數(shù)據(jù)源，目前，以GF-1遙感數(shù)據(jù)為基礎(chǔ)的理論和實(shí)踐探索卻較為缺乏，而討論國(guó)產(chǎn)GF-1數(shù)據(jù)在新疆干旱半干旱農(nóng)業(yè)區(qū)土壤濕度監(jiān)測(cè)的精度及可行性則更加稀少。GF-1的高時(shí)空分辨率、廣覆蓋范圍的優(yōu)點(diǎn)在未來(lái)研究中具有重要意義。定量監(jiān)測(cè)阿克蘇流域土壤濕度的時(shí)空變化信息，以協(xié)調(diào)各分閘口的灌溉定額，改善流域水資源的分配情況并使其得到最大化利用，同時(shí)繼續(xù)拓展延伸國(guó)產(chǎn)高分影像數(shù)據(jù)在農(nóng)業(yè)信息定量提取、精準(zhǔn)農(nóng)業(yè)等領(lǐng)域的應(yīng)用范疇。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

阿克蘇流域所屬行政區(qū)為新疆維吾爾自治區(qū)，位于新疆天山南麓，塔里木盆地西北部的阿克蘇—阿拉爾一帶，地處阿克蘇三角洲和塔里木河上游平原地區(qū)［15］，地理位置為北緯 40°～41°35′，東經(jīng) 78°47′～82°43′，研究區(qū)位置如圖 1 所示。該區(qū)氣候干燥，年均降水量約45 mm，20 m2水面蒸發(fā)量1 500 mm，年均太陽(yáng)輻射量達(dá)到6 000 MJ/m2，農(nóng)業(yè)灌溉基本依賴(lài)地表水渠系統(tǒng)以及地下水井取水［16］。阿克蘇流域綠洲是新疆重要的產(chǎn)糧區(qū)，果蔬生產(chǎn)及培育基地，也是綠洲灌溉農(nóng)業(yè)區(qū)之一，同時(shí)是中國(guó)重要的棉花產(chǎn)源地。近年來(lái)，隨著阿克蘇地區(qū)社會(huì)經(jīng)濟(jì)的發(fā)展，流域內(nèi)地下水位持續(xù)下降，為農(nóng)業(yè)生產(chǎn)帶來(lái)不同程度的影響，胡楊林等重要旱地生態(tài)系統(tǒng)質(zhì)量正逐漸降低。因此，通過(guò)高分遙感數(shù)據(jù)實(shí)現(xiàn)大面積高精度的土壤濕度的實(shí)時(shí)監(jiān)測(cè)對(duì)流域水資源集約利用及生態(tài)安全評(píng)價(jià)具有一定的現(xiàn)實(shí)意義。

1.2 數(shù)據(jù)源

土壤濕度實(shí)地測(cè)量數(shù)據(jù)來(lái)自2016年7月3—6日，為期4d的研究區(qū)土壤表層單位體積中的相對(duì)含水率，該數(shù)據(jù)借助了TDR-300土壤水分速測(cè)儀進(jìn)行實(shí)測(cè)，從理論上而言，對(duì)相對(duì)誤差值的控制應(yīng)在3%以?xún)?nèi)，采樣范圍包括阿克蘇流域阿瓦提灌區(qū)的河口鎮(zhèn)、多浪鄉(xiāng)、阿依巴格鄉(xiāng)等5個(gè)鄉(xiāng)（鎮(zhèn)），采樣期間，確保樣點(diǎn)地有連續(xù)一周的時(shí)間段維持氣象狀況良好，無(wú)明顯降水。在采樣過(guò)程中，依據(jù)地表植被覆蓋的差異，劃定一個(gè)范圍超過(guò)16 m×16 m的矩形，在矩形的中心再劃定一個(gè)1 m×1 m的矩形，在這個(gè)小矩形中任意實(shí)測(cè)3次值，最終以均值為準(zhǔn)，測(cè)值的同時(shí)將GPS信息錄入，在實(shí)驗(yàn)區(qū)最終測(cè)得了63個(gè)樣點(diǎn)，然后將其分為42個(gè)回歸樣本集與21個(gè)驗(yàn)證樣本集。

圖1 阿克蘇流域區(qū)位及土壤濕度樣點(diǎn)采集分布Fig.1 Akesu watershed location and soil moisture sample collection map

遙感數(shù)據(jù)來(lái)源于中國(guó)資源衛(wèi)星應(yīng)用中心的GF-1 WFV多光譜影像，由阿克蘇流域的以往同一時(shí)期和近期氣象變化記錄可知，該區(qū)域自2016年7月2—6日采樣工作時(shí)間范圍內(nèi)沒(méi)有大量且持續(xù)的降水天氣，相同區(qū)域內(nèi)的土壤相對(duì)濕度差異可忽略不計(jì)。于是在實(shí)踐研究中借助了日期接近本次土壤濕度監(jiān)測(cè)的2016年7月2日GF-1 WFV影像，其空間分辨率為16 m，共包含4個(gè)波段信息，而在此次實(shí)測(cè)中紅光波段（Band 3）與近紅外波段（Band 4）將作為重要的影像信息來(lái)源。

1.3 數(shù)據(jù)預(yù)處理

遙感影像原始數(shù)據(jù)都需進(jìn)行預(yù)處理，如按區(qū)域裁剪柵格、輻射定標(biāo)、大氣校正［17］等。借助ENVI5.1軟件，對(duì)影像定標(biāo)，變換圖像的DN值，使其從實(shí)際物理意義的角度來(lái)看，具備大氣表觀(guān)反射率；接著借助FLAASH輻射傳輸模型完成大氣校正，得到影像各波段的地表真實(shí)反射率；最后借助研究區(qū)DEM數(shù)據(jù)（30 m空間分辨率）對(duì)遙感影像做幾何校正，其誤差小于0.5個(gè)像素。通過(guò)進(jìn)行輻射定標(biāo)和大氣校正，使遙感影像的質(zhì)量得到較大提升，有助于PDI、VAPDI兩種遙感干旱指數(shù)的測(cè)算、對(duì)比參照及驗(yàn)證。

2 研究方法

2.1 垂直干旱指數(shù)

考慮到水分吸收紅光（Red）、近紅外（Nir）的強(qiáng)度較高，土壤含水率容易影響土壤反射率，土壤含水率偏高時(shí)，Red和Nir波段的反射率會(huì)降低。基于此特性，通過(guò)獲取Red和Nir波段所呈現(xiàn)的不同光譜信息，能測(cè)算土壤中的相對(duì)含水率。接著，空間離散化Nir-Red所建立的二維光譜信息，形成普通的三角形布局，并可發(fā)現(xiàn)一條清晰的土壤線(xiàn)［11］。

如圖2所示，A表示全植被覆蓋區(qū)，B為濕潤(rùn)裸土地表，C為干燥裸土地表，BC即土壤線(xiàn)，從B出發(fā)越靠近C，意味著土壤越干，含水率越低。BC是通過(guò)ENVI 5.1軟件，將像元匹配到Nir-Red光譜信息空間內(nèi)的散點(diǎn)圖運(yùn)算而出。

圖2 垂直干旱指數(shù)模型示意圖Fig.2 Vertical drought index model

經(jīng)坐標(biāo)軸的原點(diǎn)作法線(xiàn)O垂直于BC，Nir-Red二維光譜空間中的任意點(diǎn)（E）與O點(diǎn)之間的距離都能表示其土壤濕度程度，此為垂直干旱指數(shù)PDI，當(dāng)PDI升高時(shí)，任意點(diǎn)（E）越遠(yuǎn)離O，則可知土層含水率越低。

PDI的測(cè)算公式為［13］：

式（1）中，Rred為紅光波段反射率，Rnir為近紅外波段反射率，M為土壤斜線(xiàn)率。

2.2 植被調(diào)整垂直干旱指數(shù)

普通的PDI未涉及土地植物覆被在紅光與近紅外這兩個(gè)波段的強(qiáng)散射影響，由此可知PDI對(duì)于較低植物覆被區(qū)以及裸土區(qū)域的土壤濕度反演更加合適。在研究部分土地植物覆被程度及類(lèi)別存在分布不均勻和差別較大等問(wèn)題的地域時(shí)，PDI的精確性則無(wú)法達(dá)到可信程度［13-14］。為解決該問(wèn)題，減少土壤濕度特征受到來(lái)自Nir-Red空間內(nèi)混合像元的限制，保證研究區(qū)各類(lèi)覆被下土壤濕度反演的精確性，有研究將垂直植被指數(shù)用作地表覆被表征量，分解Nir-Red空間的混合像元，然后可以得到包含土壤濕度的較為精準(zhǔn)的土壤特征，并在以PVI-PDI構(gòu)建的二維空間中對(duì)PDI模型實(shí)施改良，得到適用于植被覆蓋的植被調(diào)整垂直干旱指數(shù)（Vegetation Adjusted Perpendicular Drought Index，VAPDI）［17］。

圖3 PVI-PDI光譜特征空間像元分布形狀示意圖Fig.3 PVI-PDI spectral feature space pixel distribution shape diagram

如圖3所示，在面ABC中每一條土壤濕度等值線(xiàn)都接近直線(xiàn)，并近似相交于點(diǎn)A。裸土區(qū)中，PVI=0時(shí)，使用PDI估算土壤濕度更為精準(zhǔn)，因此在ABC中，土壤濕度等值線(xiàn)（AE）與點(diǎn)F的PDI能夠替換任意一點(diǎn)E的PDI，OF代表E點(diǎn)修正之后的PDI。由三角形相似原理，可得任意X點(diǎn)的VAPDI公式［18］為：

PVI的公式為：

式（3）中，I為土壤線(xiàn)在縱坐標(biāo)上的截距。理論上，在裸土區(qū)即PVI趨于0時(shí)，VAPDI等于 PDI。

3 結(jié)果與分析

3.1 土壤濕度監(jiān)測(cè)模型構(gòu)建

使用完成預(yù)處理后的研究區(qū)GF-1 WFV影像，利用ENVI 5.1軟件，得到全部土壤濕度采樣點(diǎn)的像元在Nir與Red的反射率，用63個(gè)實(shí)測(cè)樣點(diǎn)的反射率在Nir-Red構(gòu)成的光譜特征空間內(nèi)進(jìn)行離散化，并對(duì)其趨勢(shì)線(xiàn)擬合，最終得出研究區(qū)的土壤線(xiàn)斜率值M為1.371 7。根據(jù)公式（3）計(jì)算出實(shí)驗(yàn)區(qū)各采樣點(diǎn)的垂直植被指數(shù)，再按照上述公式得到研究區(qū)所有采樣點(diǎn)PDI、VAPDI的值。任意選擇42個(gè)回歸采樣點(diǎn)，線(xiàn)性擬合土壤濕度實(shí)際觀(guān)測(cè)值及其PDI、VAPDI值［19］，建立土壤濕度監(jiān)測(cè)模型，結(jié)果見(jiàn)圖4。

圖4 PDI和VAPDI與實(shí)測(cè)土壤濕度值線(xiàn)性擬合圖Fig.4 Linear fit of PDI and VAPDI to measured soil moisture values

由圖4可知，土壤濕度值同PDI、VAPDI指數(shù)同時(shí)存在較為直觀(guān)的負(fù)向聯(lián)系，這表明當(dāng)PDI與VAPDI指數(shù)升高，土壤濕度將逐漸降低。通過(guò)研究區(qū)GF-1 WFV影像得到的PDI、VAPDI，同土壤濕度觀(guān)測(cè)值的決定系數(shù)R2分別為0.589 2、0.735 4，可知這兩類(lèi)干旱指數(shù)同實(shí)測(cè)區(qū)表土含水量有顯著線(xiàn)性關(guān)系，且該研究區(qū)內(nèi)用VAPDI監(jiān)測(cè)土壤濕度，其準(zhǔn)確性比PDI更好。原因是在Nir-Red空間內(nèi)，土質(zhì)、覆蓋度以及與之相關(guān)的地物特征往往在同一時(shí)間影響了像元的反射率，而植被覆蓋度這一重要因素沒(méi)能被PDI指數(shù)納入到影響土壤光譜特征的因子中，從而不能將表土濕度的真實(shí)數(shù)值完整地傳達(dá)。在這種情況下，VAPDI指數(shù)采用多種各異的植被覆蓋表征量修正光譜信息，其反饋的土壤濕度數(shù)據(jù)會(huì)更為可信，且比PDI同測(cè)量值的關(guān)聯(lián)度更好。

接著，建立PDI和VAPDI同表土濕度測(cè)量值的回歸關(guān)系，并統(tǒng)計(jì)校驗(yàn)，發(fā)現(xiàn)VAPDI與土壤濕度實(shí)測(cè)值之間的回歸方程通過(guò)了P=0.01的顯著性檢驗(yàn)，而PDI與土壤濕度實(shí)測(cè)值之間的回歸方程則通過(guò)了P=0.05的顯著性檢驗(yàn)，驗(yàn)證結(jié)果是可以接受的，說(shuō)明基于這兩種干旱指數(shù)構(gòu)建的模型其精確性均較為可信，有潛力進(jìn)一步反演更大規(guī)模的土壤濕度區(qū)域分異。

3.2 監(jiān)測(cè)模型精度驗(yàn)證及評(píng)價(jià)

通過(guò)PDI與VAPDI兩種監(jiān)測(cè)模型測(cè)算出的土壤濕度反演值，與其相對(duì)的21個(gè)驗(yàn)證樣點(diǎn)的土壤濕度測(cè)量值完成相關(guān)性檢驗(yàn)，然后通過(guò)各項(xiàng)精度評(píng)價(jià)指標(biāo)（表1［19-20］）對(duì)樣點(diǎn)集反演值與測(cè)量值進(jìn)行評(píng)價(jià)，以便定量評(píng)定這兩個(gè)模型的精度。

表1 土壤濕度監(jiān)測(cè)模型精度評(píng)價(jià)指標(biāo)值Table 1 Soil moisture monitoring model accuracy evaluation index value

由表1可知，兩種監(jiān)測(cè)模型得到的土壤濕度反演值同實(shí)際測(cè)量值之間的相關(guān)系數(shù)分別是0.574 3和0.741 8，其相應(yīng)的均方根誤差RMSE為8.19%和4.87%，可見(jiàn)兩個(gè)模型的反演值同測(cè)量值間都存在可接受的誤差，表明它們均可以保證一定程度上的監(jiān)測(cè)精度，證實(shí)了通過(guò)GF-1 WFV影像的PDI、VAPDI指數(shù)構(gòu)建模型監(jiān)測(cè)研究區(qū)的表土濕度具有可行性。將表1中各模型精度評(píng)價(jià)指標(biāo)的結(jié)果對(duì)比后，可以發(fā)現(xiàn)基于VAPDI指數(shù)監(jiān)測(cè)模型所得到的反演值與實(shí)測(cè)值間的相關(guān)系數(shù)、平均絕對(duì)誤差、平均相對(duì)誤差與均方根誤差［18］指標(biāo)都顯著優(yōu)于PDI指數(shù)模型，進(jìn)一步驗(yàn)證了PDI指數(shù)雖然能夠在一定程度上反映表層土壤的濕度信息，但卻更適合于裸土或者植被稀疏的地區(qū)，而在植被覆蓋度較高的區(qū)域監(jiān)測(cè)精度有限；經(jīng)PVI修正的VAPDI指數(shù)建立的土壤濕度監(jiān)測(cè)模型，使用植被和裸土像元二者的綜合反射率進(jìn)行擬合，精度更高。

3.3 土壤濕度反演結(jié)果分析

基于研究區(qū)的GF-1 WFV遙感影像，在ENVI/IDL中計(jì)算出了各像元的PDI和VAPDI指數(shù)值，分別利用基于PDI和VAPDI指數(shù)構(gòu)建的兩種土壤濕度反演模擬進(jìn)行模擬，得到阿克蘇流域2016年7月2日的土壤濕度空間分布格局（圖5），圖5（a）為基于PDI指數(shù)的反演結(jié)果，圖5（b）則是基于VAPDI指數(shù)的反演結(jié)果。圖中白色區(qū)域是在掩膜時(shí)剔出的水域、中心城鎮(zhèn)及背景，圖例中紅到藍(lán)表明土壤濕度逐步上升。

由圖5可知，兩種監(jiān)測(cè)模型得到的阿克蘇流域土壤濕度的空間分布格局基本一致，即流域內(nèi)靠近河流遇到大型水庫(kù)的區(qū)域土壤濕度相對(duì)較高，尤其是上游地區(qū)，土壤濕度最高；而流域周邊的荒漠區(qū)域和流域下游土壤濕度整體較低。這主要是因?yàn)榘⒖颂K流域綠洲植被完全依靠地表水渠灌溉，靠近水源的農(nóng)業(yè)生產(chǎn)區(qū)，能夠得到充足的人工灌溉，土壤濕度較高，而遠(yuǎn)離水源的荒漠、天然林地及荒草地由于得不到灌溉常年干旱，因此土壤濕度較低。進(jìn)一步對(duì)比兩種模型的監(jiān)測(cè)結(jié)果發(fā)現(xiàn)，盡管兩幅圖中土壤濕度總體空間分布趨勢(shì)一致，但部分區(qū)域存在明顯差異：圖5（a）、（b）中流域邊緣的無(wú)植被區(qū)域兩者的監(jiān)測(cè)效果一致，但在流域中部及下游的植被覆蓋區(qū)域，土壤濕度分布的差異較大。在上述區(qū)域圖5（a）以中等濕度的黃色和綠色像元為主，紅色與藍(lán)色像元少，而圖5（b）則顏色差異更大，分布較多代表土壤干燥的紅、黃區(qū)域，還有一定代表土壤濕潤(rùn)的藍(lán)色區(qū)域，說(shuō)明土壤濕度的級(jí)別層次更為清晰顯著。主要因?yàn)樵谥脖桓采w區(qū)土壤光譜信息會(huì)被土地覆被干擾，造成PDI無(wú)法清晰準(zhǔn)確地測(cè)算土壤濕度的真實(shí)數(shù)值，從而造成基于PDI指數(shù)構(gòu)建起來(lái)的模型反演得到的流域內(nèi)部植被覆蓋區(qū)土壤濕度在區(qū)域上的差別不大，主要集中在中等濕度這一層級(jí)上。而以VAPDI指數(shù)為基礎(chǔ)構(gòu)建的監(jiān)測(cè)模型加入了植被覆蓋因子，并分別引入了垂直植被指數(shù)用于修正PDI指數(shù)，用以解決混合像元對(duì)濕度信息造成的干擾，使其更精確地展現(xiàn)出土壤濕度的分布差異特點(diǎn)。

根據(jù)上述兩種模型的土壤濕度監(jiān)測(cè)結(jié)果顯示，阿克蘇流域土壤干濕擁有顯著的空間分異特點(diǎn)：河流以及附近區(qū)域受人工灌溉影響，土壤濕度較高；流域邊緣遠(yuǎn)離河流的區(qū)域及下游地區(qū)呈現(xiàn)明顯的干旱現(xiàn)象；尤其是無(wú)植被覆蓋的荒漠地帶，土壤濕度接近于0，極度干旱。在阿克蘇流域的內(nèi)部，土壤濕度較為穩(wěn)定，而在流域的邊緣地區(qū)，綠洲與荒漠的交錯(cuò)地帶，土壤濕度變化劇烈，呈現(xiàn)明顯的差異性。

圖5 基于GF-1 WFV影像的阿克蘇流域土壤濕度空間分布圖Fig.5 Spatial distribution of soil moisture in Aksu Basin based on GF-1 WFV image PDI（a），VAPDI（b）

4 結(jié)論與討論

通過(guò)國(guó)產(chǎn)GF-1 WFV影像分析得到的PDI和VAPDI同研究區(qū)域土壤濕度測(cè)量值間的決定系數(shù)為0.589和0.735，可認(rèn)為GF-1 WFV影像適用于阿克蘇流域灌溉農(nóng)業(yè)區(qū)這類(lèi)植物覆蓋度較高的區(qū)域，且用其進(jìn)行土壤濕度監(jiān)測(cè)具有一定程度的可靠性。

利用VAPDI分解影像內(nèi)的混合像元，通過(guò)植被與裸土兩種像元的綜合反射率完成擬合，比PDI指數(shù)模型的監(jiān)測(cè)精度更高，變化更敏感，更能準(zhǔn)確呈現(xiàn)出土壤濕度的內(nèi)部空間分異，此結(jié)果與吳春雷等［15］的研究結(jié)果一致。

在地球表層三大圈層的物質(zhì)循環(huán)中，土壤濕度所展現(xiàn)的光譜信息經(jīng)常會(huì)因植被覆蓋度的不同而呈現(xiàn)出不同的信息，同時(shí)還會(huì)受到氣象狀態(tài)、傳感器的差異、土壤本身的質(zhì)量和歷史情況等多變的地理因素影響，尤其是在阿克蘇流域這種荒漠—綠洲特殊的地理區(qū)域，土壤濕度時(shí)空變化劇烈，使用遙感數(shù)據(jù)進(jìn)行大范圍的濕度監(jiān)測(cè)，其精度仍然受到限制；此外，同一期的影像不能使研究成果具有代表性和普遍性，在今后的研究中，應(yīng)該適當(dāng)使用不同時(shí)期遙感數(shù)據(jù)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)和多層面分析。