疟疾预测的遗传规划方法与应用——以安徽省县(市)疟疾发病率为例

疟疾是世界上最严重的一种寄生虫疾病,安徽省是典型的中纬度疟疾高发区域之一。本文以安徽省县级行政单元统计的疟疾发病率为例,从遥感监测数据中获取疟疾潜在驱动因素的数据,使用遗传规划方法建立遥感监测的环境因素与疟疾发病率之间的关系,从而预测疟疾发病率的空间分布,并分析预测结果、评价模型精度。结果表明,遗传规划方法预测的疟疾发病的精度(训练数据的预测R2=0.558,检验数据R2=0.429)较线性逐步回归方法的预测精度(训练数据的预测R2=0.470,检验数据R2=0.408)有所提高。遗传规划方法有利于提高预测疟疾发病率空间分布的精度。其为使用遥感监测数据预测疟疾的空间分布和变化的科学研究提供依据。     

1990—2020年中国能源开采和加工场地多源数据综合制图与时空变化分析

由于当前缺乏有效的能源开采和加工场地精细化遥感探测方法和高精度的数据产品,全国尺度的能源开采和加工场地时空分布规律的认识仍显不足。本研究基于高分辨率遥感影像、土地利用/覆盖数据、网络爬虫数据、OSM地图数据和环境专题数据等信息,发展了基于多源数据融合和专家知识参与获取的能源开采和加工场地遥感识别和精细化制图的技术方法,研发了1990、2000、2010和2020年共4期的中国能源开采和加工场地分布数据产品及2010—2020年场地植被恢复信息数据产品,作为中国土地利用/覆盖变化数据的组成部分（CLUD-Mining）。CLUD-Mining具有较高的质量和可靠性,数据产品平均精度为91.75%;中国能源开采和加工场地开发建设的面积呈现先增长后减少的发展趋势,1990—2010年,面积增长速度从55.22 km²/a上升到95.51 km²/a,而2010—2020年呈现负增长,平均每年减少27.28 km²;此外,2010—2020年场地植被恢复面积达746.76 km²,主要集中在华北区和西南区;中国能源开采和加工场地分布格局逐渐由东部地区向西部地区转移。本研究对提升中国能源开采和加工场地时空分布特征的认识具有重要意义,可为场地污染治理和生态修复提供重要的数据基础。     

基于LSTM神经网络的青藏高原月降水量预测

青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括：① 使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R²分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;② 分析了降水量预测精度的空间分布特征,将各模型的R²在青藏高原地区内插值,分析R²的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R²较低,在气候稳定、降水规律性明显的地区R²较高,且LSTM模型R²≥0.6的空间范围远大于传统模型;③ 分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。     

基于空间抽样的区域地表覆盖遥感制图产品精度评估——以中国陕西省为例

地表覆盖数据是研究气候变化、生态环境、地理国情和人文经济等方面不可或缺的基础信息,因此其质量的优劣将直接影响相关决策的可靠性。本文针对我国研制的首套30 m分辨率全球地表覆盖数据产品,通过分析其海量、多维、非均质等空间特点,对传统的制图产品精度评估方法提出了改进：以地表类型进行分层抽样,样本量的计算采用优化模型并以地类所占面积比为权重逐层分配,样本的布设则考虑层内对象之间的空间相关性,在地表数据自然分布的基础上,通过分析空间相关性指数来提高样本的代表性和精度评估结果的可靠性。因此,本文提出针对区域地表覆盖遥感制图产品的空间分层抽样方法,其将精度评估分成抽样方案（样本的定量估计）和布设方案（样本的空间布设）2个部分,并以中国陕西省地表覆盖产品为例进行区域精度评估实验分析,从全区7大类地表类型数据中抽取1467个样本,经过样本检验与精度计算,该区域产品的总体精度为79.96%,Kappa系数为0.74。实验结果表明,本文提出的基于空间抽样的精度评估方法可行可靠,实验区域产品质量较好,并为后续针对全球范围的地表覆盖产品精度评估方法提供了参考。     

基于静风期污染物的PM2.5排放清单空间精细化方法

有利气象条件之后的静风期,极大降低了PM_2.5跨区域传输的影响,能够揭示本地源的排放状况。本文尝试性引入了静风期污染物分布揭示本地源排放特征的概念,提出了一种基于遥感数据的PM_2.5排放清单空间精细化方法：首先,利用 MODIS MCD19A2反演的ChinaHighPM_2.5数据,构建高时空分辨率PM_2.5数据融合方法;然后,构建唐山市有利气象条件之后的静风期污染物遴选方法（合理风向和风速：有利气象条件为东风,地面10 m高度风速大于3 m/s,其他风向,持续的较大风力5~10 m/s;静风期风速小于1.5~2.0 m/s）;其次,基于遴选的静风期PM_2.5数据分配MEIC清单中的PM_2.5总排放量,同时对比传统插值方法：基于GDP、人口密度、路网、土地利用类型数据,实现清单各污染源PM_2.5的1 km×1 km空间分配;最后,利用WRF-CMAQ模拟数据和地面台站实测数据进行真实性检验。研究结果表明：① PM_2.5数据填补融合方法能够有效提高PM_2.5监测数据的时空分辨率,且与地面监测值显著相关（R²=0.94,RMSE=4.64 µg/m³,NMB=2%,NME=7%）;② 引入有利气象条件后的静风期概念,提出了静风期污染物的遴选方法,有效降低了PM_2.5跨区域传输的影响,更好地反映了本地源排放的空间分布特征;③ WRF-CMAQ模拟方法的精度验证结果表明,该方法较传统面积插值法NME降低7%,NMB降低10%,RMSE降低1.54 µg/m³,R²提高11%。该方法为排放清单的空间精细化提供了新的研究思路。     

闽南金三角地区城市扩展及其驱动分析——以漳州市主城区为例

城市空间扩展是衡量城市化进程的重要指标。本文以闽南金三角地区的福建省漳州市主城区作为研究区,选取2000、2006和2013年的Landsat遥感影像,利用IBI建筑指数分别提取了3个年份的建筑用地信息,然后对其变化进行GIS分析。结果表明,13 a间漳州市主城区面积净增13.69 km²,净增面积为2000年的66.9%。主城区主要沿交通主干道往西北方向呈带状和面状扩展。缓冲区分析表明,道路对主城区扩展起到很大的引导和促进作用。综合社会经济数据可知,主城区的城市扩展历程与第二产业的发展密切相关,属工业导向型的城市扩展模式。另外,城市人口的增加也起到了一定的促进作用,不同区位人口增长速率的差异,对城市扩展的方向也产生了一定的引导作用。     

基于夜间灯光与LUC数据的川渝地区人口空间化研究

高精度的人口空间分布数据是开展小尺度人口活动变化规律研究的关键数据。夜间遥感影像对于反映人类社会活动具有独特的能力,因而被广泛的应用于社会经济领域的空间数据挖掘。本研究以DMSP/OLS夜间灯光数据、NPP/VIIRS夜间灯光数据、常住人口统计数据、土地利用数据为数据源,在县级尺度上建立逐步回归模型,构建川渝地区人口空间分布数据;并随机抽取研究区内500个乡镇,以常住人口统计数据为真实数据,对人口空间化结果进行精度检验。结果表明：① 2种夜间灯光数据与人口均有较高的相关性,相关系数均在0.76以上,NPP/VIIRS夜间灯光数据与人口的相关性要高于DMSP/OLS,且受拟合模型的影响不大。② 与人口相关性较高的土地利用类型有多种,耕地、林地对人口空间分布也有影响,在建模时不应只考虑建成区。③ 在2种夜间灯光数据分别与土地利用与土地覆被数据（Land Use/ Land Cover, LUC）结合时,使用DMSP/OLS夜间灯光数据和NPP/VIIRS夜间灯光数据得到的逐步回归模型的复相关系数R²分别为0.796、0.817,模型拟合率较高,而基于NPP/VIIRS夜间灯光数据得到的人口空间化结果分辨率（500 m）相比DMSP/OLS提高了一倍（1 km）,中心城区与周边城区人口密度变化更加自然,更符合实际人口分布情况。④ 与LUC数据结合时,使用NPP/VIIRS夜间灯光数据得到的人口空间化结果精度要高于DMSP/OLS夜间灯光数据,表明NPP/VIIRS夜间灯光数据相比DMSP/OLS更适用于人口数据空间化研究。     

八叉树与三维R*树集成的激光点云数据存储结构

针对海量激光点云数据组织与管理困难等问题,结合八叉树在三维空间上的快速收敛能力以及三维R^*树对不规则分布的多维点数据性能稳定的优势,提出了一种八叉树与三维R^*树集成的空间混合索引结构—3DOR^*树。首先,通过对激光点云数据进行八叉树划分;然后,对八叉树叶子节点构建三维R^*树,进而实现3DOR^*树索引结构的构建;最后,对激光点云数据进行特征分析,构建基于3DOR^*树的激光点云数据存储结构,实现基于3DOR^*树的激光点云存储与管理。本文以江西理工大学图书馆激光点云数据为例,进行实验对比分析,证明了基于3DOR^*树的激光点云数据存储结构比三维R^*树、八叉树与三维R树混合树等其他树形结构,具有高效的空间存储与查询等优势,可应用于海量激光点云数据存储、管理与分析应用。     

同化叶面积指数和蒸散发双变量的冬小麦产量估测方法

同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R²=0.432,RMSE=721 kg/hm²;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R²=0.408,RMSE=925 kg/hm²;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R²=0.013,RMSE=1134 kg/hm²）与模型模拟估测产量精度（R²=0.006,RMSE=1210 kg/hm²）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。     

卷积神经网络和随机森林的城市房价微观尺度制图方法

随着中国城市化进程的加快,城市人口的大规模集聚带来了住房紧张的问题,房价政策制定的时效性与正确性也时刻吸引着社会的关注,因此在微观尺度下对房价进行精细化制图变得愈发重要。由于数据可获取性和现有模型精度的限制,目前已有研究均较少涉及微观尺度。本研究通过将房价数据和遥感影像相融合,构建了一种基于卷积神经网络（CNN）和随机森林（RF）的遥感影像挖掘模型,以实现在不考虑其他数据的情况下,精确、合理地进行房价的微观尺度制图。本文以武汉市作为研究区,在仅有房价数据和遥感影像的情况下,利用本文所构建的模型成功得到武汉市中心城区5 m精度的精细房价图。此外,还利用其他数据源以及挖掘技术与本文所构模型进行了对比分析。结果显示,本文所构建的模型获得了最高的房价模拟拟合优度（R²=0.805）,相比传统方法中的最高拟合优度（R²=0.653）其精度提升了23.28%,其制图结果可为政府部门规划决策及武汉市经济分布研究提供基础支撑。     

融合土地覆盖和土壤水分产品的近地表空气温度空间化方法

空气温度是评价人居环境的重要指标,与人类的生产生活息息相关;其观测对于水文、环境、生态和气候变化等方面的研究具有重要意义。传统的大范围空气温度观测数据一般通过气象站点获取,但由于气象观测站点空间分布离散稀疏的特点,所获取的数据不能精确描述空间连续的空气温度变化情况。因此,实现基于遥感数据的近地表空气温度精准估算具有重要的现实意义。本研究基于精细的地表覆盖类型、空间连续的土壤水分、地表温度（LST）数据,并结合其他辅助数据,构建了近地表空气温度空间化模型,并对近地表空气温度影响因子进行评估,发现地表覆盖类型对近地表空气温度的影响最大,土壤水分为最活跃的影响因素,经验证,模型精度较高,R²接近0.85,RMSE为0.5℃。本研究获取的精确空间连续的近地表空气温度信息,能够充分表达其空间异质性,为农业气象灾害灾变过程监测、农作物生长过程模拟、区域气候变化分析等研究提供良好的近地表空气温度数据支撑。     

北京2008奥运赛场环境特征的GIS系统分析

本文针对不同环境特征参数的空间和时间变化特征,利用2006年不同空间分辨率和时间分辨率的多源遥感数据和产品,对31个奥运场馆、公路自行车赛场和奥林匹克公园的建筑指数、水体指数、白天/夜间陆表温度以及植被指数特征进行了GIS系统分析,其结果:(1)31个奥运场馆的建筑时间、地理位置以及露天情况对其环境特征有着重要的影响,建筑指数、水体指数、白天/夜间的陆表温度以及植被指数均表现出不同的变化特征,故奥运场馆的绿化和赛事安排应对这些因素进行综合考虑。(2)公路自行车赛场和奥林匹克公园均表现出建筑指数较高,水体指数为负值的特征,而且夏季和秋季白天/夜间陆表温度较高。建议在奥林匹克公园适当增加一些水体以提高其环境质量。     

基于DEM修正的MODIS地表温度产品空间插值

地表温度是资源环境、气候变化、陆地生态系统等科学研究的重要参数之一。MODIS LST（Land Surface Temperature, LST）产品是地表温度相关研究的重要数据源。而现有MODIS LST产品均存在云覆盖区域,因此云覆盖区域地表温度估计已成为热红外遥感的前沿性研究难题。为解决MODIS LST产品云遮挡区域地表温度信息缺失,以秦岭地区为研究区,选用2001-2017年的MOD11A2数据,在传统的反距离权重（IDW）、规则样条函数（SPLINE）、普通克里金（OK）、趋势面（TREND）空间插值方法中引入高程因子,通过反复试验形成基于DEM修正的MODIS LST空间插值方法。分析空间插值结果表明： ① 空间插值精度由高到低为：OK>SPLINE>IDW>TREND,基于DEM修正后精度分别提高了约0.38、0.31、0.32和0.78℃; ② 空间插值结果的精度呈现季节差异,夏季6、7、8月的精度较高,1月的精度最低;③ 插值精度与云区的范围存在一定的关系,当云覆盖区域<1.1 km²时,DEM+OK方法的插值误差<0.55 ℃,当云覆盖区域<3.1 km²,插值误差<1 ℃;DEM+SPLINE方法在云覆盖区域<2.7 km²时,插值误差<0.55 ℃,云覆盖区域<10.4 km²,插值误差<1℃;当云覆盖为1.1~2.7 km²时,DEM+SPLINE方法的插值精度高于DEM+OK方法。     

南方红壤侵蚀区长汀县不同生态恢复年限下芒萁叶绿素含量的高光谱估算模型

芒萁是南方红壤侵蚀区生态恢复重要的地带性草本植物,对生态系统修复具有重要作用,监测其叶绿素含量能有效诊断生长健康状况。本文以福建省长汀县朱溪流域6个不同生态恢复年限下的芒萁叶片高光谱反射数据以及实测叶绿素含量为数据源,借助高光谱遥感技术分析不同恢复年限芒萁叶片原始光谱特征,筛选出光谱敏感波段并构建光谱指数,基于相关性分析,建立芒萁叶绿素单变量以及多元逐步回归模型,并确定最佳估算模型。结果表明：高光谱指数建立的单变量估算模型中,改进红边归一化植被指数（mNDVI₇₀₅）、叶面叶绿素指数（LCI）、红边指数（Vog）、比值光谱指数（RVI_603/407）、NDVI[603,407]高光谱指数建立的二次模型精度高,建模决定系数R²均超过了0.8,其中以高光谱指数为自变量建立的多元回归模型拟合R²值（0.886）最高。综合建模精度和模型验证精度,LCI指数构建的单变量模型以及基于高光谱指数的多元回归模型是估算芒萁叶片叶绿素含量最佳模型。本研究建立的叶绿素高光谱估算模型对快速、无损地监测水保植物芒萁生长具有重要意义。     

基于微波数据与光学数据集成的机器学习技术在作物产量估算中的应用

各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm²）,平均绝对误差(MAE=425.168 kg/hm²)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm²,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。     

基于反射峰面积的水体叶绿素遥感反演模拟研究

叶绿素浓度是水体富营养化状态的重要指标,也是水色遥感反演的水质参数之一。水体中叶绿素浓度的遥感反演主要是建立实测光谱和实测水质参数二者之间的关系模型,利用遥感影像进行叶绿素浓度的信息提取。传统的叶绿素浓度遥感反演受区域性和季节性的影响,反演精度不高,而且反演模型不具普适性,需对叶绿素光谱特征进行分析,建立高精度的反演模型。本文采用Hydrolight数据模拟了不同叶绿素浓度(1~200 µg·L^-1)的水体在可见光近红外的反射波谱曲线,通过分析叶绿素的光谱特征选取了特征波段或波段组合,并建立了叶绿素浓度反演模型。研究表明,除反射峰波长模型外,反射峰面积模型、三波段模型、红光线高度模型等均能较好地反演叶绿素浓度。在不同叶绿素反演模型中,除红光线模型外,最优的是反射峰面积模型,其决定系数为0.9689,反演误差为25.25 µg·L^-1;其次是三波段模型,其决定系数为0.9637,反演误差为10.66 µg·L^-1。究其原因,三波段模型考虑了水体中非色素悬浮物、黄色物质及水体后向散射对叶绿素浓度反演造成的影响;反射峰面积模型除此之外还综合考虑了叶绿素散射效率的影响。     

夜光遥感支持下的城市人口核密度空间化及自相关分析

基于福建省福州市鼓楼区街道社区人口统计数据、夜光遥感影像、Landsat8影像,融合核密度与回归方程,绘制30 m栅格空间分辨率的人口密度图并进行空间自相关分析。方法:① 采用核密度方法对69个社区人口计算生成人口密度分布图。建立786个居民小区点的人口密度与夜光遥感的常规QQ分位图,检测出人口密度存在较大的误差区域:五凤街道和洪山镇。② 建立人口密度与夜光遥感、Landsat8线性分解的不可渗透表面影像之间的二元二次回归方程,修正两个区域的人口密度误差。③ 采用高/低聚类分析、热点分析、聚类和异常值分析,得到鼓楼区人口高聚类属性,显示了鼓楼区最大商业圈区域与人口密度最大居民点区域,展示了人口聚类的空间局部差异性格局。结果:① 研究中所采用的人口空间化技术融合了2种空间化方法:核密度与回归方程。生成30 m栅格空间分辨率的人口密度图。② 鼓楼区人口密度均值分为3种类型:11 000、25 000和50 000人/ km²,人口密度分布近似正态分布。③ 当鼓楼区人口密度均值大于33 000人/ km²,不可渗透表面灰度值与人口密度相关性更强。反之,夜光亮度值与人口密度相关性更强。     

河南省冬小麦快速遥感制图

在省域尺度上,冬小麦遥感识别中存在冬小麦物候不一致、地表环境复杂、数据处理复杂、遥感数据冗余、选择适当的分类样本困难、分类精度低等问题,而遥感数据云平台为解决这些问题提供了良好的数据基础和数据处理能力。以河南省为研究区,以谷歌地球引擎(Google Earth Engine)云平台为支撑,基于2015年和2002年前后年份河南省冬小麦识别关键期内的2296景Landsat遥感影像,采用NDVI重构增幅算法建立冬小麦大区域遥感快速制图模型,实现了2015年和2002年的河南省冬小麦分布制图。结果表明：2015年和2002年冬小麦种植面积分别为56 055.79 km²和47 296.11 km²,与统计数据比,精度达到97%;2002-2015年,河南省冬小麦种植分布存在明显变化,总体播种面积呈增加趋势,2015年比2002年增加8759.69 km²,增幅为18.52%。与传统计算机冬小麦制图方法相比,基于Google Earth Engine云平台的数据处理和制图效率均获得千倍以上的提升。     

基于广义回归神经网络的京津冀地区土壤湿度遥感逐日估算研究

土壤湿度是地表水热交换过程和水文循环中的一个关键组成部分,获取高时空分辨率的土壤湿度数据一直是当前研究的热点。SMAP（Soil Moisture Passive and Active）主被动微波土壤湿度产品的精度高,但存在着空间分辨率低和时间分辨率缺失的问题,这限制了其在区域尺度上的应用,为解决这一问题得到更高时空分辨率的土壤湿度产品,本文利用广义回归神经网络模型（GRNN）模拟了MODIS地表温度、反射率、植被指数光学/热红外遥感数据以及高程、坡度、坡向、经纬度数据与SMAP土壤湿度的关系,从而将京津冀地区SMAP L2土壤湿度产品的时间分辨率由不连续（4~20 d）提升至1 d,空间分辨率由3 km提升至1 km,并扩展其在京津冀地区的空间覆盖范围。研究发现:① GRNN模型总体验证结果表明土壤湿度估算值与SMAP原始值的相关性较高（r=0.7392）,均方根误差（RMSE）为0.0757 cm3/cm3;② 不同季节典型日期的GRNN模型估算结果精度相差较大,春季处的相关性相比其他季节最低,精度相对较高（r_春=0.6152,RMSE_春=0.0653cm3/cm3）,秋季和夏季土壤湿度估算精度较为接近（r_夏=0.6957,r_秋=0.7053,RMSE_夏=0.0754cm3/cm3,RMSE_秋=0.0694cm3/cm3）,冬季的估算精度最高（r_冬=0.8214,RMSE_冬=0.0367cm3/cm3）;③ 2016年京津冀夏秋季节的土壤湿度较其他季节要显著提高,空间分布上坝上高原区域较低,而沿海地区的土壤湿度明显较高。本研究对京津冀地区的生态水文、气候预测以及干旱监测等应用领域具有重要价值。