程 滔，吳 蕓，鄭新燕，楊 剛，白 駒

(1.國(guó)家基礎(chǔ)地理信息中心，北京 100830；2.中國(guó)地圖出版社，北京 100045)

隨著計(jì)算機(jī)硬件的發(fā)展與計(jì)算能力的提升，大數(shù)據(jù)計(jì)算與分析、人工智能、深度學(xué)習(xí)等先進(jìn)技術(shù)取得了實(shí)質(zhì)性的快速進(jìn)步[1-2]，并在商品識(shí)別、人臉識(shí)別、目標(biāo)檢測(cè)、敏感圖識(shí)別、人類(lèi)活動(dòng)分析等實(shí)際應(yīng)用場(chǎng)景中發(fā)揮了重要作用[3]，應(yīng)用潛力十分巨大。

基于深度學(xué)習(xí)等技術(shù)的遙感影像智能分類(lèi)是近年來(lái)遙感領(lǐng)域研究的熱點(diǎn)[4-6]。這些技術(shù)的實(shí)質(zhì)，是通過(guò)構(gòu)建具有很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)來(lái)學(xué)習(xí)更有用的特征，從而提升分類(lèi)準(zhǔn)確性。因此，遙感影像智能分類(lèi)需要大規(guī)模訓(xùn)練樣本和測(cè)試樣本數(shù)據(jù)，并且樣本數(shù)據(jù)準(zhǔn)確度越高，通過(guò)訓(xùn)練進(jìn)行識(shí)別和分類(lèi)的精度就越高[7]。這里的樣本數(shù)據(jù)指遙感影像和遙感影像對(duì)應(yīng)的明確的地物目標(biāo)組成的一一對(duì)應(yīng)的關(guān)系數(shù)據(jù)組。

地理國(guó)情監(jiān)測(cè)重大專(zhuān)項(xiàng)形成的覆蓋全國(guó)范圍的高分辨率遙感影像、高精度地表覆蓋分類(lèi)產(chǎn)品[8]，為遙感影像智能分類(lèi)海量樣本數(shù)據(jù)采集提供了豐富、可行的數(shù)據(jù)資源?；谶b感影像數(shù)據(jù)與地表覆蓋分類(lèi)柵格化數(shù)據(jù)，利用空間位置匹配技術(shù)，構(gòu)建遙感影像與地表覆蓋分類(lèi)標(biāo)簽數(shù)據(jù)對(duì)，通過(guò)大規(guī)模采集，可為遙感影像智能分類(lèi)提供精確的樣本數(shù)據(jù)[9-10]。

本文針對(duì)遙感影像智能分類(lèi)對(duì)高質(zhì)量、大規(guī)模樣本數(shù)據(jù)的需求，開(kāi)展海量樣本數(shù)據(jù)采集方法研究，解決采集過(guò)程中的各項(xiàng)技術(shù)難點(diǎn)；同時(shí)開(kāi)發(fā)樣本數(shù)據(jù)自動(dòng)采集軟件。利用整套方法，完成全國(guó)尺度海量樣本數(shù)據(jù)的采集，并基于多個(gè)不同區(qū)域的采集過(guò)程與樣本數(shù)據(jù)成果，對(duì)方法的實(shí)用性、運(yùn)算性能進(jìn)行評(píng)估。

1 數(shù)據(jù)源

1.1 高分辨率遙感影像

地理國(guó)情監(jiān)測(cè)使用的遙感影像數(shù)據(jù)空間分辨率標(biāo)準(zhǔn)為全國(guó)優(yōu)于2.5 m、重點(diǎn)區(qū)域優(yōu)于1 m，以資源三號(hào)測(cè)繪衛(wèi)星獲取的影像為主，其他國(guó)產(chǎn)高分辨率遙感影像(包括高分一號(hào)、高分二號(hào)、北京二號(hào)、天繪一號(hào)等)及商業(yè)衛(wèi)星遙感影像(包括WorldView-1/2、GeoEye、QuickBird、pléiade-1A/1B、SPOT 6/7等)進(jìn)行補(bǔ)充，部分地區(qū)根據(jù)需要開(kāi)展航空攝影、無(wú)人機(jī)航空攝影獲取影像。原始影像各波段位深為16 bit，分幅數(shù)字正射影像各波段位深為8 bit[11]。

地理國(guó)情監(jiān)測(cè)的標(biāo)準(zhǔn)時(shí)點(diǎn)為6月30日，這種多源遙感影像協(xié)同滿足地理國(guó)情監(jiān)測(cè)需求的現(xiàn)狀，使得遙感影像呈現(xiàn)傳感器類(lèi)型多樣性、分辨率多樣性、時(shí)相多樣性的特點(diǎn)。這一特點(diǎn)也豐富了海量樣本數(shù)據(jù)成果的內(nèi)容，有利于智能分類(lèi)兼顧更多的數(shù)據(jù)特征。

1.2 高精度地表覆蓋分類(lèi)產(chǎn)品

地理國(guó)情監(jiān)測(cè)地表覆蓋分類(lèi)產(chǎn)品包含種植土地、林草覆蓋、房屋建筑(區(qū))、鐵路與道路、構(gòu)筑物、人工堆掘地、荒漠與裸露地、水域8個(gè)一級(jí)類(lèi)、46個(gè)二級(jí)類(lèi)、86個(gè)三級(jí)類(lèi)，類(lèi)型劃分以地物自然屬性為主要依據(jù)[12]，均是基于資源三號(hào)、高分二號(hào)、WorldView-1/2等高分辨率遙感影像采集，全國(guó)范圍全覆蓋、無(wú)縫隙，采集指標(biāo)基本要求是最小圖斑對(duì)應(yīng)的地面實(shí)地面積為400 m2。該產(chǎn)品為各部門(mén)掌握地表自然資源、生態(tài)環(huán)境及人類(lèi)活動(dòng)基本情況提供了高精度的地表覆蓋數(shù)據(jù)基礎(chǔ)。

地理國(guó)情監(jiān)測(cè)地表覆蓋分類(lèi)產(chǎn)品格式為矢量空間格式，全國(guó)范圍圖斑數(shù)量達(dá)到數(shù)億個(gè)。在開(kāi)展樣本數(shù)據(jù)采集時(shí)，以縣級(jí)行政區(qū)劃為單元，對(duì)矢量數(shù)據(jù)進(jìn)行了柵格化處理，柵格化粒度為1 m×1 m。采用面積最大法確定各柵格所代表的地表覆蓋類(lèi)型，即柵格范圍區(qū)域內(nèi)，各類(lèi)型中面積占比最大的類(lèi)型作為該柵格的分類(lèi)類(lèi)型。地表覆蓋分類(lèi)產(chǎn)品的分類(lèi)代碼最大為4位數(shù)字，因此柵格化結(jié)果位深定義為16 bit。

2 研究方法

全國(guó)尺度海量樣本數(shù)據(jù)采集數(shù)據(jù)量巨大，因此，以縣級(jí)行政區(qū)劃為單元進(jìn)行采集，最終聚合形成全國(guó)尺度海量樣本數(shù)據(jù)集?；跀?shù)據(jù)源特征分析，海量樣本數(shù)據(jù)采集需要研究解決縣域采集數(shù)量權(quán)重設(shè)置、坐標(biāo)投影轉(zhuǎn)換、柵格灰度重采樣、無(wú)效樣本數(shù)據(jù)過(guò)濾、地表覆蓋分類(lèi)碼映射、樣本數(shù)據(jù)命名標(biāo)識(shí)、特定地表覆蓋類(lèi)型樣本數(shù)據(jù)采集等關(guān)鍵技術(shù)問(wèn)題，實(shí)現(xiàn)海量樣本數(shù)據(jù)采集的自動(dòng)化、批量化，提升采集效率。海量樣本數(shù)據(jù)采集技術(shù)流程如圖1所示。

2.1 縣域采集數(shù)量權(quán)重設(shè)置

每個(gè)縣級(jí)行政區(qū)劃樣本采集數(shù)量采用面積因子進(jìn)行自動(dòng)分配，根據(jù)縣域面積與全國(guó)縣平均面積的大小關(guān)系、全國(guó)尺度需要采集的樣本數(shù)據(jù)總數(shù)量，并考慮采集過(guò)程中存在無(wú)效樣本塊的因素，分配合理的采集數(shù)量。

2.2 坐標(biāo)投影轉(zhuǎn)換

地理國(guó)情監(jiān)測(cè)地表覆蓋柵格數(shù)據(jù)坐標(biāo)為CGCS2000，分幅數(shù)字正射影像坐標(biāo)為CGCS2000坐標(biāo)系下的高斯-克呂格投影坐標(biāo)。基于位置匹配技術(shù)的樣本數(shù)據(jù)采集是由采集的有效的地表覆蓋柵格影像塊的中心點(diǎn)大地坐標(biāo)，計(jì)算對(duì)應(yīng)的分幅數(shù)字正射影像的圖幅號(hào)，檢索分幅數(shù)字正射影像數(shù)據(jù)文件，最后進(jìn)行采集。

因此，在創(chuàng)建輸出的數(shù)字正射影像塊時(shí)，坐標(biāo)、行列數(shù)與地表覆蓋柵格影像塊保持一致；獲取到地表覆蓋柵格影像塊的中心點(diǎn)大地坐標(biāo)后，對(duì)輸出的數(shù)字正射影像塊進(jìn)行各像素循環(huán)，利用高斯正算算法進(jìn)行坐標(biāo)投影轉(zhuǎn)換，從分幅數(shù)字正射影像中重采樣各像素灰度值。

2.3 柵格灰度重采樣

地理國(guó)情監(jiān)測(cè)地表覆蓋柵格數(shù)據(jù)分辨率統(tǒng)一為1 m，分幅數(shù)字正射影像分辨率包括0.5、1、2 m 3種形式[11]。對(duì)于0.5、2 m的分幅數(shù)字正射影像，在輸出數(shù)字正射影像塊時(shí)，分辨率需要重采樣至1 m。

針對(duì)分幅數(shù)字正射影像存在3種分辨率的情況，在創(chuàng)建輸出的數(shù)字正射影像塊時(shí)，坐標(biāo)、行列數(shù)與地表覆蓋柵格影像塊保持一致；對(duì)輸出的數(shù)字正射影像塊進(jìn)行各像素循環(huán)，利用雙線性內(nèi)插算法從分幅數(shù)字正射影像中重采樣各像素灰度值。

2.4 無(wú)效樣本數(shù)據(jù)過(guò)濾

2.4.1 數(shù)字正射影像無(wú)效影像塊過(guò)濾

采集數(shù)字正射影像塊時(shí)，進(jìn)行灰度值統(tǒng)計(jì)判斷，統(tǒng)計(jì)像素灰度值為(0,0,0)，即各波段像素灰度值均為0的像素?cái)?shù)目。該數(shù)目大于影像塊像素總數(shù)目10%時(shí)，將該影像塊判定為無(wú)效影像塊，不進(jìn)行采集。

在采集過(guò)程中，存在另外一種情況，即地表覆蓋柵格影像塊有效，但數(shù)字正射影像塊無(wú)效。對(duì)于有效的地表覆蓋柵格影像塊，在采集數(shù)字正射影像塊時(shí)，由于數(shù)字正射影像按標(biāo)準(zhǔn)分幅組織，可能剛好處于分幅數(shù)字正射影像的邊緣，因此存在0值區(qū)，即數(shù)字正射影像塊無(wú)效的情況。這種地表覆蓋柵格影像塊不滿幅或數(shù)字正射影像塊不滿幅的影像塊組合均應(yīng)刪除，以保證樣本數(shù)據(jù)成果的有效性。

2.4.2 地表覆蓋柵格無(wú)效影像塊過(guò)濾

采集地表覆蓋柵格影像塊時(shí)，進(jìn)行灰度值判斷，只要存在像素灰度值為0的情況，則說(shuō)明該影像塊存在無(wú)值區(qū)，不進(jìn)行采集。

2.5 地表覆蓋分類(lèi)碼映射

為便于樣本數(shù)據(jù)應(yīng)用，并減少數(shù)據(jù)量，地表覆蓋柵格影像塊與數(shù)字正射影像塊均輸出為8 bit。由于原始地表覆蓋柵格數(shù)據(jù)為16 bit，因此，需要將其自動(dòng)轉(zhuǎn)換為8 bit。

轉(zhuǎn)換方法為：創(chuàng)建TXT文本格式的索引文件，索引值為16 bit分類(lèi)碼和對(duì)應(yīng)的8 bit分類(lèi)碼值，針對(duì)采集的地表覆蓋柵格影像塊，根據(jù)其原始16 bit分類(lèi)碼，映射得到其8 bit分類(lèi)碼，并作為輸出結(jié)果值。

2.6 樣本數(shù)據(jù)命名標(biāo)識(shí)

采集的地表覆蓋柵格影像塊與數(shù)字正射影像塊均輸出為JPG格式，不帶空間坐標(biāo)。數(shù)據(jù)命名標(biāo)識(shí)規(guī)則為：地表覆蓋柵格影像塊和對(duì)應(yīng)的數(shù)字正射影像塊文件命名標(biāo)識(shí)一致，由38位字符組成，包含縣級(jí)行政區(qū)劃代碼、數(shù)字正射影像波段數(shù)、原始遙感影像獲取時(shí)間、采集的樣本塊中心點(diǎn)經(jīng)度坐標(biāo)、采集的樣本塊中心點(diǎn)緯度坐標(biāo)(用度分秒表示，精度至0.001″)5項(xiàng)信息。具體為：第1—6位字符為6位縣級(jí)行政區(qū)劃代碼(反映樣本數(shù)據(jù)的空間地域)；第7位字符為數(shù)字正射影像波段數(shù)；第8—15位字符為原始遙感影像獲取時(shí)間(從分幅數(shù)字正射影像元數(shù)據(jù)中獲取)；第16—25位字符為采集的樣本塊中心點(diǎn)經(jīng)度坐標(biāo)；第26—34位字符為采集的樣本塊中心點(diǎn)緯度坐標(biāo)；第35—38位字符為文件后綴名.jpg。例如：1301013201609190980202333360202333.jpg。

從分幅數(shù)字正射影像元數(shù)據(jù)中獲取原始遙感影像獲取時(shí)間時(shí)，分為3種情況：①航空攝影影像數(shù)據(jù)，讀取“航攝時(shí)間”字段，只有年、月6位字符，第8—15位字符用“0”補(bǔ)齊至8位，如20160900。②衛(wèi)星影像數(shù)據(jù)，首選讀取“多光譜衛(wèi)星影像獲取時(shí)間”字段，有年、月、日8位字符，如20160919；如果該字段值為空，則讀取“全色衛(wèi)星影像獲取時(shí)間”字段，有年、月、日8位字符，如20160919。③如果讀取這3個(gè)字段，獲取的值均為空，則第8—15位字符用“0”補(bǔ)齊至8位。

2.7 特定地表覆蓋類(lèi)型樣本數(shù)據(jù)采集

樣本數(shù)據(jù)大規(guī)模位置匹配采集是以縣級(jí)行政區(qū)劃為單元，以地表覆蓋柵格數(shù)據(jù)為主線，通過(guò)規(guī)則格網(wǎng)劃分進(jìn)行的，那么采集結(jié)果就可能出現(xiàn)部分地表覆蓋類(lèi)型采集的樣本數(shù)目較多、部分地表覆蓋類(lèi)型采集出的樣本數(shù)目較少甚至沒(méi)有的情況。同時(shí)，部分地表覆蓋類(lèi)型需要采集到純凈的單一地表覆蓋類(lèi)型的樣本數(shù)據(jù)。

針對(duì)這種需求，本文采用的方法具體如下：自定義一個(gè)TXT文本格式的采集參數(shù)文件，將相關(guān)信息錄入TXT文本文件中，包括批采集數(shù)量、特定地表覆蓋類(lèi)型樣本數(shù)據(jù)的分類(lèi)代碼、采集的樣本塊中心點(diǎn)經(jīng)度坐標(biāo)、采集的樣本塊中心點(diǎn)緯度坐標(biāo)、樣本塊列數(shù)、樣本塊行數(shù)，各列之間用tab鍵或空格分開(kāi)。通過(guò)讀取采集參數(shù)文件，實(shí)現(xiàn)相應(yīng)樣本數(shù)據(jù)的采集，即可滿足這種特定需求。

3 軟件研發(fā)

面向遙感影像智能分類(lèi)的海量樣本數(shù)據(jù)規(guī)模巨大，目前商業(yè)軟件難以滿足采集效率需求。針對(duì)這一現(xiàn)狀，本文自主研發(fā)了柵格空間數(shù)據(jù)大規(guī)模位置匹配采集軟件——LCARasterTile，根據(jù)地理國(guó)情監(jiān)測(cè)高分辨率遙感影像及高精度地表覆蓋分類(lèi)產(chǎn)品的數(shù)據(jù)管理方式、數(shù)據(jù)量等特點(diǎn)，按照全國(guó)各縣面積大小，設(shè)置合理的采集參數(shù)，利用空間位置匹配技術(shù)實(shí)現(xiàn)全國(guó)尺度海量樣本數(shù)據(jù)采集，提高數(shù)據(jù)采集效率，滿足面向遙感影像智能分類(lèi)的海量樣本數(shù)據(jù)需要。

3.1 軟件特點(diǎn)

LCARasterTile軟件是在Visual Studio 2010集成開(kāi)發(fā)環(huán)境中，利用Microsoft Visual C++語(yǔ)言實(shí)現(xiàn)的。開(kāi)發(fā)過(guò)程中，調(diào)用了GDAL(geospatial data abstraction library)開(kāi)源柵格空間數(shù)據(jù)轉(zhuǎn)換庫(kù)[13]。

LCARasterTile軟件操作簡(jiǎn)便，實(shí)現(xiàn)了大規(guī)模柵格空間數(shù)據(jù)的自動(dòng)化、批量化位置匹配采集，提高了數(shù)據(jù)采集效率，保證了樣本數(shù)據(jù)集產(chǎn)品質(zhì)量，并節(jié)約了人力、物力成本。

軟件主要具有以下幾個(gè)特點(diǎn)：①軟件支持大數(shù)據(jù)的輸入、讀取與處理；②軟件可根據(jù)遙感影像智能分類(lèi)對(duì)樣本影像塊尺寸需求，設(shè)置不同的采集尺寸；③軟件能夠?qū)崿F(xiàn)無(wú)效樣本數(shù)據(jù)的自動(dòng)過(guò)濾；④針對(duì)特定地表覆蓋類(lèi)型樣本數(shù)據(jù)采集需求，軟件可進(jìn)行特定模式采集；⑤軟件具有批處理功能，數(shù)據(jù)處理效率高；⑥軟件界面友好，操作簡(jiǎn)便。

3.2 軟件輸入

軟件輸入數(shù)據(jù)包括3項(xiàng)：

(1)地理國(guó)情監(jiān)測(cè)地表覆蓋柵格數(shù)據(jù)。數(shù)據(jù)文件采用IMG(后綴名為“.img”)格式，經(jīng)緯度坐標(biāo)；多個(gè)數(shù)據(jù)文件存儲(chǔ)在同一個(gè)文件夾中，便于進(jìn)行批處理操作。

(2)數(shù)字正射影像數(shù)據(jù)。數(shù)據(jù)文件采用非壓縮的TIFF格式(后綴名為“.tif”)，高斯-克呂格投影坐標(biāo)；影像坐標(biāo)信息文件采用TIFF WORLD文檔格式(后綴名為“.tfw”)；數(shù)據(jù)文件與影像坐標(biāo)信息文件的文件命名標(biāo)識(shí)一致；多個(gè)數(shù)據(jù)文件存儲(chǔ)在同一個(gè)文件夾中，便于進(jìn)行批處理操作。

(3)采集參數(shù)數(shù)據(jù)。在進(jìn)行特定地表覆蓋類(lèi)型樣本數(shù)據(jù)采集時(shí)，還需要輸入TXT格式采集參數(shù)數(shù)據(jù)；記錄內(nèi)容包括：批采集數(shù)量、特定地表覆蓋類(lèi)型樣本數(shù)據(jù)的分類(lèi)代碼、采集的樣本塊中心點(diǎn)經(jīng)度坐標(biāo)、采集的樣本塊中心點(diǎn)緯度坐標(biāo)、樣本塊列數(shù)、樣本塊行數(shù)。在進(jìn)行大規(guī)模采集時(shí)，采集參數(shù)只需輸入采集尺寸，默認(rèn)值為1023，即采集列數(shù)、采集行數(shù)均為1023個(gè)像素。

3.3 軟件輸出

軟件輸出成果為位置匹配的遙感影像數(shù)據(jù)與分類(lèi)標(biāo)簽數(shù)據(jù)組成的樣本數(shù)據(jù)對(duì)，均為JPG格式，兩者命名標(biāo)識(shí)一致，存儲(chǔ)在不同的路徑下，并一一對(duì)應(yīng)。

4 結(jié)果與分析

利用本文方法，基于LCARasterTile軟件，以縣級(jí)行政區(qū)劃為單元，實(shí)現(xiàn)了全國(guó)尺度海量樣本數(shù)據(jù)采集?？紤]面積、形狀等因素，本文選取湖北省武漢市5個(gè)縣級(jí)行政區(qū)劃作為樣例區(qū)，利用其成果，對(duì)整套方法的實(shí)用性及軟件運(yùn)算性能進(jìn)行評(píng)估。

樣例區(qū)包括武漢市漢南區(qū)、蔡甸區(qū)、江夏區(qū)、黃陂區(qū)、新洲區(qū)。

采集到的單個(gè)位置匹配的遙感影像數(shù)據(jù)與分類(lèi)標(biāo)簽數(shù)據(jù)組成的樣本數(shù)據(jù)對(duì)如圖2所示，幅面大小為1023 m×1023 m。其中，圖2(a)為遙感影像數(shù)據(jù)(即數(shù)字正射影像影像塊)，圖2(b)為分類(lèi)標(biāo)簽數(shù)據(jù)(即地表覆蓋柵格影像塊)，其像素灰度值代表對(duì)應(yīng)的地表覆蓋分類(lèi)碼。

各縣級(jí)行政區(qū)劃樣本數(shù)據(jù)采集統(tǒng)計(jì)信息見(jiàn)表1，通過(guò)采用單個(gè)大數(shù)據(jù)分塊、整體數(shù)據(jù)分批循環(huán)處理算法，進(jìn)行合理的內(nèi)存分配，解決了數(shù)據(jù)運(yùn)行效率與計(jì)算性能問(wèn)題[14]。表1為單臺(tái)計(jì)算機(jī)、單線程數(shù)據(jù)計(jì)算效率，在采集過(guò)程中，計(jì)算機(jī)內(nèi)存占用為300～520 MB(計(jì)算機(jī)為Windows 7 64位操作系統(tǒng)，32 GB內(nèi)存，1.9 GHz處理器)。

表1 樣本數(shù)據(jù)采集統(tǒng)計(jì)信息

從表1可以看出，縣域面積、形狀各不同，采集到的樣本數(shù)據(jù)數(shù)目、密度存在一定差異。根據(jù)表1，采用單臺(tái)計(jì)算機(jī)、單線程，全國(guó)尺度采集300萬(wàn)量級(jí)的樣本數(shù)據(jù)對(duì)，需要66 d；如果采用5臺(tái)計(jì)算機(jī)、多線程采集，5 d可完成采集，能夠滿足全國(guó)尺度采集效率需求。

5 結(jié) 論

(1)本文構(gòu)建了面向遙感影像智能分類(lèi)的海量樣本數(shù)據(jù)采集方法、采集軟件一整套技術(shù)體系，解決了海量樣本數(shù)據(jù)采集中的技術(shù)問(wèn)題。自主研發(fā)的LCARasterTile軟件，滿足了樣本數(shù)據(jù)大規(guī)模采集與特定地表覆蓋類(lèi)型采集需求，保證了海量樣本數(shù)據(jù)質(zhì)量，提升了采集效率。

(2)本文將地理國(guó)情監(jiān)測(cè)高分辨率遙感影像及高精度地表覆蓋分類(lèi)產(chǎn)品作為數(shù)據(jù)源，構(gòu)建了位置匹配的遙感影像數(shù)據(jù)與分類(lèi)標(biāo)簽數(shù)據(jù)組成的樣本數(shù)據(jù)對(duì)，解決了目前高精度且具有標(biāo)注信息的樣本數(shù)據(jù)不足的問(wèn)題。

(3)本文利用提出的一整套方法，實(shí)現(xiàn)了全國(guó)尺度海量樣本數(shù)據(jù)采集，滿足了遙感影像智能分類(lèi)對(duì)高質(zhì)量、大規(guī)模樣本數(shù)據(jù)的需求，具有實(shí)際意義。采集的全國(guó)尺度海量樣本數(shù)據(jù)已應(yīng)用于遙感影像智能分類(lèi)研究中，并取得了一定的成果，后續(xù)將進(jìn)一步拓展應(yīng)用范圍。