徐海濱， 邢漢發(fā),2， 王召海， 張煥雪

(1.山東師范大學(xué) 地理與環(huán)境學(xué)院， 山東 濟(jì)南 250358； 2.華南師范大學(xué) 地理科學(xué)學(xué)院， 廣東 廣州 510631)

疑似違法用地是指對(duì)海域、山體、林地、耕地等用地的疑似違法侵占行為，是一種特殊的土地利用類型，對(duì)其進(jìn)行精準(zhǔn)監(jiān)測(cè)是地理國(guó)情監(jiān)測(cè)的一項(xiàng)重要內(nèi)容[1]，也是查實(shí)查清土地資源的重要手段[2]，對(duì)提高土地資源利用效率、監(jiān)控和管理城市用地建設(shè)、提升城市管理決策的科學(xué)化水平[3]均具有重要的現(xiàn)實(shí)意義。目前，疑似違法用地監(jiān)測(cè)主要采取工作人員實(shí)地走訪和調(diào)查的方式，需要耗費(fèi)大量人力、物力，且工作效率低、精度差[4]。隨著對(duì)地觀測(cè)技術(shù)的快速發(fā)展，中低分辨率遙感衛(wèi)星以其速度快、時(shí)效性高、范圍廣等特點(diǎn)，在疑似違法用地監(jiān)測(cè)方面得到了廣泛應(yīng)用，但受影像空間分辨率的影響，其解譯精度仍無(wú)法滿足違法用地精準(zhǔn)監(jiān)測(cè)的精度要求[5]。

亞米級(jí)空間分辨率數(shù)據(jù)[6](如GF-2、QuickBird、WorldView等)的出現(xiàn)，為疑似違法用地的精準(zhǔn)監(jiān)測(cè)提供了可能。如王耀潤(rùn)等[7]基于兩期優(yōu)于1m分辨率的正射影像數(shù)據(jù)，對(duì)礦山開(kāi)發(fā)狀況變化信息進(jìn)行了定量分析；葉琴[8]基于高分辨率衛(wèi)片數(shù)據(jù)，探討了土地執(zhí)法檢查的工作方法及流程；曹端廣等[9]基于高精度無(wú)人機(jī)傾斜影像數(shù)據(jù)進(jìn)行城鎮(zhèn)違法用地監(jiān)測(cè)研究；Prakash等[10]基于影像比值法進(jìn)行煤炭礦區(qū)的用地類型監(jiān)測(cè)。然而，上述研究多是在像元尺度上開(kāi)展的，并沒(méi)有充分考慮高分辨率影像像元屬性和位置的相互關(guān)系，存在“椒鹽現(xiàn)象”[11]。對(duì)此，面向?qū)ο蟮亩喑叨确指罴夹g(shù)成功解決了這一問(wèn)題[12,13]，李德仁等[14]利用國(guó)產(chǎn)高分辨率遙感衛(wèi)星數(shù)據(jù)，在對(duì)象尺度上實(shí)現(xiàn)了每個(gè)季度對(duì)北京市違章建筑的監(jiān)測(cè)；侯小艷[15]基于WV2影像和GF-2影像數(shù)據(jù)，采用圖像分割算法，在對(duì)象尺度上生產(chǎn)出疑似違法新增建設(shè)用地信息產(chǎn)品；Niemeyer等[16]基于對(duì)象特征的語(yǔ)義變化模型確定了顯著變化區(qū)域。在上述研究中，分割尺度的選擇直接影響著土地利用的分類精度。目前，確定分割尺度最直接的方法是目視判斷[17]，如楊杰等[18]利用目視判斷的方法確定了最佳分割尺度，實(shí)現(xiàn)了對(duì)疑似違章建筑的提?。籇uro等[19]通過(guò)目視判讀，確定了SPOT-5影像的最佳分割尺度，進(jìn)而實(shí)現(xiàn)了農(nóng)業(yè)景觀的分類研究；Huang等[20]通過(guò)目視判斷方法，實(shí)現(xiàn)了城市高光譜影像的最佳尺度分割。但是，此類方法往往需要反復(fù)試驗(yàn)才能確定最佳分割尺度，工作量大、主觀性強(qiáng)，亟需尋找一種針對(duì)最佳分割尺度的定量化評(píng)價(jià)方法。目前，常用的評(píng)價(jià)方法有：最大面積法[21]、灰度均值標(biāo)準(zhǔn)差[22]、GLCM均值標(biāo)準(zhǔn)差[23]等。這些方法均是通過(guò)定量分析確定最佳分割尺度，也確實(shí)提高了多尺度的分割精度，但是，最大面積法只能確定最優(yōu)分割尺度的區(qū)間；灰度均值標(biāo)準(zhǔn)差和GLCM均值標(biāo)準(zhǔn)差則是基于分割后影像的光譜和紋理信息評(píng)價(jià)分割效果，而本研究所用的無(wú)人機(jī)數(shù)據(jù)只有三個(gè)波段，且地物紋理信息多樣，故這兩種方法均不適用。因此，本研究借鑒Zhang等[24]提出的分割尺度評(píng)價(jià)方法，通過(guò)分析分割對(duì)象與參考對(duì)象之間的拓?fù)浜蛶缀蜗嗨贫龋M(jìn)行最佳分割尺度的優(yōu)選。

時(shí)相特征是疑似違法用地精準(zhǔn)監(jiān)測(cè)的重要信息依據(jù)，吳田軍等[25]利用多期的WorldView-2影像和ZY3影像數(shù)據(jù)，獲取了高精度的疑似違法新增建設(shè)用地；胡新宇等[26]利用多時(shí)相高分辨率遙感衛(wèi)星實(shí)現(xiàn)了違法監(jiān)測(cè)的核查。目前，關(guān)于時(shí)相特征的研究多局限于變化檢測(cè)，其對(duì)無(wú)人機(jī)影像時(shí)相特征的挖掘尚不夠充分、利用率不高，因此還需進(jìn)一步探索針對(duì)疑似違法用地的時(shí)空特征分析策略。

威海市經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)(經(jīng)區(qū))作為威海市對(duì)外開(kāi)放的橋頭堡，近年來(lái)經(jīng)濟(jì)社會(huì)發(fā)展迅速、人類活動(dòng)劇烈、土地利用變化較大，出現(xiàn)了大量的疑似違法用地區(qū)域。本研究以經(jīng)區(qū)作為研究區(qū)，首先探討無(wú)人機(jī)影像最佳分割尺度優(yōu)選方法，然后充分挖掘反映疑似違法用地客觀規(guī)律的多時(shí)相特征，通過(guò)時(shí)空交互分析，最終獲得了經(jīng)區(qū)2017年和2019年的疑似違法用地精準(zhǔn)監(jiān)測(cè)結(jié)果。

1 研究區(qū)域

威海市經(jīng)區(qū)位于北緯37°15′至37°27′，東經(jīng)122°3′至122°42′，轄3個(gè)鎮(zhèn)、3個(gè)街道(見(jiàn)圖1)；地形以緩坡丘陵居多，山體多巖石裸露，土層覆蓋較薄，山間谷地開(kāi)闊，平原多為山前小平原、沖洪積小平原和濱海小平原。作為威海市打造的精致城市樣板片區(qū)，經(jīng)區(qū)近幾年經(jīng)濟(jì)社會(huì)快速發(fā)展，城市擴(kuò)張迅速，土地利用變化劇烈。

圖1 研究區(qū)地理位置Fig.1 Geographical location of research area

2 研究數(shù)據(jù)與研究方法

2.1 研究數(shù)據(jù)

2.1.1無(wú)人機(jī)影像

本研究基于無(wú)人機(jī)系統(tǒng)開(kāi)展數(shù)據(jù)采集和獲取工作，采集時(shí)間為所在年份的5月，并針對(duì)拍攝影像進(jìn)行了基于地面控制并以外方位元素為約束的影像匹配。

無(wú)人機(jī)數(shù)據(jù)采集過(guò)程中，飛行航高平均為187.5 m，航向與旁向重疊度約為75%、55%，獲取影像對(duì)應(yīng)地面空間分辨率約為0.5 m。最終生成了2015年、2017年、2019年三期0.5 m分辨率的無(wú)人機(jī)影像(見(jiàn)圖2)，為開(kāi)展疑似違法用地監(jiān)測(cè)提供了數(shù)據(jù)基礎(chǔ)。

圖2 無(wú)人機(jī)影像Fig.2 UAV images

無(wú)人機(jī)影像的預(yù)處理主要為地理配準(zhǔn)，誤差要求小于0.2個(gè)像元，影像與地圖間配準(zhǔn)精度在0.5～0.75 mm，從而確保產(chǎn)生較少的偽變化信息，減小對(duì)違法用地監(jiān)測(cè)結(jié)果的影響。

2.1.2輔助數(shù)據(jù)

為了保證疑似違法用地的分類精度，將2015年、2017年、2019年三年的實(shí)地調(diào)查數(shù)據(jù)作為輔助數(shù)據(jù)。每個(gè)年份共有300個(gè)輔助樣本點(diǎn)：建成區(qū)、植被、水體、耕地、裸地和道路6種土地利用類型的樣本點(diǎn)各50個(gè)。每個(gè)輔助樣本點(diǎn)的實(shí)地位置由具有±5 m定位精度的差分GPS來(lái)確定。其中，在輔助數(shù)據(jù)調(diào)查過(guò)程中，本研究的定位點(diǎn)盡可能選在地塊的幾何重心，以減少精度差分造成的誤差。

2.2 研究方法

本研究實(shí)現(xiàn)了經(jīng)區(qū)疑似違法用地的精準(zhǔn)監(jiān)測(cè)，總體思路如圖3所示。

圖3 研究思路Fig.3 Research framework

首先，提出了無(wú)人機(jī)影像最佳分割尺度定量化評(píng)價(jià)指標(biāo)，采用面向?qū)ο蟮姆椒▽?duì)多時(shí)相無(wú)人機(jī)影像數(shù)據(jù)進(jìn)行土地利用類型劃分；然后，充分挖掘反映疑似違法用地客觀規(guī)律的多時(shí)相特征；最后，通過(guò)時(shí)空交互分析，實(shí)現(xiàn)了威海市經(jīng)區(qū)2017年和2019年的疑似違法用地監(jiān)測(cè)，并完成了精度驗(yàn)證。

2.2.1最佳分割尺度優(yōu)選

為了評(píng)價(jià)不同時(shí)相無(wú)人機(jī)影像分類的最佳分割尺度，本研究提出了三個(gè)定量化評(píng)價(jià)指標(biāo)。首先選擇250、200、150、100、50、10共6個(gè)尺度等級(jí)，從輔助數(shù)據(jù)中隨機(jī)抽取50個(gè)樣本作為參考對(duì)象，測(cè)量分割對(duì)象與參考對(duì)象之間的拓?fù)浜蛶缀蜗嗨贫?；然后定義與引用對(duì)象相交超過(guò)10%的對(duì)象作為感興趣的分割對(duì)象，提取參考對(duì)象和分割對(duì)象之間的重疊區(qū)域；最后計(jì)算出三個(gè)指標(biāo)：重疊區(qū)域與參考對(duì)象的相對(duì)面積(RAor)；重疊區(qū)域與分割對(duì)象的相對(duì)面積(RAos)；分割對(duì)象與參考對(duì)象的位置差(Dsr)，即計(jì)算分割對(duì)象的質(zhì)心與參考對(duì)象質(zhì)心的平均距離。具體公式為：

(1)

(2)

(3)

式中：n表示多尺度分割的對(duì)象數(shù)量；Ar為參考對(duì)象的面積；Ao(i)表示與參考對(duì)象關(guān)聯(lián)的第i個(gè)重疊區(qū)域的面積；As(i)為分割后的第i個(gè)對(duì)象的面積；Xs(i)和Ys(i)為第i個(gè)分割對(duì)象的質(zhì)心坐標(biāo)；Xr和Yr為參考對(duì)象的質(zhì)心坐標(biāo)。利用RAor和RAos對(duì)分割對(duì)象與參考對(duì)象之間的拓?fù)湎嗨菩赃M(jìn)行評(píng)價(jià)，其值越接近100，表示分割效果越好。綜合考慮RAor、RAos和Dsr這三個(gè)指標(biāo)，可以從整體上判斷對(duì)象的分割質(zhì)量[27]。

2.2.2土地利用類型識(shí)別

根據(jù)研究區(qū)實(shí)際的土地利用類型以及輔助樣本點(diǎn)數(shù)據(jù)，選擇建成區(qū)、植被、水體、耕地、裸地和道路為最終的土地利用分類類型。采用了基于C5.0算法的決策樹(shù)分類方法，該算法能夠利用屬性的信息增益率來(lái)完成有效分類屬性特征的自動(dòng)選擇，并生成分類模型。

2.2.3多時(shí)相變化特征提取

考慮到疑似違法侵占大多會(huì)改變?cè)械耐恋乩妙愋停磳⒏亍⑺w、植被等用地類型人為侵占為裸地，并在裸地的基礎(chǔ)上進(jìn)行開(kāi)發(fā)建設(shè)，而建設(shè)用地的開(kāi)發(fā)建設(shè)存在一定的時(shí)間周期，本研究的時(shí)間間隔又僅為2年，因此，本研究暫不對(duì)耕地、水體、植被、裸地變?yōu)榻ㄔO(shè)用地的變化特征進(jìn)行提取。本研究采用分類后比較法進(jìn)行多時(shí)相無(wú)人機(jī)影像的變化監(jiān)測(cè)，在此基礎(chǔ)上，對(duì)耕地、植被、水體、建成區(qū)變?yōu)槁愕氐淖兓愋瓦M(jìn)行判斷驗(yàn)證，剔除明顯合法、合理的用地變化，保留疑似違法用地?；谕Ｊ凶匀毁Y源和規(guī)劃局已公示的研究區(qū)和研究時(shí)間段內(nèi)的規(guī)劃核實(shí)批后公布信息，判斷用地變化是否合法、合理，若發(fā)生變化的地塊沒(méi)有規(guī)劃核實(shí)批后公布信息，則判定為疑似違法用地。精度評(píng)價(jià)以影像分割對(duì)象為基本單元，基于輔助樣點(diǎn)數(shù)據(jù)，統(tǒng)計(jì)正確監(jiān)測(cè)、漏檢、圖斑個(gè)數(shù)作為評(píng)價(jià)指標(biāo)。

3 結(jié)果與分析

3.1 最佳分割尺度評(píng)價(jià)結(jié)果

基于最佳分割尺度，可以得到與土地利用地物單元實(shí)際邊界吻合的影像對(duì)象邊界，否則會(huì)造成對(duì)象單元的破碎或者對(duì)象邊界超出實(shí)際的地物單元邊界?；诒狙芯刻岢龅亩炕u(píng)價(jià)指標(biāo)，得到最佳分割尺度，如圖4所示。2015年，當(dāng)分割尺度為10時(shí)，RAor值較低，約為20%，而RAos值較高，約為90%。這說(shuō)明影像分割尺度較小，無(wú)人機(jī)影像分割過(guò)度，分割對(duì)象數(shù)量較多，整體分割情況比較破碎，大部分地物被分割成多個(gè)對(duì)象，分割質(zhì)量不高。當(dāng)分割尺度為250時(shí)，RAor值較高，約為85%，而RAos值較低，約為50%。這說(shuō)明影像分割尺度較大，無(wú)人機(jī)影像分割不足，有些地物與其周圍地物被分割到了一起。當(dāng)分割尺度為150時(shí)，RAor和RAos取值比較接近，影像分割結(jié)果相對(duì)比較完整，且大部分分割對(duì)象沒(méi)有產(chǎn)生破碎現(xiàn)象。因此，2015年影像的最佳分割尺度為150。同理，2017年、2019年的影像最佳分割尺度分別為150、175。

圖4 最佳分割尺度評(píng)價(jià)結(jié)果Fig.4 Optimal segmentation scale evaluation results

分割對(duì)象的位置精度如圖4(d)所示。對(duì)于給定的參考對(duì)象，當(dāng)分割尺度較小時(shí)，會(huì)產(chǎn)生破碎化的分割結(jié)果，進(jìn)而導(dǎo)致Dsr值較大；當(dāng)分割尺度較大時(shí)，分割結(jié)果會(huì)比參考對(duì)象更大，也會(huì)導(dǎo)致Dsr值變大；當(dāng)分割尺度為最佳分割尺度時(shí)，三個(gè)年份的Dsr值均較小。綜合拓?fù)渚?RAor和RAos)和位置精度(Dsr)的評(píng)價(jià)結(jié)果，2015年、2017年、2019年三個(gè)年份無(wú)人機(jī)影像的最佳分割尺度分別為150、150、175。

本研究采用最大面積法來(lái)驗(yàn)證所選最佳分割尺度的準(zhǔn)確性。最大面積法是指按照一定的步長(zhǎng)進(jìn)行尺度的遞增設(shè)置，利用多次重復(fù)分割實(shí)驗(yàn)，對(duì)不同分割尺度參數(shù)下影像對(duì)象的最大面積進(jìn)行統(tǒng)計(jì)，進(jìn)而確定最優(yōu)分割尺度[28]。本研究定義分割尺度的步長(zhǎng)為20，分割尺度與最大面積的變化關(guān)系如圖5所示(X軸為分割尺度；Y軸為最大面積，單位為km2)。由圖5(a)可知，隨著分割尺度的增加，地塊的最大面積不斷增加；在[140,160]區(qū)間內(nèi)，地塊最大面積增長(zhǎng)較緩；在[160,220]區(qū)間內(nèi)，地塊最大面積增長(zhǎng)速度加快。這說(shuō)明2015年影像的最佳分割尺度位于[140,160]這一區(qū)間，而本研究所求的2015年的分割尺度為150，正好位于這一區(qū)間范圍內(nèi)。同理，2017年、2019年的最佳分割尺度也位于最大面積法求得的最佳分割區(qū)間范圍內(nèi)。這說(shuō)明，本研究的最佳分割尺度優(yōu)選方法是可行的，且具有一定的優(yōu)勢(shì)。

圖5 最大面積法尺度分割結(jié)果Fig.5 Results by maximum area method

3.2 土地利用分類結(jié)果

基于無(wú)人機(jī)影像2015年的土地利用分類結(jié)果(圖6(a))，耕地主要分布在經(jīng)區(qū)的東部和南部，面積約150 km2，占比為50.14%；其次是建成區(qū)主要分布在經(jīng)區(qū)的西部，面積約為61 km2，占比為20.33%；植被面積約為58 km2，占比為19.25%；裸地面積約為16 km2，占比為5.34%；水體面積約為8 km2，占比為2.66%；道路面積約為7 km2，占比為2.28%。

基于無(wú)人機(jī)影像2017年的土地利用分類結(jié)果(圖6(b))，耕地面積最大，約為147 km2，占比為47.61%；其次是建成區(qū)，面積約為61 km2，占比為19.8%；植被面積約為60 km2，占比為19.5%；裸地面積約為23 km2，占比為7.33%；水體的面積約為11 km2，占比為3.41%；道路面積約為7 km2，占比為2.35%。

基于無(wú)人機(jī)影像2019年的土地利用分類結(jié)果(圖6(c))，耕地面積最大，約為144 km2，占比為46.63%；其次是建成區(qū)，面積約為62 km2，占比為20.11%；植被面積約為60 km2，占比為19.51%；裸地面積約為24 km2，占比為7.74%；水體面積約為11 km2，占比為3.48%；道路面積約為8 km2，占比為2.52%。

圖6 基于無(wú)人機(jī)影像的土地利用分類結(jié)果Fig.6 Land use classification results based on UAV images

3.3 多時(shí)相變化特征提取結(jié)果

圖7(a)為2015年—2017年間土地利用變化。從空間分布來(lái)看，2015—2017年間的變化主要集中在濱海新城。從變化統(tǒng)計(jì)來(lái)看，其總體變化面積為12.63 km2，其中變化最大的是耕地變?yōu)槁愕?，約占整體變化的46.46%；其次為裸地變?yōu)榻ǔ蓞^(qū)，約占整體變化的15.46%。

圖7(b)為2017—2019年間土地利用變化。從空間分布來(lái)看，2017年—2019年間的變化主要集中在濱海新城。從變化統(tǒng)計(jì)來(lái)看，其總體變化面積為9.2 km2，其中變化最大的是耕地變?yōu)槁愕?，約占整體變化的42.75%；其次為裸地變?yōu)榻ǔ蓞^(qū)，約占整體變化的28.58%；再次為水體變?yōu)槁愕?，約占6.53%。

圖7 多時(shí)相變化特征提取結(jié)果Fig.7 Multi-temporal feature extraction results

3.4 疑似違法用地監(jiān)測(cè)及精度評(píng)價(jià)結(jié)果

通過(guò)分析疑似違法用地的多時(shí)相變化特征，并基于人機(jī)交互刪除了合法的用地變化，得到了2017年、2019年的疑似違法用地監(jiān)測(cè)結(jié)果，如圖8所示。

圖8 疑似違法用地監(jiān)測(cè)結(jié)果Fig.8 Monitoring results of suspected illegal land use

由圖可知，2017年疑似違法用地監(jiān)測(cè)對(duì)象圖斑為112個(gè)，2019年疑似違法用地監(jiān)測(cè)對(duì)象圖斑為107個(gè)。通過(guò)輔助樣本點(diǎn)對(duì)比可以發(fā)現(xiàn)，威海市經(jīng)區(qū)疑似違法用地多分布于礦山、湖岸線等地。

利用輔助數(shù)據(jù)，對(duì)2017年、2019年的疑似違法用地監(jiān)測(cè)結(jié)果進(jìn)行了精度評(píng)價(jià)。2017年，疑似違法用地精度評(píng)價(jià)參考樣本點(diǎn)為50個(gè)，其中正確監(jiān)測(cè)數(shù)42個(gè)、錯(cuò)誤監(jiān)測(cè)數(shù)5個(gè)、遺漏數(shù)3個(gè)，精度為84%；2019年，疑似違法用地精度評(píng)價(jià)參考樣本點(diǎn)為50個(gè)，其中正確監(jiān)測(cè)數(shù)44個(gè)、錯(cuò)誤監(jiān)測(cè)數(shù)2個(gè)、遺漏數(shù)4個(gè)，精度為88%；2017年和2019年，疑似違法用地總體監(jiān)測(cè)精度達(dá)到了86%。其中，錯(cuò)誤監(jiān)測(cè)樣本點(diǎn)的出現(xiàn)是因?yàn)樵诜诸愡^(guò)程中誤將其分成了裸地，從而造成監(jiān)測(cè)結(jié)果錯(cuò)誤；而遺漏監(jiān)測(cè)樣本點(diǎn)的出現(xiàn)則是因?yàn)樵谌藱C(jī)交互刪除用地變化的過(guò)程中判斷錯(cuò)誤，造成了遺漏監(jiān)測(cè)。

4 結(jié)論與展望

本研究以威海市經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)為研究區(qū)，提出了無(wú)人機(jī)影像最佳分割尺度的定量化評(píng)價(jià)指標(biāo)，挖掘了反映疑似違法用地客觀規(guī)律的多時(shí)相特征，獲得了經(jīng)區(qū)2017年和2019年的疑似違法用地監(jiān)測(cè)結(jié)果，發(fā)現(xiàn)經(jīng)區(qū)的疑似違法用地多分布于礦山、湖岸線等地，經(jīng)驗(yàn)證，精度達(dá)到86%。研究結(jié)果不僅為特殊土地利用類型的精準(zhǔn)監(jiān)測(cè)提供了技術(shù)方案和理論支撐，而且對(duì)推動(dòng)威海市經(jīng)區(qū)精致城市建設(shè)、提高土地資源利用效率等具有重要意義。

但是，本研究時(shí)相跨度為兩個(gè)年份，且沒(méi)有考慮已有建設(shè)用地中存在的疑似違法用地情況，在未來(lái)的研究中，應(yīng)在更加精細(xì)的時(shí)相尺度上開(kāi)展疑似違法用地的精準(zhǔn)監(jiān)測(cè)研究，并對(duì)已有建設(shè)用地中的疑似違法用地進(jìn)行監(jiān)測(cè)。另外，本研究在進(jìn)行多時(shí)相變化特征提取時(shí)，只是定性的判斷了明顯合法、合理的用地變化，容易產(chǎn)生遺漏監(jiān)測(cè)，在今后的研究中，擬結(jié)合多源數(shù)據(jù)建立評(píng)價(jià)指標(biāo)體系，以定量分析多時(shí)相的特征變化是否合理、合法，進(jìn)而提高監(jiān)測(cè)結(jié)果的準(zhǔn)確性。同時(shí)，在進(jìn)行面向?qū)ο笸恋乩梅诸悤r(shí)，擬加入隸屬度函數(shù)來(lái)提高分類結(jié)果的準(zhǔn)確度，進(jìn)而減少錯(cuò)誤監(jiān)測(cè)的發(fā)生。