邱粲 陳艷春 劉煥彬 李娟 曹潔

(1 山東省氣候中心，濟(jì)南 250031；2 上海師范大學(xué) 地理系，上海 200234)

引 言

近年來，在全球氣候變暖的大背景下，暴雨、高溫等極端事件頻發(fā)[1-3]。區(qū)域性暴雨事件通常是中小尺度與大尺度天氣系統(tǒng)相互作用的結(jié)果，強(qiáng)度大、范圍廣，極易引發(fā)內(nèi)澇、山洪、滑坡等自然災(zāi)害，給人民生命財(cái)產(chǎn)和社會經(jīng)濟(jì)造成巨大損失[4-8]。如2007年7月18日出現(xiàn)短時(shí)強(qiáng)降水造成濟(jì)南部分地區(qū)被淹；2018年8月17—20日，受臺風(fēng)“溫比亞”影響，山東省出現(xiàn)大范圍強(qiáng)降雨過程，城市、鄉(xiāng)村、農(nóng)田被淹，其中濰坊市災(zāi)情最重達(dá)到特大型氣象災(zāi)害標(biāo)準(zhǔn)。2019年8月10—13日，受臺風(fēng)“利奇馬”和西風(fēng)槽共同影響，濰坊、臨沂、淄博、濱州等地區(qū)遭受暴雨、大暴雨局部地區(qū)特大暴雨，受連續(xù)降雨影響，農(nóng)作物受災(zāi)嚴(yán)重，有房屋倒塌或不同程度受損，大棚受淹、道路積水。因此，針對區(qū)域性暴雨事件的客觀定量的判別和評估，是進(jìn)行洪澇災(zāi)害風(fēng)險(xiǎn)評估的前提和基礎(chǔ)，也是監(jiān)測、預(yù)警服務(wù)的重要技術(shù)保障。

在不同空間尺度的區(qū)域性極端事件監(jiān)測評估方面。任福民等[9]提出了區(qū)域性極端事件客觀識別法；鄒燕等[10]采用暴雨、大雨及中雨臺站數(shù)確定了福建省區(qū)域性暴雨過程標(biāo)準(zhǔn)，綜合加權(quán)構(gòu)建區(qū)域性暴雨過程綜合強(qiáng)度定量評估方法；蔡新玲等[11]開展陜西省區(qū)域性暴雨過程綜合評估方法的研究；陳艷秋[12]、襲祝香等[13]等采用概率分布法和距離函數(shù)對遼寧、吉林等地的區(qū)域暴雨過程進(jìn)行綜合強(qiáng)度等級評估。王瑩等[14]在確定暴雨致災(zāi)因子綜合強(qiáng)度分級標(biāo)準(zhǔn)的基礎(chǔ)上對遼寧省暴雨災(zāi)害及其對農(nóng)業(yè)的影響進(jìn)行了評估。邵末蘭等[15]采用暴雨、大暴雨及特大暴雨臺站點(diǎn)數(shù)確定了湖北省區(qū)域性暴雨過程判識指標(biāo)，并建立了基于距離函數(shù)的區(qū)域性暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)估方法。陸爾等[16]研制了從時(shí)域上檢測極端降水過程的EID方法。暴雨具有很強(qiáng)的地域性特征，其定量化評估的指標(biāo)、模型不能簡單的照搬或移植。針對山東地區(qū)，許多學(xué)者從不同時(shí)間尺度進(jìn)行了大量研究，揭示了夏季或汛期強(qiáng)降水的時(shí)空分布特征[17-19]。但已有研究多關(guān)注暴雨日數(shù)、頻率、強(qiáng)度等單個(gè)指標(biāo)的特征分析，但對暴雨過程整體及其致災(zāi)性的定量化評估研究較少。

鑒于此，本文在充分考慮暴雨事件持續(xù)時(shí)間、覆蓋范圍、極端強(qiáng)度的基礎(chǔ)上，選取評估指標(biāo)，建立本地區(qū)域性暴雨事件綜合強(qiáng)度評估模型，對歷史區(qū)域性暴雨事件特征進(jìn)行分析，并利用臺風(fēng)“利奇馬”典型暴雨過程進(jìn)行檢驗(yàn)。

1 資料與方法

1.1 資料來源

氣象資料為山東省氣象信息中心提供的質(zhì)控后的1961年1月1日—2019年8月31日山東省123個(gè)國家地面氣象觀測站逐日和逐時(shí)降水量觀測資料；災(zāi)情數(shù)據(jù)由山東省氣候中心氣象災(zāi)害歷史災(zāi)情數(shù)據(jù)庫提供。

1.2 方法

采用區(qū)域性暴雨事件評估方法[10,20]，結(jié)合山東地區(qū)實(shí)際情況進(jìn)行改進(jìn)和參數(shù)本地化，擴(kuò)充評估因子，并增加單次區(qū)域暴雨事件中的單站暴雨事件綜合強(qiáng)度評估。

1.2.1 暴雨事件的定義

區(qū)域性暴雨事件：按照實(shí)際無缺測站點(diǎn)數(shù)，將至少5%的站點(diǎn)日降水量大于等于50 mm時(shí)，定義為區(qū)域性暴雨日。對暴雨事件過程中的間斷設(shè)置一定的條件[10]，以保證持續(xù)性暴雨事件的連貫性。首個(gè)區(qū)域性暴雨日數(shù)至末個(gè)區(qū)域性暴雨日之間的過程為一次區(qū)域性暴雨事件。在一次過程中，兩個(gè)區(qū)域性暴雨日之間允許存在某1 d未達(dá)到區(qū)域性暴雨日的標(biāo)準(zhǔn)，但該日應(yīng)滿足如下條件之一：(1)當(dāng)日至少1站日降水量達(dá)暴雨及以上量級；(2)當(dāng)日至少5%的站點(diǎn)日降水量達(dá)大雨及以上量級；(3)當(dāng)日至少5%的站點(diǎn)日降水量達(dá)中雨及以上量級，且次日(區(qū)域性暴雨日)至少10%的站點(diǎn)日降水量達(dá)暴雨及以上量級。

單站暴雨事件：包含日降水量大于等于50 mm且連續(xù)2 d及以上降水過程，過程內(nèi)允許中斷1 d。

1.2.2 評估指標(biāo)及等級確定

根據(jù)暴雨事件判別條件，形成暴雨事件歷史序列，以1961—2010年暴雨事件為樣本，分別對區(qū)域暴雨事件中最大站點(diǎn)過程降水量、最大站點(diǎn)日降水量、最大站點(diǎn)1 h降水量、暴雨范圍(站數(shù))4個(gè)指標(biāo)的序列，采用百分位計(jì)算各等級閾值，暴雨持續(xù)時(shí)間采用確定賦值(表1)，進(jìn)行單站暴雨事件綜合評估時(shí)無需計(jì)算暴雨范圍指標(biāo)。

表1 山東省區(qū)域性暴雨事件評估指標(biāo)等級閾值Table 1 Threshold of regional heavy rain event assessment index level

1.2.3 暴雨事件綜合強(qiáng)度評估模型

各評價(jià)指標(biāo)從暴雨事件的強(qiáng)度、范圍、持續(xù)時(shí)間等不同方面反映致災(zāi)事件的危險(xiǎn)性，但由于其影響不同，實(shí)測值的量綱各異，在建立綜合強(qiáng)度評估模型時(shí)不應(yīng)將各單項(xiàng)指標(biāo)簡單相加，應(yīng)予以考慮各項(xiàng)指標(biāo)的權(quán)重。采用單一指標(biāo)與其他指標(biāo)相關(guān)系數(shù)的平均值在所有指標(biāo)間相關(guān)系數(shù)平均值總和的占比作為該指標(biāo)的權(quán)重系數(shù)[21]，計(jì)算各指標(biāo)之間的相關(guān)系數(shù)。山東省區(qū)域性暴雨事件綜合強(qiáng)度評估模型如下式：

RSI=PP×PPgrade×ωpp+DP×DPgrade×ωdp+
HP×HPgrade×ωhp+T×Tgrade×ωt+R×Rgrade×ωr。

(1)

其中：RSI為區(qū)域性暴雨事件綜合強(qiáng)度指數(shù)；PP、DP、HP、T和R分別是最大過程降水量、最大日降水量、最大1 h降水量、暴雨范圍和暴雨持續(xù)時(shí)間5個(gè)指標(biāo)標(biāo)準(zhǔn)化后的數(shù)值；PPgrade、DPgrade、HPgrade、Tgrade和Rgrade分別是5個(gè)指標(biāo)的評估等級；ωpp、ωdp、ωhp、ωt和ωr為各項(xiàng)的權(quán)重系數(shù)，經(jīng)統(tǒng)計(jì)，山東省區(qū)域暴雨此5項(xiàng)值分別為0.25、0.22、0.17、0.19和0.18。單站暴雨事件綜合強(qiáng)度計(jì)算時(shí)，暴雨范圍項(xiàng)為零。

2 區(qū)域性暴雨事件時(shí)空特征

1961年以來，山東區(qū)域性暴雨事件共發(fā)生545次，其中1級一般性區(qū)域暴雨事件發(fā)生次數(shù)最多，為318次。隨著綜合強(qiáng)度等級升高，發(fā)生次數(shù)依次降低，2～4級區(qū)域性暴雨事件發(fā)生次數(shù)分別為111、60和44次；5級特強(qiáng)區(qū)域性暴雨事件發(fā)生12次(表2)。其中1999年8月11—12日暴雨事件綜合強(qiáng)度最高，過程內(nèi)全省平均降水量43.1 mm，單站過程最大降水量、日最大降水量分別達(dá)到651.4 mm和619.7 mm，均出現(xiàn)在諸城，其造成的災(zāi)害損失評估結(jié)果與歷史記載相吻合。

2.1 區(qū)域暴雨事件年際變化趨勢

近50 a山東省平均區(qū)域暴雨事件次數(shù)為9.2次/a，總體呈現(xiàn)不顯著的緩慢下降趨勢，先后經(jīng)歷了1961—1985年以1.7/(10 a)的速率的下降，1986—2010年以1.2/(10 a)的速率的增加，2011年之后開始以3.6/(10 a)的速率下降3個(gè)階段(圖1a)。各等級暴雨事件中，1級區(qū)域暴雨事件次數(shù)以0.44/(10 a)的速率減少，2、4等級呈現(xiàn)微弱增加趨勢，速率分別為0.06/(10 a)和0.03/(10 a)。第3和第5等級區(qū)域性暴雨事件發(fā)生次數(shù)基本持平，沒有明顯的趨勢。

與過程次數(shù)變化趨勢不同，全省年平均區(qū)域暴雨事件綜合強(qiáng)度呈現(xiàn)緩慢的上升趨勢，歷年平均綜合強(qiáng)度為3.27。與區(qū)域暴雨事件次數(shù)變化趨勢相一致，1961—1985年和1986—2010年兩個(gè)階段呈現(xiàn)先降后升的趨勢；2011年以來年平均區(qū)域暴雨事件綜合強(qiáng)度以2.5/(10 a)的速率增加，呈現(xiàn)與暴雨事件次數(shù)相反的變化趨勢(圖1b)。

表2 1961年1月1日—2019年8月31日山東省特強(qiáng)(5級)區(qū)域性暴雨事件表Table 2 List of regional heavy rain events in Shandong Province (5th grade) from January 1, 1961 to August 31, 2019

圖1 山東區(qū)域暴雨事件次數(shù):(a)和年平均綜合強(qiáng)度；(b)逐年演變Fig.1 Interannual variation of (a)the number of heavy rain events in Shandong and (b) annual average comprehensive intensity

2.2 區(qū)域暴雨事件月變化趨勢

1961年以來，山東省區(qū)域暴雨事件在3—11月均有發(fā)生，主要時(shí)段集中在夏季，占比達(dá)79.63%，春、秋兩季區(qū)域暴雨過程發(fā)生占比分別為8.62%和11.74%。月分布上，7、8月是區(qū)域性暴雨事件多發(fā)時(shí)段，其中，7月發(fā)生暴雨過程次數(shù)最多，占總次數(shù)的36.51%；8月區(qū)域暴雨過程次數(shù)，占比達(dá)29.36%，位居第二；但從平均綜合強(qiáng)度來看，8月為最高。

2.3 區(qū)域暴雨事件空間分布

近50 a山東區(qū)域暴雨事件的降雨中心主要分布于半島東部和魯東南地區(qū)，降雨中心位于日照、威海、臨沂各站的平均次數(shù)分別為9次、7.5次和7次(圖3a)。1961—1985年降雨中心分布形態(tài)與常年總體形態(tài)一致(圖3b)，1986—2010年半島東部降雨中心減弱，魯南降雨中心有向魯中山區(qū)延伸的趨勢(圖3c)，但2011年以來區(qū)域暴雨過程的降雨中心分布較為分散，主要仍位于半島東部和魯東南地區(qū)(圖3d)。

圖2 山東區(qū)域暴雨事件次數(shù)與月平均綜合強(qiáng)度年變化Fig.2 The annual variation of number of heavy rain events andmonthly average comprehensive intensity

3 災(zāi)情檢驗(yàn)與臺風(fēng)“利奇馬”區(qū)域性暴雨事件個(gè)例評估

3.1 歷史回算結(jié)果的災(zāi)情檢驗(yàn)

圖3 山東區(qū)域暴雨事件降雨中心出現(xiàn)次數(shù)分布：(a)1961—2018年; (b)1961—1985年; (c)1986—2010年; (d)2011—2018年Fig.3 Distribution of the number of occurrences of rainfall centers in the Shandong heavy rain events:(a)1961-2018; (b)1961-1985; (c)1986-2010; (d)2011-2018

從區(qū)域性暴雨評估模型的歷史回算結(jié)果來看，對比《中國氣象災(zāi)害大典(山東卷)》[22]、山東省氣象災(zāi)害歷史災(zāi)情數(shù)據(jù)庫等歷史災(zāi)害事件記載，研究結(jié)果與重大暴雨致災(zāi)事件具有良好的一致性。應(yīng)用1984年以來的氣象災(zāi)情數(shù)據(jù)庫(260條暴雨洪澇災(zāi)情記錄)對區(qū)域性暴雨事件識別結(jié)果進(jìn)行客觀評估發(fā)現(xiàn)，事件識別漏報(bào)率為0，即所有災(zāi)情記錄均有區(qū)域性暴雨事件與之對應(yīng)。事件空報(bào)率為20.25%，其中，5級特強(qiáng)區(qū)域性暴雨事件空報(bào)率0%，即5級事件均有災(zāi)情記錄與之對應(yīng)；空報(bào)率次低的是3級事件，為3.13%，4級和2級事件空報(bào)率分別為6.90%和7.46%；1級事件空報(bào)率最高，為30.37%。選取信息記錄完備的100個(gè)樣本，應(yīng)用直接經(jīng)濟(jì)損失、農(nóng)作物受災(zāi)面積、倒塌房屋數(shù)量作為災(zāi)情嚴(yán)重程度的反映因子與區(qū)域性暴雨事件綜合強(qiáng)度進(jìn)行相關(guān)性分析可知，標(biāo)準(zhǔn)化后的區(qū)域性暴雨事件綜合強(qiáng)度與災(zāi)情相關(guān)性顯著，其中與直接經(jīng)濟(jì)損失相關(guān)系數(shù)最大，為0.49；其次是倒塌房屋數(shù)量，相關(guān)系數(shù)為0.48，與農(nóng)作物受災(zāi)面積的相關(guān)系數(shù)為0.42(圖4)，均通過α=0.01的顯著性檢驗(yàn)。

3.2 臺風(fēng)“利奇馬”區(qū)域性暴雨事件綜合等級評估

臺風(fēng)“利奇馬”于2019年8月4日14時(shí)(北京時(shí)，下同)在西北太平洋洋面生成，11日20時(shí)50分再次從青島黃島區(qū)登陸山東，強(qiáng)度為熱帶風(fēng)暴級，中心附近最大風(fēng)力9級(23 m·s-1)。受其與西風(fēng)槽的共同影響，8月10—12日，山東省出現(xiàn)區(qū)域暴雨事件，降水主要集中于魯西北東部和魯中的北部(圖5)。對此次過程應(yīng)用區(qū)域暴雨事件綜合強(qiáng)度評估模型進(jìn)行評估，其過程平均降水量176.6 mm，為1961年以來區(qū)域暴雨事件過程降水量歷史最多值，單站最大過程雨量為歷史第6位，單站最大日雨量為歷史第3位，暴雨及以上降水站次達(dá)155站次，為歷史最多值。

圖4 1984年以來山東省區(qū)域性暴雨事件標(biāo)準(zhǔn)化綜合強(qiáng)度與(a)直接經(jīng)濟(jì)損失、(b)農(nóng)作物受災(zāi)面積和(c)倒塌房屋數(shù)相關(guān)性Fig.4 Scatter plot of correlation between the standardized intensity of regional rainstorm and (a) direct loss, (b) crop area affected and (c) number of collapsed houses in Shandong since 1984

圖5 2019年8月10—12日臺風(fēng)“利奇馬”過程中山東省累計(jì)降水量空間分布(單位:mm)Fig.5 The spatial distribution of cumulative precipitation inShandong Province during the typhoon “Lekima”process from August 10 to 12, 2019(unit:mm)

最大過程降水量(臨朐459.0 mm)、最大日降水量(11日，臨朐386.7 mm)、暴雨及以上級別的降水出現(xiàn)站數(shù)(106站)3項(xiàng)評估指標(biāo)均達(dá)到5級標(biāo)準(zhǔn)，暴雨持續(xù)日數(shù)為3 d，屬偏長區(qū)域暴雨事件，綜合評估等級為5級，屬特強(qiáng)區(qū)域性暴雨事件，綜合強(qiáng)度值為歷史第4位高值。

2018年8月18—20日臺風(fēng)“溫比亞”造成的區(qū)域暴雨事件綜合強(qiáng)度值為歷史第18位，與之相比，本次臺風(fēng)“利奇馬”影響造成的區(qū)域暴雨過程在最大過程雨量、最大日雨量、暴雨過程范圍三方面均超過該過程。從災(zāi)情驗(yàn)證來看，“溫比亞”過程區(qū)域暴雨事件共造成受災(zāi)人口525.90萬人，農(nóng)作物受災(zāi)面積61.80萬公頃，倒塌房屋1.41萬間，直接經(jīng)濟(jì)損失221.97億元。截至2019年8月14日的統(tǒng)計(jì)結(jié)果，“利奇馬”過程導(dǎo)致受災(zāi)人口567.53萬人，農(nóng)作物受災(zāi)面積74.80萬公頃，倒塌房屋9 118間，直接經(jīng)濟(jì)損失已達(dá)324.2億以上。

3.3 臺風(fēng)“利奇馬”區(qū)域性暴雨事件單站綜合等級評估與災(zāi)情檢驗(yàn)

應(yīng)用單站暴雨事件綜合強(qiáng)度評估模型對臺風(fēng)“利奇馬”區(qū)域性暴雨事件中各站點(diǎn)降水強(qiáng)度進(jìn)行綜合評估并分析縣級行政區(qū)劃的災(zāi)情實(shí)際情況可知，標(biāo)準(zhǔn)化后的暴雨綜合強(qiáng)度與各縣標(biāo)準(zhǔn)化直接經(jīng)濟(jì)損失二者相關(guān)性顯著(圖6)，相關(guān)系數(shù)為0.60(通過α=0.01的顯著性檢驗(yàn))。由其分布(圖7)可見，綜合強(qiáng)度等級為5級的區(qū)域，主要位于東營、淄博兩市，濱州、濟(jì)南、濰坊、棗莊市的部分區(qū)縣，以及臨沂費(fèi)縣；半島地區(qū)、魯西南和魯西北的西部暴雨綜合強(qiáng)度等級較低，多在1～2級。與分縣災(zāi)情直報(bào)的直接經(jīng)濟(jì)損失(圖8)進(jìn)行對比，暴雨綜合強(qiáng)度等級5級以上的區(qū)縣與直接經(jīng)濟(jì)損失在1億元以上的地區(qū)吻合度極高。暴雨綜合強(qiáng)度等級為3級的區(qū)縣，其災(zāi)情損失對比在魯南地區(qū)較為一致，在魯西北中部有所差異。暴雨綜合強(qiáng)度等級為1～2級的區(qū)縣，在災(zāi)情損失中體現(xiàn)的差異較不明顯。

圖6 臺風(fēng)“利奇馬”過程山東省各縣暴雨事件標(biāo)準(zhǔn)化綜合強(qiáng)度與直接經(jīng)濟(jì)損失相關(guān)性Fig.6 Scatter plot for correlation between standardizedintensity of rainstorm and direct economic loss inShandong during the typhoon “Lekima” process

圖7 2019年8月10—12日臺風(fēng)“利奇馬”過程山東省暴雨事件綜合強(qiáng)度等級Fig.7 Comprehensive intensity level of rainstorm events inShandong Province during the typhoon “Lekima” processfrom 10 to 12 August in 2019

圖8 2019年8月10—12日臺風(fēng)“利奇馬”過程導(dǎo)致山東省直接經(jīng)濟(jì)損失空間分布(單位：萬元)Fig.8 Statistical distribution of direct economic losses in ShandongProvince by county during the typhoon “Lekima” processfrom 10 to 12 August in 2019(unit: RMB ten thousand)

4 結(jié)論

(1)考慮區(qū)域性暴雨事件的連續(xù)性，綜合降水強(qiáng)度、降水范圍和降水持續(xù)時(shí)間等指標(biāo)構(gòu)建了山東省區(qū)域暴雨事件綜合強(qiáng)度評估模型。建立了1961年以來山東省區(qū)域暴雨事件歷史序列，與歷史災(zāi)情記錄一致性良好，特強(qiáng)等級區(qū)域暴雨事件與歷史重大災(zāi)害過程記錄吻合較高。

(2)近50 a山東區(qū)域性暴雨事件共計(jì)發(fā)生545次，其中綜合強(qiáng)度5級的特強(qiáng)區(qū)域性暴雨事件發(fā)生12次。1999年8月11—12日區(qū)域性暴雨事件綜合強(qiáng)度最高。區(qū)域暴雨事件發(fā)生次數(shù)呈現(xiàn)波動變化、緩慢下降趨勢，暴雨事件平均綜合強(qiáng)度呈現(xiàn)緩慢上升趨勢，2011年以來上升趨勢顯著。區(qū)域暴雨事件集中發(fā)生于7、8月，其中以7月發(fā)生次數(shù)最多，8月平均綜合強(qiáng)度最高。區(qū)域暴雨事件的降雨中心主要分布于半島東部和魯南地區(qū)，不同時(shí)段分布配置略有不同，但差別不大。

(3)2019年臺風(fēng)“利奇馬”與西風(fēng)槽共同影響造成的區(qū)域暴雨事件綜合評估等級為5級，屬特強(qiáng)區(qū)域性暴雨事件，綜合強(qiáng)度值居歷史第四位，其過程平均降水量176.6 mm，為1961年以來區(qū)域暴雨事件過程降水量歷史最多值，單站最大日雨量居歷史第三位，暴雨及以上降水站次達(dá)155站次，為歷史最多值。單站暴雨事件綜合強(qiáng)度評估結(jié)果與分縣災(zāi)情對比一致性較高。

由于災(zāi)情數(shù)據(jù)收集過程中不確定性因素較多，使得對比驗(yàn)證區(qū)域暴雨綜合強(qiáng)度評估結(jié)果時(shí)還存在許多的不匹配現(xiàn)象，尤其低等級區(qū)域性暴雨事件空報(bào)率較高。已有災(zāi)情記錄中存在大量非標(biāo)準(zhǔn)化信息，使得定量化評估模型結(jié)果準(zhǔn)確性時(shí)存在樣本不足等情況。如在臺風(fēng)“利奇馬”過程，個(gè)別災(zāi)情損失等級較低，與有些行政區(qū)漏報(bào)或本身不單獨(dú)進(jìn)行災(zāi)情統(tǒng)計(jì)有關(guān)。此外，歷史災(zāi)情數(shù)據(jù)缺失較多，也是較低等級的暴雨事件匹配結(jié)果不理想的原因，這需要不斷收集新個(gè)例，進(jìn)一步調(diào)整暴雨事件判別和等級劃分的參數(shù)，以期得到更加精確的定量化評估結(jié)果。針對暴雨事件的定量化評估僅僅是對災(zāi)害風(fēng)險(xiǎn)三要素之一的致災(zāi)因子進(jìn)行了研究，但災(zāi)害風(fēng)險(xiǎn)的大小與災(zāi)害過程中的承災(zāi)體暴露、脆弱性也是分不開的，災(zāi)害損失的大小更與防災(zāi)應(yīng)急的管理和應(yīng)對有著密切的關(guān)系。

致謝：誠摯的感謝福建省氣候中心鄒燕研究員在本文技術(shù)方法中提供了悉心指導(dǎo)和無私幫助。