張存勇

（江蘇海洋大學(xué) 海洋技術(shù)與測(cè)繪學(xué)院，江蘇 連云港 222005）

淤泥質(zhì)海底航道邊坡失穩(wěn)滑塌通常會(huì)導(dǎo)致航道變形、變淺，直接影響航道的安全運(yùn)營(yíng)。由于淤泥質(zhì)海域海水具有良好的導(dǎo)電性、極強(qiáng)的吸熱能力和極差的透光性，使得雷達(dá)、紅外線望遠(yuǎn)鏡、衛(wèi)星遙感技術(shù)等依賴于激光、電磁波傳播的探測(cè)技術(shù)無(wú)法對(duì)海底沉積層進(jìn)行高效探測(cè)，而聲波在固體和液體中較強(qiáng)的穿透能力和相對(duì)較小的衰減使其在海底沉積物探測(cè)中發(fā)揮著重要作用（Urlaub et al，2018；張存勇，2019）。海底航道邊坡失穩(wěn)滑塌時(shí)內(nèi)部結(jié)構(gòu)的變化會(huì)對(duì)聲波的傳播產(chǎn)生一定的影響，通過(guò)觀測(cè)并分析邊坡沉積層對(duì)聲波的不同反應(yīng)可以了解其內(nèi)部結(jié)構(gòu)變化（周建平等，2007）。

淺地層剖面探測(cè)是利用聲波在海水和海底沉積物中的傳播和反射特性對(duì)海底沉積物進(jìn)行連續(xù)探測(cè)，從而獲得直觀的海底淺部地層結(jié)構(gòu)剖面的一種海底聲學(xué)探測(cè)技術(shù)，能提供一套直觀、連續(xù)的海底剖面聲學(xué)記錄圖像，當(dāng)沉積物的成分、結(jié)構(gòu)和密度等因素發(fā)生變化時(shí)，聲波在其中也會(huì)發(fā)生相應(yīng)的變化（盧博等，1993；Hamilton et al，1982）。因此，淺地層剖面聲圖中包含海底航道邊坡內(nèi)部聲紋變化的信息，可以利用這些信息探測(cè)相應(yīng)沉積層的結(jié)構(gòu)、致密程度和完整程度等特征，進(jìn)而實(shí)現(xiàn)對(duì)航道邊坡內(nèi)部結(jié)構(gòu)變化的識(shí)別。目前，淺地層剖面聲學(xué)圖像信息大部分還停留在定性描述層面，聲圖中隱含的規(guī)律尚未被充分揭示。

紋理是圖像的一個(gè)重要屬性，它是圖像像素顏色或灰度在空間以一定形式變化而反映圖像中同質(zhì)現(xiàn)象的特征，包含了內(nèi)部結(jié)構(gòu)組織排列的重要信息（Haralick et al，1973）。任何圖像都可以看作三維空間中的一個(gè)曲面，在三維空間中，相鄰一定長(zhǎng)度間隔的兩個(gè)像素具有相同或不同的灰度級(jí)（陳成鋼等，2014），灰度共生矩陣從紋理的空間結(jié)構(gòu)提供了圖像方向、間隔和變化幅度的信息，是最常用的二階紋理分析方法（賈世英等，2016）。目前這種方法已被廣泛運(yùn)用于目標(biāo)動(dòng)態(tài)監(jiān)測(cè)（吳剛等，2010）、河道紋理（王治國(guó)等，2012）、木材紋理識(shí)別（白雪冰等，2005）、皮膚紋理檢測(cè)（郭航等，2010） 及地震數(shù)據(jù)空間結(jié)構(gòu)（朱石磊 等，2012）等紋理圖像的分析和表征，但鮮有利用灰度共生矩陣對(duì)海底航道邊坡失穩(wěn)滑塌過(guò)程淺地層剖面聲學(xué)圖像特征進(jìn)行研究的報(bào)道。

本文利用灰度共生矩陣計(jì)算淤泥質(zhì)海底航道邊坡失穩(wěn)滑塌過(guò)程聲學(xué)圖像紋理特征值，通過(guò)聲圖紋理特征定量分析航道邊坡內(nèi)部結(jié)構(gòu)變化，同時(shí)利用小波多尺度分析聲紋時(shí)空變化，以期對(duì)航道邊坡失穩(wěn)滑塌的預(yù)測(cè)預(yù)警起到一定作用。

1 材料與方法

1.1 室內(nèi)實(shí)驗(yàn)

由于很難在現(xiàn)場(chǎng)獲得一個(gè)完整的海底航道邊坡失穩(wěn)滑塌過(guò)程，因此采用室內(nèi)模擬方法，利用在連云港淤泥質(zhì)海底航道中采取的沉積物，在水槽中建立航道邊坡模型，模擬航道邊坡在動(dòng)力作用下失穩(wěn)滑塌過(guò)程（圖1）。航道邊坡模型坡度45毅，高度130 cm，采用SES-2000 參量陣淺地層剖面儀對(duì)航道邊坡失穩(wěn)滑塌過(guò)程進(jìn)行連續(xù)探測(cè)。為了獲取航道邊坡失穩(wěn)滑塌過(guò)程中內(nèi)部結(jié)構(gòu)變化，儀器換能器對(duì)航道邊坡坡肩進(jìn)行定點(diǎn)連續(xù)觀測(cè)，采樣周期為1 s。利用差頻技術(shù)，參量陣聲吶發(fā)射低頻聲波，低頻設(shè)置為15kHz，為了確保頻率盡可能高，將最大頻率設(shè)置為系統(tǒng)默認(rèn)值。采用推波板和潛水泵模擬波浪和海流產(chǎn)生的水動(dòng)力。分別模擬了潮流和波流作用下邊坡失穩(wěn)滑塌過(guò)程，由于波浪產(chǎn)生的高濁度，采用效果最好的潮流作用下航道邊坡失穩(wěn)滑塌過(guò)程不同階段聲學(xué)圖像。為了便于實(shí)現(xiàn)對(duì)邊坡失穩(wěn)滑塌的模擬，設(shè)置的邊坡角度和流速（0.5 m/s）均比實(shí)際要大。測(cè)量過(guò)程中，系統(tǒng)將所有原始數(shù)據(jù)存儲(chǔ)在芯片中，通過(guò)信號(hào)處理技術(shù)對(duì)回波信號(hào)進(jìn)行放大和濾波等處理后，形成以不同色彩顯示的淺地層剖面聲圖，據(jù)此建立淤泥質(zhì)海底航道邊坡失穩(wěn)滑塌全周期過(guò)程不同階段聲學(xué)圖像。為了便于研究航道邊坡失穩(wěn)滑塌過(guò)程的沉積聲紋變化，利用SES-2000 后處理軟件對(duì)原圖像進(jìn)行了裁剪。對(duì)于一幅m伊n 像素大小的淺地層剖面聲圖，可將其視作一個(gè)m伊n 矩陣，矩陣中每個(gè)元素對(duì)應(yīng)一個(gè)像素點(diǎn)，元素的值就是聲強(qiáng)的大小。利用SES-2000 淺地層剖面儀后處理軟件直接從淺地層剖面圖像中提取聲強(qiáng)數(shù)據(jù)。

圖1 實(shí)驗(yàn)裝置和邊坡示意圖

1.2 灰度共生矩陣

圖像灰度共生矩陣用于描述某方向上間隔一定距離的一對(duì)像素灰度出現(xiàn)的統(tǒng)計(jì)規(guī)律，通過(guò)研究圖像灰度分布與變化規(guī)律、灰度值的局部特征，以具體的特征參數(shù)量化描述肉眼無(wú)法感觀的圖像紋理特征。具體方法為：設(shè)圖像的灰度級(jí)為L(zhǎng)，灰度共生矩陣的大小為L(zhǎng)伊L，從圖像灰度為i 的像元出發(fā)，統(tǒng)計(jì)與其距離為d，灰度為j 的像元在特定方向的頻度p （i，j），通常取0毅、45毅、90毅、135毅方向。由于很難對(duì)矩陣進(jìn)行定量解釋，Haralick 等（1973）總結(jié)了14 個(gè)特征參數(shù)來(lái)度量紋理特征，其中能量（ASM）、對(duì)比度（CON）、逆差矩（HOM）、相關(guān)度（COR）等是進(jìn)行紋理分析的主要參數(shù)（Ulaby et al，1986；Baraldi et al，1995），其計(jì)算公式分別為：

式中 滋i、滋j 為灰度共生矩陣行和列的均值，滓i、滓j 為行和列標(biāo)準(zhǔn)差。本文采用16伊16 窗口，特征距離d =1，計(jì)算0毅、45毅、90毅、135毅四個(gè)方向特征值，再將所有子窗口特征值平均，從而得到圖像聲紋的特征向量。

1.3 小波多尺度分析

小波分析是一種信號(hào)的時(shí)頻分析方法，其基本思想是將原始信號(hào)分解成一系列頻域的信號(hào)，同時(shí)具有時(shí)域和頻域的良好局部性質(zhì)，能夠反映信號(hào)的局部變化特征及其內(nèi)在層次結(jié)構(gòu)，不僅可以對(duì)信號(hào)進(jìn)行多尺度細(xì)化分析，還具有突變點(diǎn)檢測(cè)能力。通過(guò)伸縮和平移運(yùn)算，多尺度分析能將信號(hào)分解為子空間中的近似部分和細(xì)節(jié)部分，即分解為f（t）=ai+移di，其中ai是小波分解后各層信號(hào)的低頻近似部分，di是小波分解后各層信號(hào)的高頻細(xì)節(jié)部分（Mallat，1989）。本文利用sym5 小波函數(shù)對(duì)航道邊坡失穩(wěn)滑塌過(guò)程淺地層剖面聲學(xué)圖像中的聲強(qiáng)時(shí)間序列和垂向空間序列進(jìn)行多尺度分解，進(jìn)一步對(duì)其聲紋變化進(jìn)行分析。

2 結(jié)果與討論

2.1 海底航道邊坡失穩(wěn)滑塌聲紋特征

圖2 為海底航道邊坡失穩(wěn)滑塌過(guò)程典型聲紋變化。由圖可以看出，航道邊坡失穩(wěn)滑塌前聲紋總體為近平行紋理（圖2a），在失穩(wěn)滑塌過(guò)程中聲紋逐漸發(fā)生變化，由平行紋理開(kāi)始變得粗糙、不規(guī)則，強(qiáng)度變得不均勻，間距變化明顯，出現(xiàn)聲紋斷裂現(xiàn)象，但聲紋整體還保持近平行紋理（圖2b），隨著邊坡失穩(wěn)強(qiáng)度增大，聲紋出現(xiàn)絨毛狀、分叉、斷裂，然后繼續(xù)變粗糙，強(qiáng)度變大，不均勻（圖2c），伴隨著聲紋強(qiáng)度逐漸變大，出現(xiàn)波紋狀（圖2d）。隨著時(shí)間的延續(xù)，不同紋理之間出現(xiàn)交叉分離、合并，強(qiáng)度變大（圖2e）。邊坡上部聲紋不連續(xù)，出現(xiàn)波動(dòng)，強(qiáng)度間斷變化，底部聲紋出現(xiàn)變形（圖2f）。聲紋強(qiáng)度向下部變化，邊坡發(fā)生失穩(wěn)（圖2g），反射不連續(xù)。失穩(wěn)后聲紋強(qiáng)度變化不規(guī)則，聲紋變粗，部分聲紋又恢復(fù)失穩(wěn)前狀態(tài)（圖2h）。綜上所述，聲紋形象地反映了海底航道邊坡失穩(wěn)滑塌過(guò)程及其動(dòng)態(tài)變化，展示了滑塌過(guò)程的內(nèi)部變化規(guī)律，為利用聲紋研究航道邊坡失穩(wěn)滑塌提供了依據(jù)。

圖2 航道邊坡失穩(wěn)滑塌前（a）、滑塌中（b—g）、失穩(wěn)后（h）典型聲圖聲紋

2.2 聲圖紋理特征值分析

灰度共生矩陣通過(guò)紋理參數(shù)反映圖像的信息（Haralick et al，1973）。表1 為航道邊坡失穩(wěn)滑塌過(guò)程中淺地層剖面聲學(xué)圖像的對(duì)比度、能量、相關(guān)度、逆差距紋理參數(shù)。對(duì)比度體現(xiàn)圖像紋理清晰度，反映矩陣像素值的分布及其局部變化程度，值越大，紋理越明顯，值越小，紋理效果越不明顯。表1 表明四個(gè)方向的對(duì)比度變化趨勢(shì)基本一致，水平方向?qū)Ρ榷茸兓秶鸀?0.465耀29.313，45毅和135毅方向?qū)Ρ榷茸兓秶謩e為31.215耀38.456 和30.470耀37.550，垂向?qū)Ρ榷茸兓秶鸀?9.838耀35.964，四個(gè)方向中水平方向?qū)Ρ榷茸畹?，垂向?qū)Ρ榷却沃?。邊坡失穩(wěn)滑塌前對(duì)比度較低，隨著邊坡失穩(wěn)滑塌，對(duì)比度呈逐漸增加趨勢(shì)，邊坡失穩(wěn)滑塌時(shí)對(duì)比度變小，失穩(wěn)滑塌后對(duì)比度變大。能量是圖像灰度分布均勻程度和紋理粗細(xì)的度量，紋理越粗能量越大。當(dāng)圖像紋理細(xì)致均勻時(shí)，能量值較小。

表1 中四個(gè)方向能量總體變化趨勢(shì)基本一致，水平方向和垂直方向能量變化范圍分別為0.156耀0.183 和0.119耀0.141。邊坡失穩(wěn)滑塌前能量總體偏小，反映邊坡內(nèi)部各方向受外界應(yīng)力較均勻，圖像強(qiáng)度分布相對(duì)均勻。邊坡失穩(wěn)滑塌過(guò)程中，能量變化明顯，圖像紋理逐漸變粗糙，邊坡失穩(wěn)滑塌時(shí)能量最大，尤以水平方向變化最顯著，最大值為0.183，邊坡滑塌后能量又變小。

相關(guān)度是圖像在特定方向上的相似度，指示紋理主要方向，反映圖像中局部灰度相關(guān)性，其值越大相似度越高。四個(gè)方向相關(guān)度總體變化趨勢(shì)較一致，水平方向和垂直方向變化范圍分別為0.385耀0.529 和0.259耀0.306。邊坡失穩(wěn)滑塌前，相關(guān)度總體較小，隨著邊坡失穩(wěn)滑塌，相關(guān)度呈增大趨勢(shì)，邊坡失穩(wěn)滑塌時(shí)相關(guān)度變大，邊坡滑塌后相關(guān)度變小。

逆差矩反映紋理的同質(zhì)性或規(guī)則程度，度量紋理局部變化的多少，其值越大，紋理越規(guī)則，值越小，紋理越雜亂。四個(gè)方向逆差距變化趨勢(shì)基本一致，水平方向變化范圍為0.638耀0.696，其他三個(gè)方向較一致。邊坡失穩(wěn)滑塌過(guò)程中，逆差距變化幅度較小，反映邊坡內(nèi)部變化多，局部不均勻，失穩(wěn)滑塌時(shí)逆差距變大，失穩(wěn)滑塌后逆差距變小。

總體上，對(duì)比度、能量、相關(guān)度和逆差距分別從不同方面反映了淺地層剖面圖像聲紋的清晰度、紋理粗細(xì)、主要方向和規(guī)則性（表1），以定量的形式顯示其內(nèi)在異質(zhì)性，實(shí)現(xiàn)人眼無(wú)法識(shí)別的信息。能量、相關(guān)度和逆差距三個(gè)特征值在水平和垂直方向明顯大于對(duì)角方向。能量與相關(guān)度隨方向變化明顯。因此，紋理粗細(xì)、紋理方向和紋理規(guī)則性是航道邊坡失穩(wěn)滑塌過(guò)程淺地層剖面聲圖紋理的主要特征，在邊坡失穩(wěn)滑塌過(guò)程中具有明顯的差異。航道邊坡在其失穩(wěn)滑塌過(guò)程中，必然引起邊坡沉積物空間結(jié)構(gòu)和密度等因素的變化，聲波在其中也會(huì)發(fā)生相應(yīng)變化，相應(yīng)地在航道邊坡淺地層剖面圖像上形成一種特殊的航道邊坡失穩(wěn)滑塌過(guò)程聲學(xué)紋理。邊坡失穩(wěn)前，內(nèi)部變化較小，隨著邊坡失穩(wěn)滑塌，內(nèi)部應(yīng)力發(fā)生變化，局部應(yīng)力變大，灰度共生矩陣內(nèi)部聲強(qiáng)灰度數(shù)據(jù)逐漸變化，在邊坡失穩(wěn)滑塌時(shí)變化明顯。這些結(jié)果表明利用灰度共生矩陣提取出的紋理特征值能夠反映航道邊坡失穩(wěn)滑塌過(guò)程，可以作為航道邊坡失穩(wěn)滑塌過(guò)程的重要參數(shù)。不同階段航道邊坡失穩(wěn)滑塌參數(shù)不同，可以利用這些參數(shù)對(duì)邊坡穩(wěn)定性進(jìn)行識(shí)別判定，實(shí)現(xiàn)預(yù)測(cè)預(yù)警。

表1 航道邊坡失穩(wěn)滑塌過(guò)程聲圖紋理特征值

2.3 聲圖聲紋值變化規(guī)律

由于灰度共生矩陣特征參數(shù)是圖像聲紋的均值，為進(jìn)一步刻畫聲紋特征的時(shí)空變化，采用小波多尺度分解方法對(duì)聲紋變化規(guī)律進(jìn)行分析。

2.3.1 聲強(qiáng)時(shí)間序列多尺度分析

在航道邊坡失穩(wěn)滑塌過(guò)程中，邊坡沉積物內(nèi)部結(jié)構(gòu)發(fā)生變化，聲圖時(shí)間序列內(nèi)部蘊(yùn)含著聲強(qiáng)的變化趨勢(shì)。為了分析聲強(qiáng)隨時(shí)間的變化規(guī)律，對(duì)邊坡從上至下的表、中、底三個(gè)典型部位聲強(qiáng)時(shí)間序列進(jìn)行3 層小波分解得到各層低頻成分和高頻成分（圖3—圖5）。圖中s 為聲圖中原聲強(qiáng)時(shí)間變化序列，a3 為小波分解后的低頻成分，反映了聲強(qiáng)時(shí)間序列的變化趨勢(shì)，d1、d2、d3 分別為小波分解后各層高頻成分，反映了聲強(qiáng)的細(xì)節(jié)特征。從圖中可以看出，經(jīng)小波多尺度分解后，邊坡表、中、底三個(gè)部位聲強(qiáng)時(shí)間序列被分解為反映聲強(qiáng)變化概貌特征的低頻成分和反映聲強(qiáng)細(xì)節(jié)變化的高頻成分。低頻成分大致保持了原聲強(qiáng)的起伏變化特征，高頻成分變化的幅度和頻率突出聲強(qiáng)的小幅變化，更清楚地反映了聲強(qiáng)細(xì)節(jié)，并使聲強(qiáng)變化差異更明顯。聲強(qiáng)時(shí)間序列被分解的尺度越高，各層信號(hào)的震蕩變化也相對(duì)越平穩(wěn)。隨著航道邊坡失穩(wěn)滑塌過(guò)程，表層聲強(qiáng)時(shí)間序列變化逐漸變大，高頻細(xì)節(jié)震蕩明顯，中層聲強(qiáng)時(shí)間序列變化由不明顯逐漸增強(qiáng)，高頻細(xì)節(jié)震蕩劇烈，底層聲強(qiáng)時(shí)間序列變化強(qiáng)度較弱，高頻細(xì)節(jié)震蕩顯著。聲強(qiáng)時(shí)間序列通過(guò)不同尺度下的分解呈現(xiàn)了動(dòng)態(tài)特性。這些特征為深入理解航道邊坡失穩(wěn)滑塌過(guò)程，通過(guò)不同深度聲強(qiáng)變化強(qiáng)度、劇烈程度、突變點(diǎn)為邊坡失穩(wěn)滑塌預(yù)測(cè)預(yù)警提供了依據(jù)。

圖3 表層聲強(qiáng)時(shí)間序列小波多尺度分解

圖4 中層聲強(qiáng)時(shí)間序列小波多尺度分解

圖5 底層聲強(qiáng)時(shí)間序列小波多尺度分解

2.3.2 聲強(qiáng)垂向序列多尺度分析

聲圖中聲強(qiáng)大小的空間變化決定了聲紋的特征。垂向聲強(qiáng)變化是航道邊坡失穩(wěn)滑塌過(guò)程主要方向之一，因此將聲學(xué)圖像垂向聲強(qiáng)變化作為一個(gè)序列，對(duì)航道邊坡失穩(wěn)滑塌前、中、后三個(gè)典型時(shí)刻垂向聲強(qiáng)變化序列分別進(jìn)行3 尺度小波分解，圖6—圖8 分別為航道邊坡失穩(wěn)滑塌前、中、后垂向聲強(qiáng)變化序列分解結(jié)果，圖中s 為垂向聲強(qiáng)變化序列，a3 為小波分解后的低頻成分，d1、d2、d3分別為小波分解后的各層高頻細(xì)節(jié)成分。由圖可以看出，邊坡失穩(wěn)滑塌前、中、后垂向聲強(qiáng)變化具有多個(gè)波峰，根據(jù)這些聲強(qiáng)變化很難識(shí)別失穩(wěn)滑塌的階段，但是這些變化均表現(xiàn)出在某一深度處聲強(qiáng)具有強(qiáng)烈的震蕩特征，并且在失穩(wěn)滑塌過(guò)程的不同階段，聲強(qiáng)波動(dòng)的深度發(fā)生了變化。航道邊坡失穩(wěn)滑塌前（圖6），聲強(qiáng)變化相對(duì)較小，震蕩變化深度較大。邊坡失穩(wěn)滑塌過(guò)程中（圖7），聲強(qiáng)強(qiáng)度增加，高頻震蕩變化劇烈，主要發(fā)生在淺部。邊坡失穩(wěn)滑塌后（圖8），聲強(qiáng)強(qiáng)度變化又基本恢復(fù)滑塌前的強(qiáng)度大小，震蕩變化深度較淺。因此，邊坡內(nèi)部垂向聲強(qiáng)變大并向邊坡淺部移動(dòng)，是邊坡失穩(wěn)滑塌前的征兆。

圖6 邊坡滑塌前聲強(qiáng)垂向序列小波多尺度分解

圖7 邊坡滑塌中聲強(qiáng)垂向序列小波多尺度分解

圖8 邊坡滑塌后聲強(qiáng)垂向序列小波多尺度分解

3 結(jié)論

海底航道邊坡失穩(wěn)滑塌過(guò)程的不同階段淺地層剖面圖像聲紋特征不同，邊坡失穩(wěn)滑塌前，主要由近平行的聲紋組成。隨著邊坡失穩(wěn)滑塌，聲紋逐漸發(fā)生變化，由平行聲紋逐漸變得粗糙、不規(guī)則，強(qiáng)度不均勻，間距變化明顯。邊坡失穩(wěn)后聲紋變粗，聲紋強(qiáng)度變化不規(guī)則，發(fā)生斷裂。

對(duì)淤泥質(zhì)海底航道邊坡失穩(wěn)滑塌過(guò)程淺地層剖面圖像采用灰度共生矩陣法提取能量、對(duì)比度、相關(guān)度、逆差距四個(gè)聲紋特征值進(jìn)行量化比較分析，四個(gè)特征參數(shù)在邊坡失穩(wěn)滑塌過(guò)程中具有明顯的差異，水平和垂向變化大于對(duì)角方向，水平方向波動(dòng)最顯著，能量和相關(guān)度隨方向變化較大，反映了航道邊坡失穩(wěn)滑塌過(guò)程中的內(nèi)在異質(zhì)性。

在航道邊坡失穩(wěn)滑塌過(guò)程中，邊坡沉積物內(nèi)部結(jié)構(gòu)發(fā)生變化，剖面聲圖包含航道邊坡失穩(wěn)滑塌變化趨勢(shì)，小波多尺度分解將滑塌過(guò)程淺地層剖面圖像聲強(qiáng)時(shí)間序列和垂向空間變化分解到不同尺度空間，突出了聲強(qiáng)局部變化特征及其在各尺度中變化的強(qiáng)弱分布和突變點(diǎn)位置，克服了常規(guī)方法難以分析的困難，對(duì)突變點(diǎn)異常識(shí)別以及深入研究航道邊坡失穩(wěn)滑塌過(guò)程具有重要意義。

致謝：江蘇海洋大學(xué)海洋技術(shù)專業(yè)本科生王鑫、徐江、王遠(yuǎn)、馮佳文、劉兆元等同學(xué)，海洋資源開(kāi)發(fā)技術(shù)專業(yè)本科生劉天鵬、李天銀、常天宇等同學(xué)參加了野外和實(shí)驗(yàn)工作，在此一并致謝！