基于光譜信息的作物氮素營養(yǎng)診斷研究進展

楊紹鍔，杜 鑫

（1.廣西壯族自治區(qū)農業(yè)科學院農業(yè)資源與環(huán)境研究所，廣西 南寧530007；2.中國科學院遙感與數字地球研究所，北京 100101）

基于光譜信息的作物氮素營養(yǎng)診斷研究進展

楊紹鍔1，杜 鑫2

（1.廣西壯族自治區(qū)農業(yè)科學院農業(yè)資源與環(huán)境研究所，廣西 南寧530007；2.中國科學院遙感與數字地球研究所，北京 100101）

快速、準確地進行作物氮素營養(yǎng)診斷，有助于管理者及時、有效地采取相應的應對措施，既保障作物的高產量，又有效地管控、減少化肥施用量。由于作物氮素營養(yǎng)狀況直接影響著作物的光譜信息，因此以作物光譜信息為依據進行作物氮素營養(yǎng)診斷極具潛力。對當前基于光譜信息進行作物氮素營養(yǎng)診斷的3種方法（便攜式葉綠素儀法、高光譜遙感診斷法和數字圖像分析診斷法）進行了綜述，介紹了各個方法的原理、特點和研究進展，并對未來基于光譜信息的作物氮素營養(yǎng)診斷進行了展望。

光譜信息；氮素；營養(yǎng)診斷；研究進展

作物生長受氣候條件、土壤狀況、管理措施等眾多因素的影響，實時地了解作物的營養(yǎng)狀況，有助于管理者及時采取措施，有針對性地對作物進行有益干預，從而實現作物的高產、高效、經濟、環(huán)保生產；尤其是在我國糧食安全形勢嚴峻、生態(tài)環(huán)境日趨惡化的情況下，及時了解作物的營養(yǎng)狀況顯得尤為重要。根據作物的外觀、形態(tài)來判斷作物的營養(yǎng)狀況，是人們在長期的種植過程總結的經驗方法，有一定的科學依據，簡單方便，在實際生產中經常被使用，但此類方法通常比較粗獷、無法量化。在實驗室進行植物樣品的化學分析，是獲知植物營養(yǎng)狀況最直接、準確的方法，但由于所需時間較長，時效性差，無法滿足田間管理要求。在農業(yè)現代化、信息化的要求下，需要發(fā)展快速、準確、經濟的田間作物營養(yǎng)診斷方法。光譜技術手段是當前作物營養(yǎng)快速診斷的一個重要研究方向。作物營養(yǎng)狀況的變化，會導致作物反射光譜在不同的波段范圍出現不同程度的變化，基于這些光譜信息進行作物營養(yǎng)的反演，即可實現作物營養(yǎng)狀況的快速診斷。自20世紀70～80年代以來，研究人員利用作物的光譜信息，發(fā)展了多種作物氮素營養(yǎng)診斷的方法。

1 便攜式葉綠素儀

葉片含氮量和葉綠素濃度之間有較好的相關性，因此可以通過測定葉綠素濃度來反映植株葉片的氮營養(yǎng)狀況[1]。便攜式葉綠素儀（SPAD）是非常經典的快速無損作物營養(yǎng)測量儀器，用于快速測量作物葉片的葉綠素含量，是20世紀80年代由日本研發(fā)出來的，目前主要有SPAD-501和SPAD-502兩種型號。該儀器并不能測量真實的葉綠素含量，而是測得一個相對反映葉綠素含量的SPAD值，是一個無量綱的比值。其測量原理是基于葉綠素在紅光和紅外光兩個不同波段中有著顯著差異的吸收率，葉綠素a和葉綠素b在紅光區(qū)都有最大吸收峰，但在紅外光區(qū)則幾乎不吸收。葉綠素儀的照明系統(tǒng)采用兩個LED光源分別發(fā)射紅光（峰值波長約650 nm）和紅外光（峰值波長約940 nm），通過比較不同波段透射光穿過葉片的光密度差異，計算得到SPAD值。其工作過程如下：照明系統(tǒng)中的LED發(fā)射紅光和紅外光，穿過葉子樣品的光線射入接受器，然后接受器將透射光轉化為模擬電子信號，放大器加強這些信號，然后由A/D轉換器將其轉化為數字信號，微處理器采用數字信號計算SPAD值，然后在屏幕上顯示計算值并將其自動保存在內存中。利用便攜式葉綠素儀進行氮素營養(yǎng)診斷已經得到廣泛應用，尤其是針對小麥、水稻、玉米等大宗作物的研究較為普遍[2-6]。

李映雪等[7]對小麥不同葉位SPAD值與葉片平均氮素狀況的相關分析表明，小麥頂2葉和頂3葉SPAD值分別與葉片平均氮含量和氮積累量的相關系數較大。吳良歡和陶勤南[8]的研究結果顯示，秈、粳稻分蘗盛期、幼穗分化期的SPAD值與葉綠素含量、氮含量的相關性均達到極顯著水平（P＜0.01），但在高SPAD值區(qū)（SPAD值＞40）SPAD值與葉綠素含量和氮含量的相關性都有所下降。因此，可根據SPAD值大致判定葉片中的葉綠素和氮含量。于亞利等[9]的研究結果表明，玉米葉片不同生育期含氮量與SPAD值呈極顯著正相關，12葉期的相關性最高，10葉期、抽雄期次之，葉片SPAD值適用于指導玉米的施肥及后期的產量、全氮量預測。

便攜式葉綠素儀操作簡便、快速，不損傷作物，因而被廣泛應用于作物氮素和葉綠素快速診斷。但便攜式葉綠素儀也存在著明顯的缺陷。首先，SPAD值只是一個無量綱的比值，不能反映真實的葉綠素含量；其次，SPAD值超出了一定的讀數范圍后趨于穩(wěn)定，不能反映氮素過量的問題，廠家建議SPAD-502Plus的讀數采信范圍是0～50.0，大于50.0的SPAD值可能就不精確了；第三，便攜式葉綠素儀只能進行點測量，需要多次測量取其平均值作為測量結果，工作量較大。

2 高光譜遙感診斷

高光譜遙感是指在可見光、近紅外、中紅外和熱紅外波段范圍內，獲取許多非常窄的光譜連續(xù)影像數據的遙感技術。高光譜遙感技術的特點是光譜分辨率高，達3 nm以上，波段連續(xù)性強（在350～250 0 nm范圍內有幾百個波段）。高光譜數據可以揭示物體在更窄波譜范圍的變化特點，從而為研究物體提供更充分的信息。隨著高光譜遙感數據獲取手段不斷增加，數據處理技術不斷發(fā)展，高光譜遙感數據越來越廣泛地應用于各個領域。利用高光譜數據對作物進行快速營養(yǎng)診斷，在現代農業(yè)中發(fā)揮著越來越重要的作用，是當前高光譜應用研究領域的一個熱點課題。

20世紀70年代，研究人員在光譜信息診斷作物氮素方面進行了大量的基礎研究[10-12]，眾多的研究結果都顯示，530～560 nm區(qū)域的光譜反射率對作物葉片氮含量變化最敏感[13-19]。為了更準確地估測作物的氮素含量，研究人員繼續(xù)尋求與氮含量相關性高的光譜波段，嘗試建立波段或波段組合與氮含量的數學關系。Fernandez 等[20]在小麥中的研究結果顯示，紅波段（660～670 nm）和綠波段（545～550 nm）的線性組合可以預估小麥的氮含量，且不受不同氮肥處理的影響。Blackmer等[21-22]針對玉米的研究結果顯示，550～600 nm波段與800～900 nm波段的反射率比值能敏感地反映出玉米氮素脅迫，而且550和710 nm波長處的反射率能較好地診斷玉米氮素含量。Xue等[23]針對水稻的研究結果顯示，810與560 nm波長的反射率比值（R810/R560）與葉片氮含量和葉片氮累積量都有較好的正相關關系，且不受不同生育期間和不同氮處理的影響。

然而，在田間光譜采集過程中，作物光譜受到土壤、光照、測量角度等眾多因素的影響。為了淡化這些因素對目標光譜的影響，通常對原始光譜進行導數和對數變換[24-25]。經過數學變換后再與氮含量建立相關關系，明顯提高了氮含量的預測精度[26-29]。植物光譜經過一階導數換算后，通常會在670～760 nm之間出現一個拐點，這是光譜反射率增高最快的區(qū)間，俗稱為紅邊。紅邊的位置和紅邊的斜率是反映植物健康狀況及監(jiān)測氮含量的理想指標[30-31]。盡管目前已有較多研究結果都顯示，使用特定的光譜和光譜組合可以較準確地預測葉片氮含量，但是針對不同作物，以及不同的生育期，光譜響應仍存在著較大的差異，且測量過程還受到眾多不確定因素的影響，因此不同時空條件下創(chuàng)建的模型難以應用于建模以外的條件，要想得到普遍應用存在著較大的困難。

3 數字圖像分析診斷

數字圖像分析診斷通常是指利用數碼相機獲取作物冠層數字圖像，通過分析圖像中相應色彩差數與作物營養(yǎng)參數的關系，建立利用數字圖像診斷冠層營養(yǎng)狀況的方法。其主要依據是作物營養(yǎng)狀況直接影響著冠層的顏色特征，經過計算機精確定量冠層反射的紅、綠、藍光值，就可以反映冠層的營養(yǎng)狀況。數碼相機是獲取可見光光譜信息最簡便的工具，隨著科技的進步以及人們生活水平的不斷提高，尤其是目前智能手機中普遍集成有數碼相機，數碼相機的使用已經相當廣泛。研究應用數碼相機進行作物營養(yǎng)診斷將是極具現實意義和極具應用前景的工作，因而也成為了遙感應用研究領域的一個熱點，目前已有眾多學者針對不同的作物開展了相應的研究工作。

賈良良等[32]使用數碼相機獲取了水稻冠層圖像并進行色彩分析，利用可見光光譜進行水稻冠層的氮營養(yǎng)診斷研究，結果表明，數字圖像紅光值（R）、綠光值（G）和紅光標準化值（NRI）與水稻植株全氮含量、生物量和地上部吸氮量等都呈顯著的線性反相關關系，紅光標準化值（NRI）與葉綠素儀SPAD讀數相比能更好地表征水稻幼穗期的氮素營養(yǎng)狀況。李嵐?jié)萚33]研究了田間試驗條件下水稻不同生育期冠層圖像色彩參數（G、NRI、NGI、NBI、G/R和G/B）與植株氮素營養(yǎng)指標（葉片含氮量、植株全氮含量、生物量、氮素累積量和冠層NDVI值）之間的相關性，認為數字圖像紅光標準化值NRI與氮素營養(yǎng)參數相關性最佳，建議將其作為水稻氮素營養(yǎng)診斷的最佳冠層圖像色彩參數指標。孫欽平等[34]通過數碼相機利用可見光光譜對夏玉米進行氮營養(yǎng)診斷，結果表明，綠光值（G）、藍光值（B）、紅光標準化值（NRI）、綠光標準化值（NGI）和藍光標準化值（NBI）等多個圖像參數均與夏玉米的植株全氮含量、葉片SPAD值有顯著的線性相關關系，其中綠光標準化值（NGI）、藍光標準化值（NBI）與夏玉米的植株全氮含量、葉片SPAD值和葉脈的硝酸鹽濃度（低施氮條件下）有著顯著或者極顯著的線性相關關系，是較好的表征夏玉米氮營養(yǎng)狀況的可見光光譜參數。張立周等[35]采用數碼相機研究夏玉米冠層圖像色彩參數指標與葉片SPAD 值、植株硝酸鹽濃度、植株全氮含量之間的關系，結果表明，在6葉期，玉米冠層數字圖像色彩參數指標NBI、G/B、R/B、B/L均與葉片SPAD值、植株硝酸鹽濃度、植株全氮含量存在極顯著的線性相關關系，其中NBI與各營養(yǎng)參數的相關關系最好；并且夏玉米6葉期冠層圖像色彩參數指標與上述營養(yǎng)參數間的相關性明顯高于10葉期，因此6葉期可作為應用數字圖像技術進行氮素營養(yǎng)診斷的關鍵時期。李紅軍等[36]利用數碼相機研究了小麥冠層色彩參數與氮素營養(yǎng)狀況的關系，結果表明，返青期小麥反光葉面的G/R與NRI色彩參數能較好地反映小麥的氮素營養(yǎng)狀況，拔節(jié)期不反光葉面和反光葉面的NRI色彩參數與植株全氮相關性較好，圖像分類后能夠提高其色彩參數對小麥氮素營養(yǎng)診斷的準確性。還有學者針對棉花[37-38]、馬鈴薯[39]等作物開展了數碼相機氮素營養(yǎng)診斷的研究，其結果都表明采用數字圖像分析快速診斷作物氮素營養(yǎng)十分可行。

相對于其他的氮素營養(yǎng)診斷方法而言，利用數碼相機進行數字圖像診斷分析無疑更方便、快捷，也極具應用前景和現實意義。但影響數字圖像診斷結果的因素較多，不同作物品種的冠層結構、不同時期的植株形態(tài)、拍攝時與冠層的角度、太陽光照強度、圖像分辨率等[40-41]都可能會對診斷結果產生影響。目前的研究結果尚未成熟，各個學者的研究結果結論不一，還有很多問題有待更深入研究。

4 結 語

快速、準確、無損地進行作物氮素營養(yǎng)診斷一直是農業(yè)生產者和農業(yè)科研工作者的一個重要努力方向。作物氮素營養(yǎng)的變化直接影響著葉色光譜的變化，以這一事實作為理論依據，人們很早就依據植株的顏色和形態(tài)來判斷作物的氮素營養(yǎng)，由此還研究出了比色卡等定性手段[42]。隨著科學技術的不斷發(fā)展，如今可以采用光譜信息技術手段精準獲取作物的色彩參數值，有望將氮素營養(yǎng)診斷從定性分析升級為定量分析，從而實現作物氮素營養(yǎng)的快速、準確、無損診斷。

便攜式葉綠素儀（SPAD）通過紅光（650 nm）和紅外光（940 nm）兩個波長來測量葉片葉綠素，從而間接進行作物氮素營養(yǎng)診斷，操作簡便；高光譜遙感技術能在可見光至熱紅外波段范圍內獲得分辨率高、波段連續(xù)性強的光譜信息，從而揭示作物在更窄波譜范圍的變化特點，有望提高作物氮素營養(yǎng)診斷的精度；冠層數字圖像分析則主要利用作物在可見光范圍的光譜變化，通過分析圖像中相應色彩參數與作物營養(yǎng)參數的關系反映冠層的營養(yǎng)狀況。便攜式葉綠素儀的使用已相當普及，但在實際使用中也存在著工作量較大、不能反映氮過量等明顯缺陷；高光譜遙感技術對儀器要求較高，成本投入較大，目前還難以進行推廣應用；冠層數字圖像分析對儀器要求較低，成本投入也較小，但目前技術還不成熟，相關研究還有待深入。

總體來看，基于光譜信息進行作物氮素營養(yǎng)診斷具有扎實的理論基礎，在現實應用中也產生了較好的效果，但存在的問題也較多，很多方面還需進行大量的研究。數碼相機是獲取光譜信息最簡便的工具，隨著數碼相機的普及，以及數碼相機科技水平的不斷提高，加強冠層數字圖像分析診斷方法的研究極具現實意義和應用前景。

[1] Maderia A C，Mendonca A，Ferreira M E，et al. Relationship between spectroradiometric and chlorophyll measurements in green beans communication[J]. Soil Science and Plant Analysis，2000，31（5）：631-643.

[2] 謝 華，沈榮開，徐成劍，等. 水、氮效應與葉綠素關系試驗研究[J].中國農村水利水電，2003，（8）：40-43.

[3] 王紹華，曹衛(wèi)星，王強盛，等. 水稻葉色分布特點與氮素營養(yǎng)診斷[J].中國農業(yè)科學，2002，35（12）：1461-1466.

[4] 王 康，沈榮開，唐友生. 用葉綠素測值（SPAD）評估夏玉米氮素狀況的試驗研究[J]. 灌溉排水，2002，21（4）：1-12.

[5] 陳 防，魯劍巍. SPAD-502葉綠素計在作物營養(yǎng)快速診斷上的應用初探[J]. 湖北農業(yè)科學，1996，（2）：31-34.

[6] Peng S，Garcia F V，Laza R C，et al. Adjustment for specific leaf weight improves chlorophyll meter's estimate of rice leaf nitrogen concentration[J]. Agronomy Journal，1993，85（5）：926-928.

[7] 李映雪，徐德福，謝曉金，等. 小麥葉片SPAD空間分布及其與氮素營養(yǎng)狀況的關系[J]. 中國農業(yè)氣象，2009，30（2）：164-168.

[8] 吳良歡，陶勤南. 水稻葉綠素計診斷追氮法研究[J]. 浙江農業(yè)大學學報，1999，25（2）：135-138.

[9] 于亞利，賈文凱，王春宏，等. 春玉米葉片SPAD值與氮含量及產量的相關性研究[J]. 玉米科學，2011，19（4）：89-92，97.

[10] Knipling E B. Physical and physiological basis for the reflectance of visible and near infrared radiation from vegetation[J]. Remote Sensing of Environment，1970，1（3）：155-159.

[11] Thomas J R，Oerther G F. Estimating nitrogen content of sweet pepper leaves by reflectance measurements[J]. Agronomy Journal，1972，64（1）：11-13.

[12] Thomas J R，Gausman H W. Leaf reflectance vs. leaf chlorophyll and carotenoid concentration for eight crops[J]. Agronomy Journal，1977，69：799-802.

[13] Abbas A，Barrr A H，Hallsd，et a1. Spectra of normal and nutrient deficient maize leaves[J]. Agronomy Journal，1974，66：16-20.

[14] Everitt J H，Richardson A J，Gausman H W. Leaf reflectance-nitrogenchlorophyll relations in buffelgrass[J]. Photogrammetric Engineering and Remote Sensing，1985，51：463-466.

[15] Shibayama M，Akiyama T. A spectroradiometer for field use. VII. Radiometric estimation of nitrogen levels in field rice canopies[J]. Japanese Journal of Crop science，1986，55（4）：439-445.

[16] Chbachi N，Asanol O. The diagnosis of nitrogen of rice plants using chlorophyll meter[J]. Japanese Journal of Soil Science and Plant Nutrition，1986，57：109-193.

[17] Tracy M B，James S S，Gary E V. Light reflectance compared with other nitrogen stress measurements in corn leaves[J]. Agronomy Journal.1994，86：934-938.

[18] Tracy M B，James S S，Gary E V，et a1. Nitrogen deficiency detection using reflected short wave radiation from irrigated corn canopies[J]. Agronomy Journal，1996，88：1-5.

[19] Wang K，Shen Z Q，Wang R C. Effects of nitrogen nutrition on the spectral reflectance characteristics of rice leaf and canopy[J]. Journal of Zhejiang Agricultural University，1998，24：93-97.

[20] Fernandez S，Vidal D，Simon E，et a1. Radiometric characteristics of Triticum aestivum cv. Astral under water and nitrogen stress[J]. International Journal of Remote Sensing，1994，15（9）：1867-1884.

[21] Blackmer T M，Sehepem J S，Varvel G E. Light reflectance compared with other nitrogen stress measurements in corn leaves[J]. Agronomy Journal，1994，86：934-938.

[22] Blackmer T M，Schepers J S，Varvel G E，et al. Nitrogen deficiency detection using reflected shortwave radiation from irrigated corn canopies[J]. Agronomy Journal，1996，88：1-5.

[23] Xue L H，Cao W X，Luo W H，et al. Monitoring leaf nitrogen status in rice with canopy spectral reflectance[J]. Agronomy Journal，2004，96：135-142.

[24] 宮 鵬，史培軍，浦瑞良，等. 對地觀測技術與地球系統(tǒng)科學[M].北京：科學出版社，1996.

[25] 張良培，鄭蘭芬，童慶禧. 利用高光譜對生物變量進行估計[J]. 遙感學報，1997，1（2）：111-114.

[26] Don H C，David L P，Pamela A M. Predietinn of leaf chemistry by the use of visible and near infrared reflectance spectroscopy[J]. Remote Sensing of Environment，1988，26：123-147.

[27] Yoder B J，Pettigrew-Crosby R E. Predicting nitrogen and chlorophyll content and concentrations from reflectance spectra（400-2500 nm）at leaf and canopy scales[J]. Remote Sensing of Environment，1995，（3）：199-211.

[28] 牛 錚，陳永華，隨洪智，等. 葉片化學組分成像光譜遙感探測機理分析[J]. 遙感學報，2000，4（2）：125-129.

[29] 譚昌偉，工紀華，黃文江，等. 夏玉米葉片全氮、葉綠素及葉面積指數的光潛響應研究[J]. 西北植物學報，2004，24（6）：1041-1046.

[30] 趙春江，黃文江，王紀華，等. 不同品種、肥水條件下冬小麥光譜紅邊參數研究[J]. 中國農業(yè)科學，2002，35（8）：980-987.

[31] 唐延林，王人潮，張金恒，等. 高光譜與葉綠素計快速測定大麥氮素營養(yǎng)狀況研究[J]. 麥類作物學報，2003，23（1）：63-66.

[32] 賈良良，范明生，張福鎖，等. 應用數碼相機進行水稻氮營養(yǎng)診斷[J].光譜學與光譜分析，2009，29，（8）：2176-2179.

[33] 李嵐?jié)?，?萌，任 濤，等. 應用數字圖像技術進行水稻氮素營養(yǎng)診斷[J]. 植物營養(yǎng)與肥料學報，2015，21（1）：259-268.

[34] 孫欽平，賈良良，芮玉奎，等. 應用可見光光譜進行夏玉米氮營養(yǎng)診斷[J]. 光譜學與光譜分析，2009，29（2）：432-435.

[35] 張立周，王殿武，張玉銘，等. 數字圖像技術在夏玉米氮素營養(yǎng)診斷中的應用[J]. 中國生態(tài)農業(yè)學報，2010，18（6）：1340-1344.

[36] 李紅軍，張立周，陳曦鳴，等. 應用數字圖像進行小麥氮素營養(yǎng)診斷中圖像分析方法的研究[J]. 中國生態(tài)農業(yè)學報，2011，19（1）：155-159.

[37] 王 娟，雷詠雯，張永帥，等. 應用數字圖像分析技術進行棉花氮素營養(yǎng)診斷的研究[J]. 中國生態(tài)農業(yè)學報，2008，16（1）：145-149.

[38] 王曉靜，張 炎，李 磐，等. 地面數字圖像技術在棉花氮素營養(yǎng)診斷中的初步研究[J]. 棉花學報，2007，19（2）：106-113.

[39] 李井會，朱麗麗，宋述堯. 數字圖像技術在馬鈴薯氮素營養(yǎng)診斷中的應用[J]. 中國馬鈴薯，2006，20（5）：257-260.

[40] 賈良良. 應用數字圖像技術與土壤植株測試進行冬小麥氮營養(yǎng)診斷[D]. 北京：中國農業(yè)大學，2003.

[41] 方明燦，莊恒揚，高 輝. 基于作物冠層數字圖像的氮素營養(yǎng)及生長指標監(jiān)測研究進展[J]. 安徽農學通報，2012，18（9）：205-210.

[42] 陶勤南，方 萍，吳良歡，等. 水稻氮素營養(yǎng)的葉色診斷研究[J].土壤，1990，22（4）：190-193.

（責任編輯：成 平）

Advances of Crop Nitrogen Diagnosis based on Spectral Information

YANG Shao-e1，DU Xin2
（1. Guangxi Academy of Agricultural Sciences, Agricultural Resources and Environment Institute, Nanning 530007, PRC; 2. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, PRC）

The rapid and accurate diagnosis of crop nitrogen nutrition will help managers to take appropriate measures in time and effectively, not only to ensure the high yield of crops, but also to effectively control and reduce the usage amount of fertilizer. Since the crop nitrogen nutrition status directly affects the spectral information of crop, thus, crop nitrogen nutrition diagnosis based on spectral information is a promising method. Three methods of crop nitrogen nutrition diagnosis based on spectral information are reviewed in this paper, portable chlorophyll instrument method, hyperspectral remote sensing diagnosis method and digital image analysis method, respectively; introduces the characteristics and research progress of each method, and prospects for future research.

spectral information; nitrogen; diagnosis; advances

S123

：A

：1006-060X（2017）02-0127-04

10.16498/j.cnki.hnnykx.2017.002.032

2016-10-21

廣西自然科學基金項目（2014GXNSFAA118129）；廣西農業(yè)科學院基本科研業(yè)務專項（桂農科2014YQ34）；廣西農業(yè)科學院基本科研業(yè)務專項（2015YT35）；國家自然科學基金（41301497）

楊紹鍔（1980-），男，廣西浦北縣人，副研究員，主要從事農業(yè)與生態(tài)遙感應用基礎研究工作。