地表溫度與城市空間分布結(jié)構(gòu)的關(guān)系及其預(yù)測模型

包瑞清

1 背景與目的

氣候變暖和快速城市化增加了城市的熱應(yīng)力，從而降低了人體舒適感受，甚至危及健康，引起城市人口發(fā)病率和死亡率升高；同時增加了建筑夏季空調(diào)制冷能耗，加劇了能源短缺矛盾[1]。就城市的熱環(huán)境問題而言，其觀測評價方法主要涉及實地觀測法，如校園景觀對局地?zé)岘h(huán)境影響研究[2]，基于移動測量的城市空間形態(tài)對夏季午后城市熱環(huán)境影響研究[3]等；模擬評價方法則主要使用ENVI-met等提供的計算模型進(jìn)行模擬，如濕熱地區(qū)景觀要素配置對園林熱環(huán)境的影響研究[4]，嶺南名園余蔭山房庭院空間的熱環(huán)境模擬分析[5]等；遙感觀測法則主要利用Landsat系列遙感影像反演地表溫度，分析地表溫度與土地覆蓋之間的關(guān)系，如基于RS和GIS的鄭州市植被覆蓋度與地表溫度演化研究[6]，以保定市中心城區(qū)為例的城市綠地對熱島效應(yīng)緩解作用研究[7]，以及以廣東南海為例的城市開敞空間熱環(huán)境調(diào)控規(guī)劃方法研究[8]等。

實測法可以更為精準(zhǔn)地追蹤研究場所的熱環(huán)境氣候數(shù)據(jù)，描述局地微氣候質(zhì)量，定性進(jìn)行熱環(huán)境分析，或者用于驗證其他評價方法的結(jié)果；模擬評價方法可以對中、小尺度的城市微氣候環(huán)境進(jìn)行模擬，分析城市小尺度范圍內(nèi)的表面、空氣和植被之間的相互作用；遙感觀測法根據(jù)遙感影像高空分辨率的不同，可以實現(xiàn)任意尺度的熱環(huán)境分析，但因為是二維影像，通常以反演的地表溫度作為熱環(huán)境評價的指示因子，并結(jié)合地表覆蓋物(城市土地利用)之間的分布關(guān)系，以及綠地的降溫效應(yīng)等內(nèi)容。

為了能夠分析城市尺度的熱環(huán)境與城市空間分布的關(guān)系及結(jié)構(gòu)，選擇遙感影像反演地表溫度，以地表溫度作為城市熱環(huán)境的指示因子，提出基于地表溫度差值數(shù)量變化界定全區(qū)植被降溫效應(yīng)的空間分布，基于卷積溫度梯度變化界定冷區(qū)和熱區(qū)等方法量化具體的空間分布結(jié)構(gòu)。并基于機(jī)器學(xué)習(xí)回歸算法建立用于綠地規(guī)劃評估的地表溫度預(yù)測模型，從規(guī)劃可落實的方面探索實現(xiàn)的可行性。

2 數(shù)據(jù)和方法

2.1 研究區(qū)域和數(shù)據(jù)來源

西安是中國西部地區(qū)重要的中心城市，屬于暖溫帶半濕潤大陸性季風(fēng)氣候，四季分明，氣候溫和，雨量適中。春季溫暖、干燥、多風(fēng)，夏季炎熱多雨，秋季涼爽，冬季寒冷、多霧、少雨雪。分析植被和建設(shè)用地空間分布與地表溫度的關(guān)系，選取2018年8月10日和2019年1月17日的Landsat OLI 8數(shù)據(jù)，用于反演地表溫度及提取植被和建設(shè)用地區(qū)域。數(shù)據(jù)來源于美國地質(zhì)勘探局(United States Geological Survey，USGS)，關(guān)鍵數(shù)據(jù)信息如下。

2019年1月17日數(shù)據(jù)：

LANDSAT_PRODUCT_ID=“LC08_L1TP_127036_20190117_20190131_0 1_T1”，DATE_ACQUIRED=2019-01-17，SCENE_CENTER_TIME=“03:19:39.7352850Z”。

2018年8月10日數(shù)據(jù)：

LANDSAT_PRODUCT_ID=“LC08_L1TP_127036_20180810_20180815_01_T1”，DATE_ACQUIRED=2018-08-10，SCENE_CENTER_TIME=“03:19:13.1549220Z”。

2.2 研究方法

2.2.1 基于地表溫度差值數(shù)量變化界定全區(qū)植被降溫效應(yīng)的空間分布

找到植被和建設(shè)用地空間分布與地表溫度的關(guān)系，量化綠地降溫效應(yīng)的空間范圍，步驟如下：反演冬季和夏季典型的地表溫度—計算地表溫度差值—分析溫度差值直方圖數(shù)值擬合曲線的特征，找到分布拐點—根據(jù)拐點數(shù)值分類溫度差值，提取地表溫度的空間分布結(jié)構(gòu)—通過剖面溫度進(jìn)一步觀察綠地夏季降溫和冬季保溫的作用及空間變化關(guān)系。

其中，地表溫度反演的計算方法采取胡德勇等提出的單窗算法，結(jié)合Landsat OLI 8熱紅外數(shù)據(jù)反演[9]獲取。直方圖數(shù)值擬合曲線采用python庫seaborn提供的distplot方法進(jìn)行計算。地表溫度會因為地物的不同而變化，通過不同季節(jié)地表溫度差值計算強(qiáng)化了植被、建設(shè)用地空間分布與地表溫度之間的聯(lián)系。植被夏季降溫、冬季保溫，溫度差值較小；而建設(shè)用地夏季高溫、冬季低溫，溫度差值較大；植被與建設(shè)用地的過渡區(qū)域則表現(xiàn)為從一類地物過渡到另一類地物的溫度變化，從這個溫度變化可以推測出綠地降溫效應(yīng)的區(qū)域。

圖1 2018年8月10日地表溫度

圖2 2019年1月17日地表溫度

2.2.2 基于卷積溫度梯度變化界定冷區(qū)和熱區(qū)的空間分布結(jié)構(gòu)

此次實驗中所定義的冷區(qū)和熱區(qū)是由溫度變化為0作為邊界來界定的。具體的含義代表每一柵格單元(此次實驗的遙感影像精度為30m)與其周邊柵格單元的溫度差異，當(dāng)變化大于0時，該柵格單元相較周邊具有較高的溫度，具有熱源的效應(yīng)，通常為建設(shè)用地；在風(fēng)景園林規(guī)劃分析綠地的降溫效應(yīng)時，通常是指冷源，即溫度變化值小于0，計算柵格溫度較周邊柵格溫度低。以柵格溫度變化來區(qū)分冷、熱區(qū)域，較之與溫度均值的比較更具有說服力，明確了溫度變化的特征，強(qiáng)調(diào)了溫度水平向的動態(tài)變化。

為了提取冷區(qū)和熱區(qū)，需要分析每一柵格溫度與周邊臨近柵格溫度的變化關(guān)系，因此使用卷積的方法，設(shè)置卷積核為：[[1/8，1/8，1/8]，[1/8，-1，1/8]，[1/8，1/8，1/8]]，即計算柵格溫度與周邊柵格溫度均值的差值，作為柵格間溫度變化比較的參照。卷積使用python庫SciPy提供的convolve2d方法。為了進(jìn)一步分析冷區(qū)的空間分布結(jié)構(gòu)，提取冷區(qū)用以標(biāo)識出獨立的冷區(qū)范圍，調(diào)整這些獨立冷區(qū)的綠地結(jié)構(gòu)，有助于改善城市微氣候的舒適度。

2.2.3 基于機(jī)器學(xué)習(xí)回歸算法建立用于綠地規(guī)劃評估的地表溫度預(yù)測模型

地表溫度所反映的城市空間分布結(jié)構(gòu)，有助于在城市微更新的過程中對城市開放空間的熱環(huán)境進(jìn)行調(diào)控。但是，若以地表溫度作為熱環(huán)境的指示指標(biāo)來評估規(guī)劃內(nèi)容的合理性，則需要能夠根據(jù)規(guī)劃中綠地的分布來預(yù)測地表溫度的分布，從而更加直接地反饋規(guī)劃布局，并給出調(diào)整的方向。

此次實驗采用機(jī)器學(xué)習(xí)開源庫scikit-learn的Extra trees(極其隨機(jī)森林)、k-NN(k-近鄰算法)、Linear regression(線性回歸)和Ridge(嶺回歸)算法建立預(yù)測模型。以地表溫度為目標(biāo)變量，以植被、建設(shè)用地和水體作為解釋變量。切割2018年8月10日的地表溫度數(shù)據(jù)，獲取每一樣本范圍為3 000m×3 000m的324個樣本為目標(biāo)變量，并將其劃分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集，劃分比例為0.85。對于標(biāo)識用地類型的解釋變量，使用歸一化植被指數(shù)(Normalized Difference Vegetation Index，NDVI)。人工辨別可以劃分植被、建設(shè)用地和水體的閾值為[0.17，0.48]，即小于0.17的為建設(shè)用地，位于0.17～0.48之間的為植被，大于0.48的為水體。解譯閾值由人工辨別調(diào)試確定，不同的影像閾值范圍會有所不同。

對于模型的評估，采用準(zhǔn)確率(PRE)和召回率(REC)的組合F1分?jǐn)?shù)：

F1＝2(PRE×REC)/(PRE＋REC)

具體調(diào)用機(jī)器學(xué)習(xí)開源庫scikit-learn的f1_score方法直接計算。在初步預(yù)測評估中，將預(yù)測結(jié)果按照均值劃分為2個區(qū)域，再調(diào)用f1_score方法進(jìn)行評價，分析其與真實值之間的差距。最大值為1，最小值為0，值越趨近于1，精確度越高。

圖3 地表溫度差值

圖4 溫度差值直方圖、擬合曲線和拐點

圖5 A區(qū)：城市綠地(漢長安城未央宮遺址)

3 結(jié)果

3.1 基于地表溫度差值數(shù)量變化界定全區(qū)植被降溫效應(yīng)的空間分布

反演2018年8月10日和2019年1月17日地表溫度(圖1、2)，8月10日的地表溫度變化范圍為17.78～37.89℃，1月17日為-8.93～14.44℃。計算二者的地表溫度差值(圖3)，變化范圍為11.60～37.89℃，因為地物不同，植被和建設(shè)用地的分布影響了溫度變化的幅度。為了分析地表溫度變化與植被和建設(shè)用地空間分布的關(guān)系，尤其是植被的降溫效應(yīng)，使用直方圖觀察溫度差值的數(shù)據(jù)分布，擬合曲線并尋找曲線變化的關(guān)鍵區(qū)域(圖4)。根據(jù)曲線變化特征，獲取主要拐點，依次為16.2、18.9、19.8、20.5、21.8和25.0℃6個關(guān)鍵點。根據(jù)關(guān)鍵點劃分溫度變化的區(qū)間(圖4)，分析空間分布關(guān)系。10.0～16.2℃的溫度差值數(shù)量開始上升，主要為平原林地；16.2～18.9℃數(shù)量爬升相對較快，此區(qū)間分布為大量農(nóng)田；18.9～19.8℃數(shù)量有所下降，并于19.8～20.5℃區(qū)間基本保持水平，并再次于20.5～21.8℃開始爬升。這3組區(qū)間的溫度變化反映了植被與建設(shè)用地之間的溫度變化情況，即18.9～21.8℃反映了植被的降溫效應(yīng)空間分布結(jié)構(gòu)；21.8～25℃區(qū)域溫度差值數(shù)量開始迅速下降，主要為建成區(qū)；25℃之后的區(qū)域為一些較為特殊的建筑，對地表溫度的影響最為突出。同時可以觀察到南部山區(qū)溫度差值相對較高，高程變化對地表溫度的影響較高。

進(jìn)一步分析植被的降溫效應(yīng)，提取圖3中標(biāo)識的A區(qū)(城市綠地：漢長安城未央宮遺址)和B區(qū)(城市邊緣)。從A區(qū)中可以觀察到城市綠地對城市降溫效應(yīng)(18.9～21.8℃變化區(qū)間)的空間分布情況(圖5)，為研究城市發(fā)展、綠地建設(shè)，尤其是開放空間提供了可以量化的綠地降溫效應(yīng)空間范圍。剖面的溫度變化可以進(jìn)一步說明綠地的降溫效應(yīng)，在夏季降溫，以及在冬季保溫的作用(圖6～8)。

B區(qū)城市邊緣的農(nóng)田、林地與城市建成區(qū)之間的溫度變化情況，與A區(qū)城市綠地的降溫效應(yīng)相同。

3.2 基于卷積溫度梯度變化界定冷區(qū)和熱區(qū)的空間分布結(jié)構(gòu)

圖9-1為2018年8月10日部分區(qū)域地表溫度；圖9-2為卷積后結(jié)果，即每一柵格單元(30m×30m)與鄰近周邊柵格單元的溫度差值；圖9-3為以單元間溫度變化為0為界，提取冷區(qū)和熱區(qū)。柵格單元溫度高于周邊柵格，值為正，為熱區(qū)；相反，為冷區(qū)。根據(jù)計算后結(jié)果，冷區(qū)的分布主要適應(yīng)植被的分布情況(圖10)。其中白色區(qū)域為熱區(qū)，帶有顏色的區(qū)域為冷區(qū)，表明了冷熱區(qū)的空間分布相互交替，并且互相穿插連通，形成眾多多變的局地小氣候環(huán)境。進(jìn)一步，通過對冷區(qū)賦予不同的顏色，可以清晰地觀察到相對獨立的冷區(qū)區(qū)域。根據(jù)綠地集聚效應(yīng)增強(qiáng)局地降溫效果，指出了可以進(jìn)一步通過綠地的調(diào)整來連接這些獨立冷區(qū)，為城市微更新、改善城市熱環(huán)境提供量化的參照。

3.3 基于機(jī)器學(xué)習(xí)回歸算法建立用于綠地規(guī)劃評估的地表溫度預(yù)測模型

在建立預(yù)測模型時，數(shù)據(jù)方面需要準(zhǔn)備用作解釋變量的土地覆蓋類型數(shù)據(jù)(本次實驗為綠地、水體和建設(shè)用地)，并通過計算解譯的準(zhǔn)確率來判斷解譯精度是否滿足數(shù)據(jù)需求，以及用作目標(biāo)變量的地表溫度。

在解譯遙感影像獲取地表覆蓋類型數(shù)據(jù)后，分析解譯精度。根據(jù)n=pqz2/d2，p和q分別為解譯判讀正確和錯誤的百分比，z對應(yīng)于置信水平，d為誤差允許范圍。假定解譯精度為90%，則p=0.9，q=0.1，取置信水平為95%時，z2＝3.84，如果誤差允許范圍q=±5%，則n＝(3.84×0.9×0.1)/(0.05×0.05)≈138。因此，樣本量應(yīng)不小于138[10]。設(shè)計2018年8月10日Landsat-8 NDVI計算實驗樣本數(shù)為150(圖11)。計算NDVI，通過人工判讀確定3個分類的閾值區(qū)域分別為：NDVI建成區(qū)<0.3、0.3≤NDVI綠地<2.5、NDVI水體≥2.5(圖12)。對計算結(jié)果給予精度評價，計算混淆矩陣結(jié)果為：[[70，7，0]，[7，64，0]，[2，0，0]]，其中真實建設(shè)用地為70，誤判為綠地的為7，誤判為水體的為2；真實綠地為64，誤判為建設(shè)用地的為7；水體誤判為建設(shè)用地的為2。準(zhǔn)確率為89.3%，因此該數(shù)據(jù)可以用作解釋變量的輸入數(shù)據(jù)。

計算地表溫度結(jié)果如圖1、2所示。以建設(shè)用地、綠地和水體分類的用地類型為回歸模型的解釋變量，以LST計算結(jié)果為目標(biāo)變量，使用回歸模型Extra trees、k-NN、Linear regression和Ridge分別訓(xùn)練模型。圖13為在測試數(shù)據(jù)集中，根據(jù)已知用地分類預(yù)測LST的部分結(jié)果。

在結(jié)果的評價上，以LST均值將預(yù)測結(jié)果劃分為2類：小于均值區(qū)域和大于均值區(qū)域。圖14中以色彩折線標(biāo)識兩區(qū)。計算F1分?jǐn)?shù)，4類模型預(yù)測結(jié)果箱形圖。其中，Linear regression和Ridge表現(xiàn)較好，中位數(shù)分別為0.723、0.727，均值分別為0.723、0.726。由F1分?jǐn)?shù)折線圖(測試樣本集數(shù)量為57)可以看到，測試樣本20的F1分?jǐn)?shù)Linear regression和Ridge約為0.4，分?jǐn)?shù)較低(圖15)。對比樣本20的NDVI分類真實值，其所涵蓋的分類類型單一，基本為建設(shè)用地。因此，以該種類型為解釋變量預(yù)測LST的分布預(yù)測值的精度較低。如果所包含的類別豐富，則預(yù)測值的精度較高，在一定程度上可用于規(guī)劃空間結(jié)構(gòu)熱環(huán)境的評估參照。

4 結(jié)論與討論

4.1 量化地表溫度所反映的城市空間分布結(jié)構(gòu)

Dipanjan Majumdar 等通過局部空間自相關(guān)指標(biāo)(Local Indicators of Spatial Autocorrelation，LISA)，使用開源GeoDa計算比較不同空間權(quán)重下地表溫度的空間同質(zhì)性，并以溫度和植被指數(shù)特征空間(The Temperature and Vegetation Index Feature Space)驗證具有顯著的土地利用變化[11]。Guo Guanhua等則將面向?qū)ο蟮膱D像分割與局部空間自相關(guān)指標(biāo)相結(jié)合，從地表溫度中提取城市熱島簇，分析地表溫度與歸一化植被指數(shù)、歸一化建筑指數(shù)和歸一化差異裸露指數(shù)的相關(guān)性，探索了在精細(xì)空間尺度下地表溫度隨城市土地利用變化的關(guān)系[12]。Lin Wenqi等通過分析綠地8個方向上的截面溫度，測量降溫效應(yīng)的有效范圍[13]。部分研究者以60m步長，綠地周邊設(shè)置10個緩沖帶，計算緩沖帶溫度均值的差來分析綠地對熱島效應(yīng)降溫范圍的影響等[7]。

上述依據(jù)地表溫度研究城市土地利用變化及綠地降溫效應(yīng)的方法，均以不同的途徑試圖找到地表溫度變化與城市空間分布結(jié)構(gòu)之間的關(guān)系，但是沒有涉及提取城市尺度下植被與建設(shè)用地過渡區(qū)域地表溫度變化的具體范圍，即綠地降溫效應(yīng)的作用區(qū)域。對降溫效應(yīng)具體區(qū)域的確定，在將地表溫度作為城市熱環(huán)境評價指示因子的同時，有助于城市綠地規(guī)劃的落實。

圖6 2018年8月10日的P1剖面地表溫度

圖7 2019年1月17日的P1剖面地表溫度

圖8 P1剖面的溫度差值

圖9 部分區(qū)域地表溫度、卷積溫度梯度和冷、熱區(qū)

同時，根據(jù)上述相關(guān)研究者提及的局部空間自相關(guān)指標(biāo)，使用GeoDa計算2018年8月10日地表溫度的局部空間自相關(guān)指標(biāo)(圖16)。P值為0.01的為7 101個單元，P值為0.001的為3 232 899個單元，均小于0.05，置信度大于95%，說明分析的結(jié)果是可行的。但是通過局部空間自相關(guān)指標(biāo)只能提取H-H(熱點：目標(biāo)柵格及其周邊柵格的溫度高于平均水平)、L-L(冷點：目標(biāo)柵格及其周邊柵格的溫度低于平均水平)、H-L(島嶼：目標(biāo)柵格溫度明顯高于周邊柵格溫度)和L-H(環(huán)礁：目標(biāo)柵格溫度明顯低于周邊柵格溫度)。因此，本次實驗基于地表溫度差值數(shù)量變化，擬合數(shù)值直方圖曲線，根據(jù)曲線拐點分析地表溫度的城市空間分布，進(jìn)一步推進(jìn)了綠地降溫效用空間區(qū)域的量化。同時，與局部空間自相關(guān)指標(biāo)獲取的冷、熱區(qū)不同，采取卷積溫度梯度變化界定冷區(qū)和熱區(qū)的空間分布結(jié)構(gòu)，細(xì)化了冷、熱區(qū)的范圍，為城市微氣候的研究提供了一種界定分析界限的思路。

圖10 獨立的冷區(qū)區(qū)域

圖11 隨機(jī)采樣

圖12 土地覆蓋

圖13 預(yù)測結(jié)果

圖14 F1分?jǐn)?shù)分布

圖15 測試數(shù)據(jù)集F1分?jǐn)?shù)

圖16 局部空間自相關(guān)指標(biāo)

4.2 將地表溫度作為城市熱環(huán)境評價的指示因子建立預(yù)測模型

目前對于地表溫度的研究通常處于對城市土地利用的關(guān)系分析、綠地調(diào)控、熱環(huán)境評估等階段，但是不容易將其落實到規(guī)劃空間，即操作性相對較弱，Zhang Yujia等以美國亞利桑那州鳳凰城作為研究區(qū)域，利用地表溫度和土地覆蓋數(shù)據(jù)對綠地的直接和間接降溫效益進(jìn)行量化和預(yù)測，通過生態(tài)景觀指數(shù)將降溫效應(yīng)與綠地位置聯(lián)系起來，確定最佳綠地布局的方法[14]，在一定程度上推進(jìn)了規(guī)劃落實的可行性。

圖17 基于多模型人臉補(bǔ)全(引自機(jī)器學(xué)習(xí)開源庫scikit-learn官網(wǎng))

根據(jù)既往研究[6，7，11-12]，地表溫度與NDVI、NDBI等反映城市土地利用關(guān)系的相關(guān)指數(shù)存在相關(guān)性，可以建立回歸模型，通過反映土地利用的相關(guān)指數(shù)來預(yù)測地表溫度，進(jìn)而指導(dǎo)規(guī)劃。因此，在此次實驗中，試圖通過提取規(guī)劃階段的綠地、建設(shè)用地和水體的空間分布來直接預(yù)測地表溫度的變化。其中的核心技術(shù)是機(jī)器模型的建立，遷移機(jī)器學(xué)習(xí)開源庫提供的人臉補(bǔ)全案例(圖17為案例的實驗結(jié)果)，初步依據(jù)綠地、建設(shè)用地和水體的城市空間分布數(shù)據(jù)建立地表溫度的預(yù)測模型。

預(yù)測精度受到幾個因素的影響。1)遙感影像的精度。此次實驗高空分辨率為30m，適合于分析城市級尺度，如果希望空間精細(xì)化，則需提升影像的分辨率。2)土地覆蓋物的分類。雖然綠地、建設(shè)用地和水體是影響地表溫度的主要因素，但是進(jìn)一步細(xì)分覆蓋類型可能會提升預(yù)測精度，在之后的實驗中可以分析之間的相關(guān)程度，增加分類類別。3)同一覆蓋物的分布差異。如林地存在稀疏之分，建筑密度也會不同，因此可以嘗試結(jié)合Guo Guanhua提出的面向?qū)ο蟮膱D像分割方法，細(xì)分同一覆蓋類型。4)模型的選擇。此次實驗Linear regression和Ridge表現(xiàn)較好。因為預(yù)測模型不能精準(zhǔn)預(yù)測具體的溫度，但是對于溫度變化的分布預(yù)測較好，因此在精度評價時，采取以均值分為2類的方式做F1分?jǐn)?shù)評估。隨著對實驗精度主要影響因素的改進(jìn)，可以嘗試將預(yù)測溫度劃分多個等級，做精度評價。如果精度評價的分?jǐn)?shù)合理，對規(guī)劃的指導(dǎo)意義將會得到進(jìn)一步提升。

探索地表溫度與城市空間分布結(jié)構(gòu)的關(guān)系，主要目的是量化地表溫度在空間上的分布范圍及結(jié)構(gòu)形式。空間上的分布范圍通過分析地表溫度差值數(shù)量變化擬合的曲線拐點來確定，而結(jié)構(gòu)形式則通過卷積溫度梯度變化界定冷區(qū)和熱區(qū)得以觀察。在將地表溫度作為城市熱環(huán)境評估的指示因子時，則試圖建立機(jī)器學(xué)習(xí)回歸模型，通過對地表溫度有主要影響的綠地、建設(shè)用地和水體來預(yù)測地表溫度，從而在熱環(huán)境評價方面為規(guī)劃提供參照。同時，需要強(qiáng)調(diào)的是，受所獲取數(shù)據(jù)的限制，本次實驗為某一時刻所拍攝的遙感影像數(shù)據(jù)(Landsat8重訪周期為16d)，反演的地表溫度為靜態(tài)溫度。因此，根據(jù)規(guī)劃目的的需要，調(diào)整計算的地表溫度在空間上的分布結(jié)構(gòu)或推測影響的閾值區(qū)間是進(jìn)一步深入研究的重點。

注：文中圖片除注明外，均由作者繪制。