地表土壤水分的衛(wèi)星遙感反演方法研究進(jìn)展

徐嘉昕 李璇 朱永超 房世波 吳東 武英潔

（1 中國(guó)氣象科學(xué)研究院生態(tài)環(huán)境與農(nóng)業(yè)氣象研究所，北京 100081；2 中國(guó)氣象局蘭州干旱氣象研究所，蘭州 730000）

0 引言

在地球生態(tài)系統(tǒng)中，地表土壤水分是連接地表水和地下水的紐帶，也是氣候、水文和農(nóng)業(yè)等研究領(lǐng)域衡量土壤干旱程度的重要指標(biāo)[1-3]。同時(shí)可以通過(guò)其變化來(lái)改變地表反射率、地表蒸發(fā)量、土壤熱容量和植被生長(zhǎng)狀況等地表參數(shù)，從而影響地表水熱過(guò)程[4-5]，在農(nóng)業(yè)生產(chǎn)中，農(nóng)田地表土壤水分是農(nóng)作物生長(zhǎng)發(fā)育的基本條件，也是作物干旱災(zāi)害的預(yù)警信息[6]，在作物灌溉前，土壤水分是干旱監(jiān)測(cè)的重要指標(biāo)、判斷作物需水量的重要依據(jù)和作物長(zhǎng)勢(shì)監(jiān)測(cè)、估產(chǎn)的重要參數(shù)；作物灌溉后，土壤水分的變化情況是評(píng)價(jià)灌溉效果的重要依據(jù)。因此獲取精確可靠的土壤水分信息對(duì)準(zhǔn)確實(shí)施農(nóng)田灌溉具有重要的指導(dǎo)意義。

近年來(lái)，國(guó)內(nèi)外對(duì)土壤水分的反演做了大量研究，現(xiàn)有反演方法已相對(duì)成熟，主要有以下三類：傳統(tǒng)的基于點(diǎn)尺度土壤水分物理監(jiān)測(cè)方法、基于物理模型和數(shù)學(xué)計(jì)算方法的土壤水分模擬技術(shù)和基于空間遙感技術(shù)的土壤水分反演方法[3,7-9]。傳統(tǒng)的基于點(diǎn)尺度土壤水分物理監(jiān)測(cè)方法主要有取樣稱重法（烘土法）[10]、張力計(jì)法（負(fù)壓計(jì)法）[11]、電阻法、中子儀法[12]、駐波比法、時(shí)域反射儀法（TDR法）[13-14]和土壤濕度計(jì)法等。上述方法具有測(cè)定的土層多、深度大、精度高等特點(diǎn)，同時(shí)，大氣和植被等要素對(duì)其影響很小。由于取樣稱重法在測(cè)量精度上具有其他方法不可比擬的優(yōu)勢(shì)，因此它作為一種實(shí)驗(yàn)室測(cè)量方法并用于其他方法的標(biāo)定將長(zhǎng)期存在。但是，由于土壤水分在空間、時(shí)間尺度上的變化都較大，因此基于點(diǎn)尺度的土壤水分監(jiān)測(cè)方法最大的不足則是取樣代表性難以保證，不僅會(huì)消耗大量人力財(cái)力，而且無(wú)法在規(guī)定時(shí)間內(nèi)取得大范圍的地表土壤濕度信息，數(shù)據(jù)實(shí)時(shí)性差。基于數(shù)學(xué)模型的土壤水分模擬計(jì)算方法主要有數(shù)理統(tǒng)計(jì)模型（統(tǒng)計(jì)回歸模型、人工神經(jīng)網(wǎng)絡(luò)模型等）[15]、概念性機(jī)理模型、物理機(jī)理模型等。對(duì)于較小空間尺度來(lái)說(shuō)，一般利用確定性的土壤水動(dòng)力模型或者基于隨機(jī)理論的數(shù)理統(tǒng)計(jì)模型都可對(duì)土壤水分變化進(jìn)行研究。其中，數(shù)理統(tǒng)計(jì)模型與概念型模型這類模型的優(yōu)勢(shì)是參數(shù)要求不高，計(jì)算量較小，缺點(diǎn)是模擬精度有限；而物理機(jī)理模型雖然模擬精度較高，但對(duì)土壤參數(shù)要求較為復(fù)雜，所需氣象數(shù)據(jù)較多，不適用于大尺度農(nóng)田地表土壤水分監(jiān)測(cè)[16-18]。

而隨著空間遙感技術(shù)的發(fā)展，以上反演土壤水分方法的缺點(diǎn)可以逐漸被克服，其時(shí)效快、區(qū)域廣等特點(diǎn)使得遙感技術(shù)成為反演農(nóng)田地表土壤水分變化的主要方法。從原理上可分為兩大類：一類基于土壤水分的變化引起土壤光譜反射率的變化。另一類基于干旱引起植物生理過(guò)程的變化，從而改變?nèi)~片的光譜屬性，并顯著地影響植物冠層的光譜反射率[19]。

1 土壤水分遙感反演方法發(fā)展與現(xiàn)狀

1.1 可見(jiàn)光和近紅外遙感

該方法主要利用土壤及土壤上所覆蓋植被的光譜反射特性來(lái)估算土壤水分。當(dāng)土壤含水量較高時(shí)，各個(gè)波段的光譜反射率下降，反之上升，因此光譜反射率在一定程度上可以反映土壤表面的干濕狀況。20年代60世紀(jì)初期，基于遙感技術(shù)進(jìn)行土壤水分反演的理論研究已經(jīng)開(kāi)始了[20]，到70年代中期，日本學(xué)者以5種土壤的反射率為基礎(chǔ)，建立了綠波段和藍(lán)波段的膠片密度和土壤水分含量的多元回歸線性方程[21]。Henricksen等[22]利用1983年和1984年兩個(gè)時(shí)期Ethiopia的四景AVHRR影像，比較了同地區(qū)不同時(shí)期的干旱狀況。80年代起我國(guó)學(xué)者也開(kāi)始了此方面的研究，李建龍等利用TM 2～4波段數(shù)據(jù)，建立了農(nóng)田土壤水分遙感監(jiān)測(cè)模型，采用反演模型與地面實(shí)踐相結(jié)合的方法，建立土壤水分遙感動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)[23]。徐彬彬等[24-26]通過(guò)野外觀測(cè)不同水分情況下的稻田光譜反射曲線，發(fā)現(xiàn)水體在藍(lán)綠波段（0.4～0.6 μm）反射率較高，紅波段開(kāi)始下降，紅外波段明顯吸收；水中含有較多泥沙時(shí)，光譜反射率明顯增高，濕土的光譜反射率明顯下降。進(jìn)一步表明特別是在紅外波段，土壤含水量的增加會(huì)降低光譜反射率。但是當(dāng)田間持水量超過(guò)最大值時(shí)，土壤的光譜反射率又再次增加，這是因?yàn)橥寥浪韺拥溺R面反射引起的。郭廣猛等基于水的吸收率曲線，利用MODIS數(shù)據(jù)的中紅外波段來(lái)反演土壤濕度，通過(guò)野外調(diào)查驗(yàn)證和回歸分析，表明土壤水分與MODIS第7波段的反射率之間具有良好的相關(guān)性[27]。但虞獻(xiàn)平等[28]指出，利用土壤反射率的差異來(lái)反演土壤水分，會(huì)因?yàn)橥寥李愋筒煌?，使得土壤水分反演誤差較大。

1.2 熱紅外遙感

該方法的理論基礎(chǔ)是不同水分含量土壤的熱力學(xué)特征明顯不同，即土壤水分的變化會(huì)導(dǎo)致土壤的熱傳導(dǎo)系數(shù)、密度以及比熱容都發(fā)生變化，從而使得土壤溫度發(fā)生變化。熱紅外遙感主要是利用土壤表面溫度變化幅度、土壤植被冠層和冠層空氣溫差、表觀熱慣量、蒸散比等來(lái)監(jiān)測(cè)土壤含水量[29]。Myers等[30]指出，無(wú)植被或者植被覆蓋較少的土壤其水分含量可由土壤表面溫度變化測(cè)定，最深可到50 cm。Watson等通過(guò)熱紅外遙感影像插值計(jì)算得到地表溫度日較差，從而獲得土壤熱慣量[31]。Jackson[32-34]等利用NDVI監(jiān)測(cè)干旱發(fā)現(xiàn)只有水分脅迫嚴(yán)重時(shí)，植被指數(shù)才會(huì)發(fā)生明顯的變化。Kogan[35]在20世紀(jì)90年代初提出了植被狀態(tài)指數(shù)（Vegeration Condition Index ， VCI），Price用植被指數(shù)、地表溫度來(lái)監(jiān)測(cè)研究區(qū)蒸散發(fā)量。章立玲等[36]通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，土壤水分含量越大，土壤溫度變化越慢，潮濕土壤熱容量大，溫度不易升高，干燥土壤熱容量低，溫度易升高。羅秀陵[37]和李杏朝[38]利用AVHRR4波段的數(shù)據(jù)，分別結(jié)合密度分割法、日夜溫差法和地面氣象、農(nóng)情等資料進(jìn)行旱情監(jiān)測(cè)。目前有較多植被、水文、土壤水分等指數(shù)應(yīng)用于微波遙感法，如表1所示[39]。

1.3 微波遙感

微波遙感反演土壤水分的理論基礎(chǔ)是土壤的介電特性與土壤水分含量有密切的相關(guān)性，表現(xiàn)在遙感影像上是灰度值及亮度溫度的變化[40-41]。液態(tài)水的介電常數(shù)大概在80，干土的為3，隨著土壤中水分含量的不斷增加，土壤介電常數(shù)隨之增大，導(dǎo)致后向散射系數(shù)同樣增大[42-44]。李俐等[45]總結(jié)出用于建立土壤水分與后向散射系數(shù)之間關(guān)系的常用算法，主要有變化檢測(cè)法[46-47]、回歸分析法[48-49]、人工神經(jīng)網(wǎng)絡(luò)法[50-52]、優(yōu)化方法[53]、查找表反演法[54-55]、多極化數(shù)據(jù)反演方法[56-57]。主要分為主動(dòng)微波遙感、被動(dòng)微波遙感和主被動(dòng)結(jié)合微波遙感。

表1 常用指數(shù)名稱、類型總結(jié)Table 1 Summary of common index type

1.3.1 主動(dòng)微波遙感

土壤含水量不同，其雷達(dá)回波信號(hào)也不同，據(jù)此可建立土壤水分與后向散射系數(shù)的關(guān)系。目前大多數(shù)研究多采用統(tǒng)計(jì)方法，通過(guò)實(shí)驗(yàn)數(shù)據(jù)的相關(guān)分析建立土壤水分與后向散射系數(shù)之間的經(jīng)驗(yàn)函數(shù)關(guān)系[21]，其中以線性關(guān)系的應(yīng)用最為普遍。國(guó)內(nèi)李杏朝[58]利用這種方法，在植被較少、地形較平坦的區(qū)域用X波段散射計(jì)測(cè)量了土壤后向散射系數(shù)，并與同步獲取的X波段、HH極化的機(jī)載SAR影像反演出的土壤水分相比較，得出兩種方法所測(cè)出的土壤水分精度相似。田國(guó)良等[59]利用11月中旬在河南取得的波段機(jī)載合成孔徑雷達(dá)影像進(jìn)行小麥區(qū)土壤水分監(jiān)測(cè)，將測(cè)量的結(jié)果分成8個(gè)不同水分等級(jí)。曾旭靜等[60]以哨兵1號(hào)雙極化合成孔徑雷達(dá)遙感影像為基礎(chǔ)，結(jié)合同時(shí)段光學(xué)遙感數(shù)據(jù)Landsat 8，對(duì)北安—黑河高速沿線地區(qū)不同植被覆蓋程度下復(fù)雜地表土壤水分進(jìn)行反演研究，探討不同極化組合方式在不同土地利用方式下的土壤水分含量反演結(jié)果。結(jié)果表明：VH等極化方式反演的整體效果不佳，VV極化和雙極化VV/VH組合在裸地和低植被覆蓋區(qū)的效果更好，而VV與輔助變量NDVI組合方式在中等植被覆蓋地區(qū)土壤含水量反演精度最高，同時(shí)也說(shuō)明了哨兵1號(hào)C波段合成孔徑雷達(dá)在土壤水分研究中的高效性和精確性。李新武[61]等提出了一個(gè)針對(duì)重復(fù)軌道SIR-C數(shù)據(jù)的極化干涉SAR植被覆蓋地表土壤水分反演方法，同時(shí)，探討和分析了極化干涉SAR最大似然反演分解模型在植被覆蓋區(qū)土壤水分反演中的潛力和有效性。試驗(yàn)結(jié)果表明：基于極化干涉SAR最大似然反演分解模型的植被覆蓋區(qū)土壤水分反演方法得到的結(jié)果具有足夠高的反演精度。

1.3.2 被動(dòng)微波遙感

隨著土壤水分的變化，由輻射計(jì)觀測(cè)到的亮溫也在隨之變化。針對(duì)裸露的土壤表面而言，土壤水分的增加將會(huì)導(dǎo)致亮度溫度減小。國(guó)內(nèi)外專家圍繞兩者的關(guān)系做了大量的野外試驗(yàn)和理論研究，與主動(dòng)微波遙感相比，被動(dòng)微波遙感土壤水分研究開(kāi)展較早，技術(shù)和算法相對(duì)也更加成熟一些。20世紀(jì)70年代，Schmugge等[62]對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行了分析，發(fā)現(xiàn)亮度溫度與土壤水分具有較好的線性相關(guān)。在植被覆蓋的地區(qū)，由于植被中含有水分，使得同一地區(qū)土壤水分的反演出現(xiàn)了較大誤差，因此需建立土壤水分與植被之間的聯(lián)系[63-64]。Chirstian等通過(guò)對(duì)大麥5個(gè)波段的微波亮度進(jìn)行野外測(cè)量，得出了被動(dòng)微波輻射信息包含土壤水分和植被含水量信息，并且植被水分對(duì)低頻波段產(chǎn)生了強(qiáng)烈的反應(yīng)，而作物生育過(guò)程對(duì)高頻波段的發(fā)展變化更加敏感。毛克彪等[65]總結(jié)出針對(duì)于裸露無(wú)植被覆蓋的地表而言，典型的微波模型有幾何光學(xué)模型（GOM）、物理光學(xué)模型（POM）、積分模型（IEM）、改進(jìn)的積分模型（AIEM）、小擾動(dòng)模型（SPM）、Q/H及Q/P模型；若地表有植被覆蓋，代表模型有水云模型、農(nóng)作物模型、MMICS模型。其中，由于被動(dòng)微波受植被水分的影響很大[66]，因此裸露地表的輻射信號(hào)相對(duì)簡(jiǎn)單，所以針對(duì)其的模型也更成熟。

1.3.3 主被動(dòng)微波結(jié)合遙感

主被動(dòng)微波遙感結(jié)合對(duì)在反演土壤水分可以提高土壤水分的反演精度，而且相對(duì)于單一使用主動(dòng)或被動(dòng)微波遙感，可提高空間分辨率[67-68]。當(dāng)前的方法主要分為兩類：一是將二者融合，共同反演土壤水分；二是先采用高分辨率的主動(dòng)微波遙感測(cè)定植被和粗糙度參數(shù)，然后輔助以低分辨率被動(dòng)微波遙感測(cè)定的亮溫值來(lái)估算土壤濕度或者以高分辨率的主動(dòng)微波下推被動(dòng)法獲得的土壤濕度[69-71]。李震等[72]為消除植被覆蓋的影響，建立了一個(gè)半經(jīng)驗(yàn)公式模型，用來(lái)計(jì)算體散射項(xiàng)，綜合時(shí)間序列的主被動(dòng)微波遙感數(shù)據(jù)，進(jìn)而監(jiān)測(cè)地表土壤水分的變化狀況。趙天杰等[73]針對(duì)ALOS/PALSAR數(shù)據(jù)，通過(guò)對(duì)大量后向散射模擬數(shù)據(jù)的分析，建立裸露地表粗糙度計(jì)算模型；利用模擬數(shù)據(jù)分析地表輻射亮溫隨土壤水分和粗糙度的變化規(guī)律，在此基礎(chǔ)上構(gòu)建NN模型結(jié)合粗糙度計(jì)算結(jié)果和輻射計(jì)飛行數(shù)據(jù)反演研究區(qū)域的土壤水分。衛(wèi)煒[74]利用主被動(dòng)微波遙感的特點(diǎn)，提出了基于PALS系統(tǒng)的主被動(dòng)微波遙感聯(lián)合監(jiān)測(cè)土壤水分方法，使得不用大量獲取植被含水量和地表溫度等輔助數(shù)據(jù)就可以實(shí)現(xiàn)對(duì)農(nóng)田土壤水分的反演以及動(dòng)態(tài)變化監(jiān)測(cè)。孫亞勇[75]開(kāi)展C波段主動(dòng)微波雷達(dá)數(shù)據(jù)和L波段被動(dòng)微波輻射計(jì)亮溫?cái)?shù)據(jù)協(xié)同反演表層土壤水分研究。

紅外-近紅外遙感、熱紅外遙感和微波遙感這幾種不同波段反演土壤水分的優(yōu)缺點(diǎn)歸納如表2。

表2 不同遙感波段反演土壤水分的優(yōu)缺點(diǎn)歸納Table 2 Advantages and limitations of different spectral bands in monitoring the soil moisture

2 農(nóng)田地表土壤水分主要反演方法

2.1 變化檢測(cè)法

變化監(jiān)測(cè)法是通過(guò)建立兩景不同時(shí)期影像的土壤水分與后向散射系數(shù)差值間的簡(jiǎn)單關(guān)系模型來(lái)進(jìn)行土壤水分的反演。張祥等[76]基于改進(jìn)的變化檢測(cè)模型，利用不同時(shí)期Sentinel-1A數(shù)據(jù)反演農(nóng)田土壤水分變化信息。首先利用積分方程模型（Integral Equation Model，IEM）模擬數(shù)據(jù)分析雷達(dá)后向散射系數(shù)變化與土壤水分變化之間的關(guān)系，在作物生育期內(nèi)，土壤表面粗糙度沒(méi)有發(fā)生變化的情況下，以上兩者具有極高關(guān)聯(lián)性，驗(yàn)證了IEM模型用于反演土壤水分變化的合理性。在此基礎(chǔ)上，利用研究區(qū)時(shí)序Sentinel-1A 合成孔徑雷達(dá)數(shù)據(jù)和研究區(qū)實(shí)測(cè)數(shù)據(jù)構(gòu)建土壤水分變化檢測(cè)模型，從而利用雷達(dá)后向散射系數(shù)變化估算土壤水分變化信息。由此驗(yàn)證了時(shí)序Sentinel-1A數(shù)據(jù)用于監(jiān)測(cè)農(nóng)田土壤水分變化的實(shí)用性。

何連等[77]基于變化檢測(cè)法的Alpha近似模型，結(jié)合哨兵1號(hào)衛(wèi)星C波段SAR數(shù)據(jù)，實(shí)現(xiàn)了農(nóng)田地表土壤水分的反演。首先利用微波輻射傳輸模型驗(yàn)證了Alpha近似模型（1）在土壤水分反演中的可行性。驗(yàn)證結(jié)果發(fā)現(xiàn)，對(duì)于土壤散射起主要作用的實(shí)驗(yàn)區(qū)域，Alpha近似模型可以有效地消除地表粗糙度和植被對(duì)雷達(dá)后向散射系數(shù)的影響。

式中σo表示雷達(dá)后向散射系數(shù)；θ為雷達(dá)入射角度；εs為土壤相對(duì)介電常數(shù)；T1和T2表示雷達(dá)數(shù)據(jù)獲取的時(shí)間；αPP為極化幅度，是雷達(dá)入射角度和土壤介電常數(shù)的函數(shù)；PP表示極化方式，為HH或者VV[77]。

在此基礎(chǔ)上，結(jié)合研究區(qū)多個(gè)時(shí)間段內(nèi)哨兵1號(hào)合成孔徑雷達(dá)數(shù)據(jù)，利用Alpha近似模型構(gòu)建了農(nóng)田植被覆蓋較多時(shí)土壤水分觀測(cè)方程組，最終得到了農(nóng)田地表土壤水分并且反演精度較好。

2.2 植被指數(shù)法

植被指數(shù)法是植被反射波段的紅外和近紅外兩種波段的組合[78]。蘇永榮等[79]基于能量平衡方程和TVDI，提出一種定量干濕邊選取方法和改進(jìn)的TVDI模型——定量溫度植被指數(shù)（Temperature Vegetation Quantitative Index，TVQI），以MODIS遙感數(shù)據(jù)為基礎(chǔ)，實(shí)現(xiàn)了陜西省關(guān)中平原中6個(gè)縣的真實(shí)土壤水分的遙感估算。汪倩倩等[80]利用GF-3和Landsat8等遙感數(shù)據(jù)在土壤水分監(jiān)測(cè)中的優(yōu)勢(shì)，通過(guò)水云模型消除植被對(duì)雷達(dá)后向散射系數(shù)的影響，獲取土壤直接后散射系數(shù)，然后結(jié)合入射角、PDI等指數(shù)共同作為模型輸入?yún)?shù)分別建立了HH和HV不同極化方式下的土壤水分反演模型，實(shí)現(xiàn)了大范圍農(nóng)田土壤水分的反演，證實(shí)建立一種耦合微波和光學(xué)遙感數(shù)據(jù)的土壤水分反演方法具有實(shí)際應(yīng)用價(jià)值。

2.3 熱慣量法

土壤的熱慣量與土壤水分有密切的關(guān)系，同時(shí)也控制著土壤溫度日較差的大小[81]，由于土壤溫度日較差可以由遙感影像資料進(jìn)行獲取，由此可間接得到土壤水分的含量大小。土壤熱慣量的函數(shù)是土壤對(duì)其熱容量變化的響應(yīng)，其模型如下：

式中，p為熱慣量，k為土壤熱導(dǎo)率，ρ為土壤密度，c為土壤的比熱容。

3 總結(jié)與展望

1）紅外-近紅外遙感雖然空間或時(shí)間分辨率較高，數(shù)據(jù)來(lái)源也較廣，但因?yàn)槠涫芴鞖獾挠绊戄^為嚴(yán)重，而且難以穿透覆蓋在地表上的植被，適用于無(wú)植被或植被覆蓋較少的農(nóng)田土壤水分測(cè)量。在現(xiàn)階段的微波遙感技術(shù)下，無(wú)植被覆蓋或者植被覆蓋較少的農(nóng)田地表土壤水分的監(jiān)測(cè)大多以微波遙感數(shù)據(jù)為基礎(chǔ)，引入函數(shù)模型反演出研究區(qū)域的土壤含水量值。

2）變化監(jiān)測(cè)法在一般情況下獲取的是兩個(gè)不同時(shí)期影像之間的土壤水分相對(duì)值，不是一定值，另外這種方法對(duì)于時(shí)段內(nèi)土壤粗糙度或者植被覆蓋度發(fā)生明顯變化的區(qū)域并不適用。植被指數(shù)法是結(jié)合植被的水量信息來(lái)監(jiān)測(cè)土壤的含水量，不足之處在于植被含水量信息一般都難以實(shí)時(shí)取得，利用當(dāng)?shù)囟嗄?、多平均的EVI或者其他植被指數(shù)值，可代表當(dāng)時(shí)的狀況。熱慣量法只適合裸地或者作物出苗期，結(jié)合植被和土壤表面熱信息的方法在植被覆蓋較低時(shí)效果不錯(cuò)[82]，此外，由于土壤屬性對(duì)于作物干旱災(zāi)害反演結(jié)果影響較大，尤其土壤保持水分的能力是重要的影響因子，F(xiàn)ang等[83]重新定義和遙感反演了土壤持水力指數(shù)，可以很好反映不同屬性土壤的持水力差異，因此加強(qiáng)改進(jìn)模型方法研究是遙感反演土壤水分方面一個(gè)有益的探索。

3）目前在反演農(nóng)田土壤水分時(shí)，多以無(wú)植被或者植被覆蓋較少的區(qū)域做野外實(shí)驗(yàn)研究，但在作物生長(zhǎng)季后期植被覆蓋率將會(huì)提高，主被動(dòng)微波遙感的結(jié)合對(duì)于進(jìn)一步消除植被的影響起到了很大的作用，而農(nóng)田地表土壤水分的反演利用遙感數(shù)據(jù)進(jìn)行空間高分辨率與時(shí)間高分辨率的相互結(jié)合，不僅使得作物區(qū)的土壤水分信息在空間分布上達(dá)到精確，更能快速掌握土壤墑情，為各項(xiàng)農(nóng)耕活動(dòng)做好充分的準(zhǔn)備，這也是今后土壤水分?jǐn)?shù)據(jù)研究的重點(diǎn)和難點(diǎn)。