检索结果-内蒙古大学图书馆

生态学报 2020年第22期40卷 8326-8335页

作者：唐普恩丁建丽葛翔宇张振华新疆大学资源与环境科学学院乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046

植被叶片叶绿素是农业遥感反演的重要参数,叶绿素含量的变化与植被生长环境的胁迫程度、生理变化密切相关,故将植被叶绿素进行实时、动态监测对农业生产极为重要。然而,传统经验模型及叶绿素精准测量存在困难。基于高分辨率的Sentinel-2... 详细信息

植被叶片叶绿素是农业遥感反演的重要参数,叶绿素含量的变化与植被生长环境的胁迫程度、生理变化密切相关,故将植被叶绿素进行实时、动态监测对农业生产极为重要。然而,传统经验模型及叶绿素精准测量存在困难。基于高分辨率的Sentinel-2A数据,在机器学习框架下,利用光谱信息、最适光谱指数和基于PROSAIL辐射传输模型的生物协变量构建3种建模方案(方案1:光谱信息和最适光谱指数联合,方案2:光谱信息和物理模型生物协变量联合,方案3:光谱信息、最适光谱指数和物理模型生物协变量联合)。最终基于优选出的建模方案进行棉花叶片叶绿素相对含量的空间数字制图。结果表明:(1)红边波段参与的最适光谱指数比值植被指数(RVI)与棉花叶片SPAD值相关性最高r=0.767,P**=0.195;(2)将构建的17个变量进行重要性分析可知,构建的最适光谱指数比值植被指数(RVI)与物理模型生物协变量LAI-Cab对估算模型的精度贡献率较大;(3)建模方案构建植被指数时红边波段被确定为最优波段,在增加精度方面起到决定性作用;通过模型评价标准来分析3种方案可知,预测精度大小顺序为模型方案3>模型方案1>模型方案2,其中方案3的决定系数R2最高为0.826,即估算模型方案3对棉花叶片SPAD值具有最好的预测能力,可以为干旱区农作物的生理参数反演提供新的思路,为农业安全监测,合理水肥配置提供科学数据支持。

关键词： Sentinel-2A 植被指数叶绿素 PROSAIL模型随机森林

来源：评论

学校读者我要写书评

暂无评论

基于不同卫星光谱模拟的土壤电导率估算研究

引用

干旱区地理 2020年第1期43卷 172-181页

作者：曹肖奕丁建丽葛翔宇梁静陈文倩陈香月唐普恩新疆大学资源与环境科学学院新疆乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室新疆乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046

土壤电导率(Electrical conductivity,EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光-近红外光谱数据,利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模... 详细信息

土壤电导率(Electrical conductivity,EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光-近红外光谱数据,利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模拟数据及其5种预处理后的三维光谱指数(Three-dimensional spectral index,TDSI),采用梯度提升回归树算法(Gradient boosting regression tree, GBRT)建立3种卫星土壤EC估算模型,并比对加入TDSI后模型精度的变化。结果表明:在不同土壤EC条件下,3种卫星具有相似的光谱趋势,均在红、近红外波段附近反射率较高;TDSI与土壤EC相关性基本均在0.4以上,最大程度保留了与土壤EC敏感度高的红、绿、蓝、近红外、短波红外波段信息;GBRT对于土壤EC估算能力表现突出,3种卫星对土壤EC的最佳预测精度R2分别为0.831、0.847、0.903,在加入TDSI后,R2分别提高至0.835、0.857、0.935,综合分析发现,Sentinel 3对土壤EC估算效果最佳(R2=0.935,均方根误差RMSE=2.986 mS·cm-1,赤池信息准则AIC=57.500)。通过利用波谱响应技术结合TDSI深度挖掘波段间的协同信息,采用GBRT验证了不同卫星对土壤EC的估算效果,二者相结合可以有效提升模型预测精度,为干旱区土壤盐渍化定量监测与防控提供有利指导。

关键词：波谱响应土壤电导率光谱预处理三维光谱指数梯度提升回归树

来源：评论

学校读者我要写书评

暂无评论

耦合机器学习和机载高光谱数据的土壤含水量估算

引用

激光与光电子学进展 2020年第9期57卷 223-232页

作者：田美玲葛翔宇丁建丽王敬哲张振华新疆大学资源与环境科学学院新疆乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室新疆乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046

准确估算土壤含水量(SMC),对干旱区的精准农业、水资源管理具有重要意义。针对传统估算方法和野外测量耗时、费力的问题,通过无人机平台获取新疆阜康市冬小麦样地的高光谱影像数据,分别利用一阶导数、二阶导数、吸光度、吸光度一阶导数(... 详细信息

准确估算土壤含水量(SMC),对干旱区的精准农业、水资源管理具有重要意义。针对传统估算方法和野外测量耗时、费力的问题,通过无人机平台获取新疆阜康市冬小麦样地的高光谱影像数据,分别利用一阶导数、二阶导数、吸光度、吸光度一阶导数(FDA)、吸光度二阶导数对原始高光谱数据进行预处理;采用随机森林(RF)、梯度提升回归树(GBRT)和极端梯度提升(XGBoost)三种算法进行特征变量重要性遴选,基于地理加权回归(GWR)建立模型。结果表明:FDA的预处理效果最佳,以FDA-GBRT为基础的模型效果最优,建模集与验证集的决定系数(R2)分别为0.890、0.891,四分位数间隔为3.490;GBRT算法相较于RF和XGBoost算法优势较为突出,多数模型建模集与验证集的R^2均大于0.600;GWR模型对SMC的预测建模有效,可为干旱区农业生态系统的管理与保护提供理论支撑。

关键词：土壤含水量无人机高光谱数据机器学习地理加权回归模型

来源：评论

学校读者我要写书评

暂无评论

基于机器学习算法的土壤有机质质量比估算

引用

排灌机械工程学报 2020年第8期38卷 829-834页

作者：白婷丁建丽王敬哲新疆大学资源与环境科学学院新疆乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室新疆乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter,SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区——中国新疆艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处... 详细信息

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter,SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区——中国新疆艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱R及其一阶导数R′、吸光度log(1/R)及其一阶导数[log(1/R)]′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明:基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和[log(1/R)]′的SOM估测模型精度较高,以[log(1/R)]′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R 2)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.

关键词：土壤有机质高光谱光谱变量竞争适应重加权法随机森林

来源：评论

学校读者我要写书评

暂无评论

集成土壤-环境关系与机器学习的干旱区土壤属性数字制图

引用

中国农业科学 2020年第3期53卷 563-573页

作者：张振华丁建丽王敬哲葛翔宇王瑾杰田美玲赵启东新疆大学资源与环境科学学院/新疆大学绿洲生态教育部重点实验室/新疆大学智慧城市与环境建模自治区普通高校重点实验室

【目的】土壤属性的空间分布是影响农业生产力、土地管理和生态安全的重要因素。通过土壤环境耦合关系,在机器学习算法框架下,定量预测出干旱区土壤酸碱度(pH)、土壤盐分含量(Soil Salt Content,SSC)与土壤有机质(Soil Organic Matter, ... 详细信息

【目的】土壤属性的空间分布是影响农业生产力、土地管理和生态安全的重要因素。通过土壤环境耦合关系,在机器学习算法框架下,定量预测出干旱区土壤酸碱度(pH)、土壤盐分含量(Soil Salt Content,SSC)与土壤有机质(Soil Organic Matter, SOM)3种土壤属性的空间分布,为干旱区农业生产和生态安全提供科学依据。【方法】在渭干河—库车河绿洲干旱区于2017年7月设计采集典型表层(0—20 cm)土壤样品82个,依据土壤-环境之间的关系,集成DEM数据和Landsat 8数据提取出32种环境协变量,利用栅格重采样将提取出的32种变量重采样为90 m空间分辨率并转换为Grid格式参与建模。借助梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型依次对3类土壤属性的32种环境协变量进行重要性排序,并通过均方根误差(Root Mean SquareError,RMSE)界定出协变量重要性阈值点,从而筛选出参与3类土壤属性制图的环境协变量。进而运用随机森林(Random Forest, RF)、Bagging和Cubist 3种非线性模型建模,并引入多元线性回归模型(Multiple Linear Regression,MLR)进行对比分析,选出最优模型并绘制出90 m分辨率新疆渭干河-库车河绿洲干旱区pH、SSC与SOM 3种土壤属性图。【结果】梯度提升决策树能有效筛选出重要协变量,高程(Elevation)、剖面曲率(Profile Curvature)、差值植被指数(Difference Vegetation Index)、扩展增强型植被指数(Extended Normalized Difference Vegetation Index)、调整土壤亮度植被指数(Modified Soil Adjusted Vegetation Index)、盐分指数S1(Salinity Index S1)以及盐分指数S6 (Salinity Index S6) 7类环境变量均参与3类土壤属性建模,其中SSC遴选出参与建模协变量15种,pH和SOM则均为17种,且遥感指标在预测土壤属性图中起到强大的作用。机器学习3种算法的结果均优于MLR。通过3种非线性模型对比发现,随机森林在3种土壤属性中均表现最佳。在随机森林预测的3种土壤属性中,土壤pH验证集效果R~2=0.6779,RMSE=0.2182,ρ=0.6084;在SSC预测中,验证集R~2=0.7945,RMSE=3.1803,ρ=0.8377;在SOM预测中,验证集R~2=0.7472,RMSE=3.5456,ρ=0.7009。【结论】GBDT所筛选出的重要性因子借助机器学习算法可以用于干旱区土壤属性制图,且随机森林模型均对3类土壤属性表现出最佳预测能力。依据所绘制的土壤属性图并结合土壤分类图厘清了3种制图属性的空间分布。

关键词：土壤属性环境协变量数字土壤制图机器学习梯度提升决策树模型随机森林模型 Bagging模型 Cubist模型

来源：评论

学校读者我要写书评

暂无评论

近58年天山降雪/降水量比率变化特征及未来趋势

引用

农业工程学报 2020年第4期36卷 150-158页

作者：秦艳赵求东孟杰丁建丽新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室乌鲁木齐830046 中国科学院寒区旱区环境与工程研究所兰州730000 新疆水利厅乌鲁木齐830000

降雪/降水量比率(S/P)能够反映不同形态降水特征,对气候变化十分敏感。该文基于天山及周边49个气象台站观测数据和IPCC-CMIP5气候情景数据,分析了近58 a来中国天山山区冷季(10-4月)降雪量、降水量和S/P时空变化特征,并预估在RCP4.5排放... 详细信息

降雪/降水量比率(S/P)能够反映不同形态降水特征,对气候变化十分敏感。该文基于天山及周边49个气象台站观测数据和IPCC-CMIP5气候情景数据,分析了近58 a来中国天山山区冷季(10-4月)降雪量、降水量和S/P时空变化特征,并预估在RCP4.5排放情景下各指标的未来变化趋势。结果表明:天山山区冷季S/P受地形影响,呈山区大于盆地,北坡大于南坡的分布格局,与海拔显著正相关。1961—2018年天山山区平均冷季降雪量、降水量均显著增加,S/P变化不大,在0.35~0.67之间波动,以-0.016%/10a的速率呈微弱减少趋势;平均气温变化是引起S/P变化的重要因素。在RCP4.5气候情景下,天山山区未来冷季降雪量缓慢减少,降水量显著增加,S/P显著减少。相比基准期(1986—2005年),到2050s冷季降雪量平均减少8.9%,降水量增加10.1%,S/P减少14.7%。该研究对科学认识全球变暖背景下天山地区水文响应以及区域水资源调控具有重要意义。

关键词：气候变化降雪量降水量天山未来趋势时空变化

来源：评论

学校读者我要写书评

暂无评论

基于参数优化SVM方法识别盐生植被钠离子光谱特征

引用

光谱学与光谱分析 2020年第1期40卷 247-254页

作者：邓来飞张飞齐亚霄袁婕新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室新疆乌鲁木齐830046 中亚地理信息开发利用国家测绘地理信息局工程技术研究中心新疆乌鲁木齐830002

新疆盐渍土地分布广、面积大,在这些盐渍土地上生长着多种类型的盐生植物,它们对改良盐渍土地、维护生态稳定、促进生态平衡具有重要的现实意义。有关研究表明,许多盐土植物大量吸收钠,钠与钾都能增加细胞渗透压,以适应高盐环境,产生膨... 详细信息

新疆盐渍土地分布广、面积大,在这些盐渍土地上生长着多种类型的盐生植物,它们对改良盐渍土地、维护生态稳定、促进生态平衡具有重要的现实意义。有关研究表明,许多盐土植物大量吸收钠,钠与钾都能增加细胞渗透压,以适应高盐环境,产生膨压而促进细胞的伸长,因而对其生长是有益的,能部分代替钾的功能。因此掌握盐生植物的钠特征,有助于了解盐生植物对生态环境的长期适应和响应,使用高光谱技术实现有效诊断叶片钠特征。首先,对实测冠层高光谱数据,采用离散小波变换(DWT)和db5小波对原始光谱进行9层小波分解,求取最佳分解层数为5层。其次,对光谱数据进行5层db5小波分解,对分解后的高频分量和低频分量建立了小波植被指数,筛选出可敏感表征钠离子含量的小波植被指数。最后,利用SVR, LS-SVR, PSO-SVR和PSO-LS-SVR模型建立盐生植被钠离子含量的估算模型,并与由原始光谱构建的光谱植被指数建立的估算模型进行比较。此外,引入偏最小二乘回归模型PLSR作为对比,评价参数优化的支持向量机方法在高光谱技术估测盐生植被叶片钠离子含量的优势。结果表明:(1)5种模型预测结果表明, PSO能有效优化SVR和LS-SVR模型参数(c,g),提高模型精度和预测能力,优化后的模型具有预测精度高、泛化能力强以及稳健性能好等特点。(2)综合小波指数构建的模型是综合多尺度、多分辨率数据的反演模型,其能从不同侧面反映植被的信息,因而综合小波指数构建的4种模型优于单一小波指数构建的模型。(3)对比两种类型的植被指数反演结果,单一小波植被指数构建Na^+含量的预测模型可取得较好的预测效果,单一光谱指数估测Na^+含量效果不佳,这是因为小波变换可以减少原始光谱的噪声,凸显光谱的细节信息,增强其反演Na^+含量的精度;综合小波植被指数构建的模型精度和预测效果优于综合光谱指数构建的模型,原始光谱经小波变换后,可凸显更多的细节信息,提高高光谱反演叶片Na^+含量的能力。

关键词：盐生植被钠离子高光谱小波变换支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于环境变量的渭干河-库车河绿洲土壤盐分空间分布

引用

农业工程学报 2020年第1期36卷 175-181页

作者：蒙莉娜丁建丽王敬哲葛翔宇新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室乌鲁木齐830046

土壤属性的数字制图对精准农业生产和环境保护治理至关重要。为了在大尺度上尽可能精确的监测土壤盐分空间变异性,该文使用普通克里格(ordinary kriging,OK)、地理加权回归(geographically weighted regression,GWR)和随机森林(random f... 详细信息

土壤属性的数字制图对精准农业生产和环境保护治理至关重要。为了在大尺度上尽可能精确的监测土壤盐分空间变异性,该文使用普通克里格(ordinary kriging,OK)、地理加权回归(geographically weighted regression,GWR)和随机森林(random forest,RF)方法,结合地形、土壤理化性质和遥感影像数据等16个环境辅助变量,绘制渭干河-库车河绿洲表层土壤盐分分布图。基于决定系数(R^2)、均方根误差(RMSE)和平均绝对误差(MAE)验证模型精度。结果表明:不同方法预测的盐分分布趋势没有显著差异,大体上从研究区的西北向东南部方向增加;结合辅助变量的不同预测方法中,RF方法预测精度最高,R^2为0.74,RMSE和MAE分别为9.07和7.90 mS/cm,说明该模型可以有效地对区域尺度的土壤盐分进行定量估算;RF方法对电导率(electric conductivity,EC)低于2 mS/cm时预测精度最高,RMSE为3.96 mS/cm,很好的削弱了植被覆盖对电导率EC的影响。

关键词：土壤盐份遥感机器学习环境变量

来源：评论

学校读者我要写书评

暂无评论

基于GF-1/2卫星数据的冬小麦叶面积指数反演

引用

作物学报 2020年第5期46卷 787-797页

作者：吾木提·艾山江买买提·沙吾提陈水森李丹新疆大学资源与环境科学学院新疆乌鲁木齐830046 新疆绿洲生态教育部重点实验室新疆乌鲁木齐830046 新疆智慧城市与环境建模普通高校重点实验室新疆乌鲁木齐830046 广州地理研究所广东广州510070

叶面积指数(leaf area index,LAI)是监测作物生长状况的重要参数,准确、快速、大面积估算LAI不仅有助于更好地监测农作物,而且也有助于其在建模、总体作物管理及精准农业中的应用。本研究为了利用国产遥感影像快速、大面积反演冬小麦LAI... 详细信息

叶面积指数(leaf area index,LAI)是监测作物生长状况的重要参数,准确、快速、大面积估算LAI不仅有助于更好地监测农作物,而且也有助于其在建模、总体作物管理及精准农业中的应用。本研究为了利用国产遥感影像快速、大面积反演冬小麦LAI,以GF-1/2影像作为数据源,提取常用植被指数,结合不同生育期(起身期、拔节期、开花期)实测LAI数据,建立反演冬小麦LAI的单变量和多变量经验模型,并对其进行验证。结果表明,GF-1起身期、GF-1拔节期以及GF-1开花期提取的植被指数中,MSR(modified simple ratio)、GNDVI(green normalized difference vegetation index)、EVI(enhanced vegetation index)与LAI间的相关系数最大,分别为0.708、0.671和0.743,说明这些植被指数与冬小麦LAI间的相关性较显著;GF-1不同生育期的反演模型相比,基于拔节期GNDVIGF-1建立的二次多项式模型和基于开花期EVIGF-1、GSRGF-1(green simple ratio)、NDVIGF-1(normalized difference vegetation index)建立的PLSR(partial least squares regression)模型R2最大,均为0.783,PLSR模型的RMSE小于二次多项式模型,说明该多变量模型的稳定性优于单变量模型;同一个生育期不同影像相比,基于GF-2的NDVIGF-2建立的二次多项式模型和基于NDVIGF-2、MSRGF-2、SAVIGF-2(soil-adjusted vegetation index)建立的PLSR模型精度高于基于GF-1的2种模型,R2分别为0.768和0.809;不同生育期反演的LAI分布图表明,LAI反演值与实测LAI值基本吻合。以上研究结果说明国产高分辨率遥感影像在农作物生理参数反演中有一定的应用价值,可以为以后的相关研究提供一定的参考。

关键词： GF-1/2影像植被指数叶面积指数灰色关联度分析遥感反演

来源：评论

学校读者我要写书评

暂无评论

基于VIC模型模拟的干旱区土壤水分及其时空变化特征

引用

生态学报 2020年第9期40卷 3048-3059页

作者：包青岭丁建丽王敬哲刘婕马春玥新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046 新疆大学绿洲生态教育部重点实验乌鲁木齐830046 新疆财经大学乌鲁木齐830046

土壤水分在陆地水循环中起着十分重要的作用,大尺度、长时间及高精度的土壤水分监测是旱情预警、生态恢复与精准农业决策部署的重要指导依据,而陆面过程模式模拟在时空尺度上可获得更准确的土壤水分特征。以渭⁃库绿洲为目标靶区,结合VI... 详细信息

土壤水分在陆地水循环中起着十分重要的作用,大尺度、长时间及高精度的土壤水分监测是旱情预警、生态恢复与精准农业决策部署的重要指导依据,而陆面过程模式模拟在时空尺度上可获得更准确的土壤水分特征。以渭⁃库绿洲为目标靶区,结合VIC陆面过程模型和土地利用类型变化,探讨2009—2016年研究区年际间不同地类土壤水分时空变化规律,并用实测数据进行精度验证,结果表明:(1)东北区域土壤含水率模拟值较高,土壤含水量低值集中在研究区西部与南部区域。(2)盐渍土壤表层含水量高于耕地,每年雨季,灌丛土壤含水量高于其他3种地类,由于大量荒地转为耕地,绿洲荒地土壤含水量与耕地土壤相互接近,在28.784—53.741 mm之间。(3)渭⁃库绿洲近7年耕地与盐渍地面积大幅度增加,耕地与盐渍地面积增幅达35%以上,荒地面积相较2009年减少约46%,灌丛面积增幅约15%。(4)荒地土壤含水量伴随面积大幅度下降,土壤含水量数值集中在正态曲线28.6 mm以上区域。VIC模拟值与实测值均方根误差(RMSE)范围在1.4—2.80之间,RE范围在0.90—2.20之间,R2范围在0.40—0.60之间,模拟效果较好。

关键词：土壤含水量 VIC陆面过程模型土地利用类型时空变化

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：