更全的杂志信息网

基于数码照片的草地植被盖度快速提取方法对比

更新时间:2009-03-28

草地植被盖度是指观测区域内草的垂直投影面积占总地表面积的百分比[1],它是衡量草地生态系统及其生长状况的重要生态学参数和量化指标[2-3]。在草原的动态监测和评价中,草地植被盖度是进行草场资源评价、土地荒漠化评估以及合理化放牧的重要参考。

区内的含铁建造主要由含铁石英岩组成。其主要化学组分是SiO2和TFe。其他组分不超过21%,其中铁和硅明显多于其他成分,即所谓硅-铁建造。为铁矿的形成准备了丰富的物质来源。本区磁铁石英岩中含较多碳酸盐,在代县山羊坪一带出现菱铁矿+磁铁矿的组合;在一些薄片中见有碳酸盐矿物边缘有毛发状的铁闪石形成;甚至形成磁铁矿铁闪石石英岩,说明它的原始沉积物为石英-碳酸盐建造。从铁矿本身具有明显的条带状构造,宽度不一,具一定周期性,是化常沉积标志;发育有因水下滑动而形成的卷层构造和层内角砾,反映沉积环境的不安定。

目前,植被盖度的估算方法可以概括为2类:遥感估算法和地表实测法[4]。遥感估算法大多应用于大尺度植被盖度的提取和监测,常用的方法包括经验模型法、植被指数法和亚像元分解法,估算精度相对较低[5]。地表实测方法主要包括点测法、目估法、数码照相法、方格法、仪器测量法等,其中,数码照相法由于其经济高效、准确度高,被国内外众多学者应用于植被盖度的提取研究[6]。Guijarro等[7]基于数码照片和纹理特征,借助于计算机技术识别田间杂草。池宏康等[8]利用Photoshop软件对图像进行处理,分别统计图像中的植被像元数量和样地像元数量来计算草地植被盖度。张清平等[9]利用WinCAM颜色分析软件,通过实验制定统一的颜色标准,利用颜色比对来提取绿色植被并计算植被盖度。

利用现有的盖度计算方法,如监督分类、RGB阈值和分类决策树等方法进行室内解译时需要人工干预,存在自动化解算的困难。为此,本研究基于草地照片,设计一种自动阈值分割算法,对比分析EXG指数法、H分量法以及a*分量法对于快速提取植被盖度的效果和适用性。本研究可以实现草地植被盖度的快速自动解算,为当前遥感监测业务提供很好的补充作用。

1 研究区概况与研究方法

1.1 研究区概况

乌拉特中旗(41°07′~41°28′N,107°16′~109°42′E)地处内蒙古高原西部,属于大陆性干旱气候,四季分明,年平均气温5.8 ℃,年均降水量仅198.6 mm,蒸发量2 347.8 mm。乌拉特中旗草场资源丰富,由于其地处半荒漠地带,天然草场以荒漠化草原为主体,植被稀疏、低矮。主要植被种类有松叶猪毛藜、泠蒿、芨芨草、石针茅、红砂、丛生小禾草等,颜色为偏黄绿色。

1.2 数据采集

2015年9月中下旬,利用多款智能手机(华为、三星等)沿S311(石哈河—巴音查干—海流图)和S212(海流图北—乌拉特中旗)公路进行拍照取样,拍照时保持手机平面与地面平行,于1米高度处进行拍摄,以减少照片周围几何变形的误差。随机选取30张采样照片(图1)在PhotoShop中用1 000×1 000的像素窗口统一进行裁切,选择裁切后的图像进行后续处理。

  

图1 乌拉特中旗草地采样照片合成图Fig.1 Synthetic map of sampling photos in Wulatezhongqi grassland

1.3 研究方法

1.3.1 颜色特征的选取与优化 数码相机或智能手机拍摄的照片,是基于RGB颜色空间进行采集和保存的,因此关于植被盖度提取方法的研究中大多数是基于RGB颜色空间。在所有基于RGB颜色空间的植被指数中,EXG是最为常用的植被指数[10],该指数计算公式如下:

其中,

(1)评审材料:包括项目管理资料、人员管理资料和服务实施资料。其中,项目管理资料包含项目申报书、项目管理制度、项目自评报告、项目进度安排表、项目月计划套表、项目月服务数据套表及项目专项经费财务报表;人员管理资料包含专职社工资质证明、志愿者档案资料及督导培训档案记录;服务实施资料包含五大服务内容分类整理的服务资料、宣传档案资料、会议档案记录、特色服务材料及其他相关材料。

(1)

EXG=2g-r-b

r=R/(R+G+B);g=G/(R+G+B);b=B/(R+G+B)

由图2可见,开运算滤除了图像中的椒盐状噪声;闭运算则通过连接临近物体,填补图像中狭隘空隙和小空洞,使物体边缘更平整。腐蚀与开运算均能够有效去除土壤中的随机噪声点,但当植被叶片呈细针状时,腐蚀也会去除大量的植被叶片,而开运算先腐蚀再膨胀,能够一定程度上还原腐蚀掉的叶片,效果最佳,因此最终选用3×3窗口的开运算进行图像分割后的处理。

除了RGB颜色空间外,HIS颜色空间和L*a*b*颜色空间也较为常用。其中,HIS颜色空间是利用色度(Hue)、饱和度(Saturation)和亮度(Intensity)3个参数来描述颜色,模拟人类视觉系统对色彩的感知方式,其H分量与图像彩色信息密切相关,因此该颜色空间中的H分量常被用来识别和研究彩色图像中的目标物[11]L*a*b*颜色空间中,a*分量用来表示由深绿色到粉红色的颜色变化。因此在彩色图像中,像素的a*分量值越低,对应绿色等级则越高。野外拍摄时易受光照影响,故而拍摄的图像具有较高的对比度。RGB颜色空间中3个分量之间具有较强的相关性,亮度的变化会影响RGB的取值,而L*a*b*颜色空间3个分量的独立性较高,能够有效改善RGB颜色空间的缺点[12-13]

为提高计算机的计算效率,应尽量减少浮点型数据的运算。因此,需要对3种空间的颜色特征进行优化处理,即将原始结果拉伸到0~255的灰度空间,具体计算公式如下:

2013年,在水利部党组的正确领导下,规划计划司认真学习贯彻党的十八大和十八届三中全会精神,深入贯彻落实中央加快水利改革发展决策部署,及时把握水利改革发展面临的新形势和新要求,围绕中心,突出重点,求实创新,扎实做好水利规划、项目前期、投资计划、水利改革、综合统计等各项工作,为保障水利发展“十二五”规划顺利实施、推进水利跨越发展提供了有力支撑。

 

(2)

式中,f(x,y)表示某一点的像素值,A(x,y)minA(x,y)max分别表示整个图像空间像素元的最小值和最大值。由于Ha*分量会存在奇异值,若直接按照上述公式进行拉伸,将会导致图像的灰度值过度集中在某个区间范围内。通过多次试验,确认当取直方图累计频率为1%、99%时,其进行拉伸的效果最好。

1.3.2 自动阈值分割方法 本研究利用最大类间方差法[14]作为阈值分割方法,其基本思想是:被分割的两部分的类间方差越大,错分率则越小。基于此方法的自动阈值设定具体如下:

登记实务中,对房屋定着物单元的划分来说,不管是否成套,最重要的是了解规划审定的相关设计图件,掌握房屋面积、户型、原始界址等详细情况。

设图像有L个灰度级,灰度值为i的像素数表示为ni,则总像素数N为:

1.3.4 草地植被盖度的计算 植被盖度的计算公式如下:

 

(4)

各灰度值出现的概率为

 

(5)

选择灰度t将图像分割成2个区域,分别为背景类A(灰度级为1~t),目标类B(灰度级为t+1~L-1)。A、B出现的概率分别为:

 

(6)

A、B 2类的灰度均值分别为:

 

(7)

图像总的灰度均值为:

 

(8)

综上可知,在去除阴影之后,EXG指数法的估算误差增大,这主要是由于该方法对阴影区域中的植被叶片具有一定的识别能力,而在去除阴影的同时部分叶片也被一同去除,故而导致其计算结果被低估,因此在使用EXG指数法时不需要考虑去除图像中的阴影影响。H分量法在去除阴影后,其计算精度会显著提高,这是因为H分量对图像中的阴影敏感,阴影区域的像元RGB值较为相近,当从RGB彩色空间转换至HIS空间时,H分量值的变异性较大,在提取绿色植被盖度时也会将阴影区域一并读入,因此最终会造成植被盖度的高估现象。故而,在应用H分量法时必须首先去除图像中的阴影区域。

 

(9)

从1到L-1依次改变t,计算类间方差σ2,其中,使得σ2值最大的t*即为最佳阈值。

玉敏画得差不多了。姑妈闭着眼,说你们平时都来洗浴中心么?玉敏说我的姑妈啊,你拿我当富婆哪,说了不怕您见笑,我一次都没来过。姑妈咦了一声,说那你怎么请我来,还办了张卡?玉敏方知说漏了嘴,心里有些窘,幸好姑妈正闭眼享受呢。玉敏假装低头洗搓巾,过了会说,卡是别人送小虫的,被我要来了,我说要请你洗澡,他就答应了。姑妈哦了一声,说这小子还知道孝敬啊?还是你体贴姑妈,小虫就知道玩。

 

(10)

1.3.3 图像分割后处理 为获取更为准确的盖度提取结果,需要对图像进行后续处理。数学形态学[15]是研究数学形态特征和快速并行处理方法的形态学理论,其基本运算包括开运算、闭运算、膨胀和腐蚀。

总决赛前,嘉琪没有特意为自己编排新的舞蹈动作,只在比赛的前一天晚上,参加了主办方组织的外籍裁判的舞蹈课。结果在第二天的决赛中,嘉琪就将刚刚学到的几招用到了比赛中。在观众的欢呼声中,这位刚刚小学毕业的女生用劲爆的舞姿惊艳了所有人。“我本来就比较喜欢外籍裁判的风格,他会教我们如何把生活中的东西,通过我们的想象力运用到舞蹈当中。当时比赛可以即兴发挥,就用了一些。”接受记者采访时,嘉琪显得很“低调”,虽然年纪不大,但她在舞台上却显得游刃有余。

式中,RGB分别表示红、绿、蓝三基色,rgb表示归一化处理之后的RGB

  

图2 形态学处理图Fig.2 The figures of morphological processing

体育旅游以其较强的参与性、灵活性和娱乐性等特点,延伸出纷繁多彩的新形式。而传统的观光旅游也正在逐步向体验式旅游转变[1],体育赛事活动、体育场(馆)服务业、体育健身休闲以及体育用品制造等与旅游产业相结合,形成“赛事型体育旅游”“运动休闲型体育旅游”等特定形式的体育旅游地。当前,我国体育特色小镇正以“体育+旅游”的主要模式蓬勃发展。

植被盖度

(11)

式中,N′和N分别表示植被像元数量和总像元数量。

此外,为了对比分析阴影对盖度提取的影响,需要进行去除阴影操作。具体方法如下:

首先将每一张照片基于RGB三通道转化为亮度的灰度值图像,计算公式为:

亮度=0.299×R+0.587×G+0.114×B

(12)

其次,设置特定阈值x,将图像中灰度值小于x的像元判别为阴影,反之,大于x的像元则判别为非阴影。参考文献[16]、[17],并结合本研究区的实际情况,将阈值x设置为45。

1.3.5 精度评价方法 由于草地植被盖度的“真实值”难以获取,因此在进行精度评价时往往从图形统计的角度出发获取“真实值”,常用、可靠的方法包括人工勾勒法[8](如Photoshop勾勒、手动勾勒)、针刺法[18]以及样方图形法[19]等。由于本研究区域草地植被颜色多为黄绿色,叶片多以长条形为主,因此人工勾勒方法不能完全满足研究需求。

为此本研究设计了一种精度评价方法,即通过模拟传统的针测法来获取植被盖度的参考值。其基本思想是在一幅图像中随机投放一批点(使用ArcGIS中的Create Random Points工具),则落在植被区域内点的个数占总点数的百分比即为盖度参考值。为了获取更为准确的参考值,每次设置的随机点个数为500,并且每幅图像进行3次测定后取其平均值作为最终的参考值。为检验此种植被盖度“真实值”获取方法(投点法)的可靠性,选取绿色特征显著、适用于Photoshop勾勒方法的一些样片进行试验,发现投点法与Photoshop勾勒法的提取结果相当,因此可以将投点法获取的盖度值作为本研究的准确参考值。

2 结果与分析

2.1 草地盖度估算结果对比分析

由表1可见,EXG指数法的提取效果最好,其绝对偏差均值和均方根误差值最小,分别为3.4%和4.2%,平均精度高达90.6%;a*分量法次之,其绝对偏差均值为4.5%,均方根误差为6.0%,平均精度为83.9%;H分量法的提取效果最差,其绝对偏差均值为6.8%,均方根误差较大,为9.1%,平均精度为79.7%。

表1 草地盖度的估算误差表

Table 1 Estimation error of grassland vegetation coverage

  

方法绝对偏差(%)均方根误差(%)平均精确度(%)EXG指数法3.44.290.6a∗分量法4.56.083.9H分量法6.89.179.7

为了进一步比较这3种盖度估算方法,以随机点法获得的植被盖度参考值为横坐标,以EXG指数法、a*分量法和H分量法所获取的盖度为纵坐标,分别作散点图(图3)。

由散点分布和决定系数R2来看,EXG指数法的散点较为密集地分布在回归线附近,R2值为0.95,表明EXG指数法提取的结果与参考值具有较好的一致性。a*分量法和H分量法这2种方法的散点分布较为离散,R2值相对较低,为0.85,表明这2种方法计算的盖度值与参考值存在较大差别。

医院后勤服务。作为业内的先行者,华南公司已经自主开发出物业巡检信息化系统、医院中央运送信息化系统、远程视频培训系统、第三方客户评价系统和生活护理信息化系统等软件产品。公司还在导医和病患生活护理服务中配备了智能机器人,极大地方便了患者就医,提升了患者满意度,同时也提升了所服务医院的社会效益。

由回归线的斜率可见,EXG指数法和a*分量法的回归斜率均小于1,表明这2种方法存在低估现象,这主要是由于利用投点法人工目视估算植被盖度时,可以将照片中的非绿色植被以及部分阴影中的植被区域识别出来,而EXG指数法和a*分量法仅能识别出图像中植被的绿色或黄绿色部位,对于非绿色植被的茎和枝条等未能识别出来。此外,H分量法的回归斜率大于1,表明该方法存在整体高估现象,这可能是由于H分量法对于图像中的阴影敏感所致。

  

图3 乌拉特中旗草地植被盖度计算值与参考值的相关关系Fig.3 The correlation between the calculated values and reference values of grassland vegetation coverage in Wulatezhongqi grassland

2.2 阴影对估算精度的影响分析

为探究阴影区域对于不同方法的影响,对选取的30幅图像,参照公式(12)作去除阴影处理,进而比对分析去除阴影前后的草地植被盖度提取效果(表2)。

表2 阴影影响误差表

Table 2 Estimation error of the shadow effect

  

方法未去阴影绝对偏差(%)均方根误差(%)去除阴影绝对偏差(%)均方根误差(%)EXG指数法3.44.24.45.3a∗分量法4.56.04.96.1H分量法6.89.14.25.3

由表2可见,去除阴影之后,EXG指数法的绝对偏差由3.4%增加到4.4%,均方根误差也呈现增大趋势,由原来的4.2%增大至5.3%;H分量法的绝对偏差由6.8%降低到4.2%,均方根误差也随之显著降低,由原来的9.1%降低至5.3%;a*分量法,去除阴影前和去除阴影后的绝对偏差和均方根误差均无明显变化。

当已知浅部地层剖面、地震数据及测井资料时,可通过地层剖面大致确定浅层气的范围及深度,提取地震属性来对浅水流进行识别,结合测井资料进行验证及校核。某深水井测井曲线见图3。

由图4可见,去除阴影之后, EXG指数法的决定系数R2由未去除阴影时的0.95降低到0.94,回归线的斜率由0.90下降至0.88;对于H分量法,其决定系数R2由0.85增加至0.91,回归线的斜率由1.08下降至1.01;对于a*分量法,其去除阴影前后的变化不大。

音乐是人传达思想、抒发情感的主要方式之一,是人枯燥生活中的一股清流,而节奏就仿佛是音乐的生命,只有有了节奏,音乐才富有生命、力量。因此,小学教师在开展音乐教学的过程中,也应注重节奏教学的开展,并要有意识的培养学生的节奏能力等,进一步的深化其对音乐的感知能力,为其音乐能力、素养的提高创设良好条件。

由此可以得到A、B两区域的类间方差:

2.3 草地绿度对估算精度的影响分析

从原理上来讲,植被像元的颜色越深则越容易被识别,提取精度也就越高。为探究草地绿度对于不同方法估算精度的影响,分别以绿色草地和黄绿色草地各为一组进行比对分析(表3)。

在税收预约裁定中,我们可将税务机关作出裁定看作是税务机关对将来有可能发生之交易征税事项设定义务的自我约束行为。依据《税收征管法征求意见稿》,纳税人遵从预约裁定而出现未缴或少缴税款的,免除缴纳责任。如前所述,当前税法的复杂性使得税法行政解释具有存在的必要性,而税务行政机关在行政解释的过程中又具有一定的裁量权。但预约裁定作出之后,该份裁定在税务机关及特定纳税人之间便存在效力,只要纳税人的实际交易活动完全符合预约裁定所规定之交易事实,那么税务机关就必须按照预约裁定中约定的方法对税法进行解释并征收税款,此时对于税务机关按照其他方法对该交易事项进行税法解释的行政裁量权进行了限制。

由表3可见, EXG指数法对绿色草地的估算精度略高于黄绿色草地,其对绿色草地的估算精度平均为93.4%,而对黄绿色草地的估算精度平均为89.8%;H分量法对绿色草地的估算精度低于EXG指数法,平均为88.3%,其对黄绿色草地的估算精度相对最低,平均为78.6%;a*分量法对绿色草地的估算效果明显优于黄绿色草地,其中a*分量法对于黄绿色草地盖度的估算精度平均为80.7%,均方根误差为6.9%,而对绿色草地的估算精度平均却高达91.7%,均方根误差也降低至4.0%,仅次于EXG指数法,加之在去除阴影前后,a*分量法对草地盖度的估算结果无明显变化,因此可以判断造成a*分量方法误差相对较大的主要原因是草地绿度的影响。此外,无论是对绿色草地还是黄绿色草地,EXG指数法的估算精度均明显大于其他2种方法,具有较好的适用性。

  

图4 去除阴影后的草地盖度计算值与参考值的相关关系Fig.4 The correlation between the calculated values and reference values of grassland vegetation coverage after removing the shadow

表3 不同绿度草地的盖度估算误差

Table 3 Estimation error of grassland vegetation coverage for different green degrees

  

方法绿色草地估算精度(%)均方根误差(%)黄绿色草地估算精度(%)均方根误差(%)EXG指数法93.43.789.83.2a∗分量法91.74.080.76.9H分量法88.36.578.68.6

3 讨 论

本研究基于内蒙古乌拉特中旗草地照片,设计出一种利用自动阈值分割算法快速计算植被盖度的方法,并基于该方法对比分析了EXG指数法、H分量法以及a*分量法3种颜色特征方法快速提取草地植被盖度的效果。在对随机选取的30张采样照片进行盖度计算时,EXG指数法的估算误差最小,平均为3.4%,a*分量法次之,平均为4.5%,H分量法的估算误差最大,平均为6.8%;而在去除阴影之后,EXG方法的平均估算误差增大至4.4%,a*分量法的估算结果无明显变化,H分量法的估算误差显著降低至4.2%。对于不同绿度的草地,3种方法对绿色草地的估算效果均明显优于黄绿色草地,其中EXG方法对绿色草地的平均估算精度高达93.4%,而对黄绿色草地的平均估算精度为89.8%;H分量法对绿色草地的平均估算精度为88.3%,而对黄绿色草地的平均估算精度为78.6%;a*分量法对黄绿色草地的盖度估算平均精度为80.7%,而对绿色草地的估算精度高达91.7%,仅次于EXG指数法。

总体来看,EXG指数法能够有效区分不同地物背景下的绿色或黄绿色植被,无论是对绿色草地还是黄绿色草地,其估算精度均明显高于其他2种方法,适用性较好。a*分量法对于绿色草地的估算精度略低于EXG指数法,造成其估算误差相对较大的原因主要是受草地绿度的影响。H分量法对阴影敏感,阴影是造成其估算误差增大的主要原因,因此在应用H分量法时必须首先去除图像中的阴影区域。

本研究从图像识别角度出发,利用自动化图像阈值分割算法解决了传统方法中人工设置分割阈值的问题。而在图像识别研究中,可使用的特征除颜色外,还包括形状、纹理等,当植被颜色和背景差异不明显时,仅使用颜色特征具有一定的局限性,因此,在未来的研究中可结合形状和纹理特征进行草地植被盖度的自动化提取。

参考文献:

本文以72 h为试验周期,将梯度比Gr值上升趋势作为重要参考,将梯度比Gr值逐渐上升且最终稳定梯度比Gr值>3作为判定淤堵的准则。以下的试验结果都是梯度比Gr值呈现上升趋势后得到的稳定梯度比Gr值结果。

[1] 温庆可,张增祥,刘 斌,等. 草地覆盖度测算方法研究进展[J]. 草业科学,2009,26(12):30-36.

[2] 朱敬芳,邢白灵,居为民,等. 内蒙古草原植被覆盖度遥感估算[J]. 植物生态学报,2011,35(6):615-622.

[3] 李 岩,尚士友,王晓娟,等.西乌珠穆沁典型草原植被盖度空间异质性研究[J]. 江苏农业科学,2017,45(22):283-288.

[4] 张云霞,李晓兵,陈云浩.草地植被覆盖度的多尺度遥感与实地测量方法综述[J].地球科学进展,2003,18(1):85-93.

[5] 张云霞,张云飞,李晓兵.地面测量与ASTER 影像综合计算植被盖度[J].生态学报,2007,27(3):964-976.

[6] 陈祖刚,巴图娜存,徐芝英,等.基于数码相机的草地植被盖度测量方法对比研究[J].草业学报,2014,23(6):20-27.

[7] GUIJARRO M,PAJARES G,RIOMOROS I,et al. Automatic segmentation of relevant textures in agricultural images[J]. Computers & Electronics in Agriculture,2011,75(1):75-83.

[8] 池宏康,周广胜,许振柱,等. 草地植被盖度的近距离遥感测定[J]. 草业学报,2007,16(2):105-110.

[9] 张清平,章山山,陈 露,等. 应用WinCAM软件判识分析草坪盖度[J]. 草业科学,2010,27(7):13-17.

[10] VOL N. Color indices for weed identification under various soil,residue,and lighting conditions[J]. Transactions of the Asae,1995,38(1):259-269.

[11] 毛文华. 基于机器视觉的田间杂草识别技术研究[D]. 北京:中国农业大学,2004.

[12] 任世龙,宜树华,陈建军,等.基于不同数码相机和图像处理方法的高寒草地植被覆盖度估算的比较[J].草业科学,2014,31(6):1007-1013.

[13] 谈蓉蓉. 利用颜色和形状特征的杂草识别方法研究[D]. 镇江:江苏大学,2009.

[14] 付忠良. 图像阈值选取方法——Otsu方法的推广[J]. 计算机应用,2000,20(5):37-39.

关于我军整体外语能力建设的几点思考 ………………………………………………… 王 萍 叶建军(4.53)

[15] 陈 纯. 计算机图像处理技术与算法[M]. 北京:清华大学出版社,2003.

[16] LALIBERTE A S,RANGO A,HERRICK J E,et al. An object-based image analysis approach for determining fractional cover of senescent and green vegetation with digital plot photography [J]. Journal of Arid Environments,2007,69(1):1-14.

[17] BAUER T,STRAUSS P. A rule-based image analysis approach for calculating residues and vegetation cover under field conditions[J]. Catena,2014,113(113):363-369.

[18] 章超斌,李建龙,张 颖,等.基于RGB模式的一种草地盖度定量快速测定方法研究[J].草业学报,2013,22(4):220-226.

[19] 胡健波,张 璐,黄 伟,等. 基于数码照片的草地植被覆盖度快速提取方法[J]. 草业科学,2011,28(9):1661-1665.

 
徐金勤,邱新法,丁肖,何永健,王丹丹
《江苏农业学报》 2018年第02期
《江苏农业学报》2018年第02期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息 粤ICP备2023046998号