溫華洋 朱華亮 劉壯 孔芹芹 馬文周 陳鳳嬌

(1.安徽省氣象信息中心，安徽 合肥230031；2.合肥工業(yè)大學(xué)，安徽 合肥230023)

引言

均一的長序列氣象資料是氣候變化研究的基礎(chǔ)[1－2]，但由于臺站在長期觀測過程中，不可避免的存在觀測方式、觀測儀器和周邊探測環(huán)境改變以及臺站遷移等非氣候因素造成了長序列數(shù)據(jù)的不連續(xù)[3]。為建立真實(shí)的氣候序列，眾多學(xué)者對資料序列的均一性檢驗(yàn)和訂正工作開展了大量研究，形成了諸多方法。如標(biāo)準(zhǔn)正態(tài)均一化檢驗(yàn)方法[4](簡記SNHT，下同)、二相回歸方法[5](TPR)、懲罰最大F檢驗(yàn)方法[6](PMFT)等，這些方法在地面資料[7－9]、輻射資料[10]和高空資料[11]均一性檢驗(yàn)上取得了一定的進(jìn)展，形成了系列均一化數(shù)據(jù)集[12－14]，在氣候變化研究等領(lǐng)域發(fā)揮重要作用。各種方法的比較表明，根據(jù)不同要素、不同區(qū)域、不同時(shí)間尺度選取不同的均一性檢驗(yàn)與訂正方法較為有效[15－18]。

風(fēng)的研究與大氣環(huán)境治理[19]、風(fēng)能開發(fā)利用[20]和氣候變化[21－24]等工作密切相關(guān)，但風(fēng)資料的均一性研究，國內(nèi)目前仍處于一些嘗試性的水平。劉小寧[21]采用SNHT方法對中國主要?dú)庀笈_站年平均風(fēng)速進(jìn)行了檢驗(yàn)，何冬燕等[22]以兩站為例對比分析了直接檢驗(yàn)方法(t－檢驗(yàn))和3種間接檢驗(yàn)方法(SNHT、PMFT和PMTT(懲罰最大T檢驗(yàn)))對年平均風(fēng)速的檢驗(yàn)效果。周昊楠等[23]利用PMFT對新疆地區(qū)105個(gè)站點(diǎn)年平均風(fēng)速進(jìn)行了檢驗(yàn)，并分析了造成非均一性的主要原因。彭嘉棟等[24]利用改進(jìn)的二相回歸法對中國中部典型高山站南岳和廬山平均風(fēng)速進(jìn)行了檢驗(yàn)和訂正。這些檢驗(yàn)方法中不少方法要求氣候序列服從正態(tài)分布，然而，有研究表明風(fēng)速的概率分布并非完全是正態(tài)的，如劉小寧[21]使用的690個(gè)氣象站風(fēng)速資料序列中，服從正態(tài)分布的僅171個(gè)，占比不足25%。Stewart和Essenwanger[25]通過45個(gè)站點(diǎn)的風(fēng)速資料研究發(fā)現(xiàn)，相較于其他分布，Weibull分布能較好地?cái)M合實(shí)測風(fēng)速的概率分布。Seguro和Lambert[26]研究表明，三參數(shù)Weibull分布對于年最大風(fēng)速具有較高的擬合精度和較強(qiáng)的適應(yīng)性，并用極大似然法估計(jì)出三參數(shù)Weibull風(fēng)速分布的參數(shù)。Jandhyala等[27]采用似然比法探究了Weibull模型中的變點(diǎn)檢驗(yàn)問題，并對極端氣溫?cái)?shù)據(jù)開展應(yīng)用。這些理論研究為開展基于Weibull分布的風(fēng)速均一化檢驗(yàn)提供了基礎(chǔ)。

為此，本文采用基于三參數(shù)Weibull分布的變點(diǎn)檢驗(yàn)方法，對安徽省1980—2018年元數(shù)據(jù)記錄較為典型的郎溪站(包含了探測環(huán)境變化、臺站遷移、儀器換型及高度調(diào)整等人為因素可能導(dǎo)致變點(diǎn)的情況)年最大風(fēng)速序列進(jìn)行檢驗(yàn)，依據(jù)臺站的元數(shù)據(jù)對檢驗(yàn)出來的非均一點(diǎn)產(chǎn)生的原因進(jìn)行了分析，最后應(yīng)用該方法對安徽省部分臺站1981—2018年年最大風(fēng)速序列進(jìn)行檢驗(yàn)，并與國內(nèi)普遍使用的PMFT法、SNHT法進(jìn)行對比，為風(fēng)速均一性檢驗(yàn)提供參考。

1 資料與方法

1.1 資料與處理

選用安徽省1980—2018年年最大風(fēng)速資料相對完整的56個(gè)國家級氣象站作為研究對象，站點(diǎn)分布見圖1，其中安徽省北部地區(qū)站點(diǎn)分布較為稀疏，南部地區(qū)站點(diǎn)分布較為密集。各站觀測資料均通過臺站—省級—國家級的三級質(zhì)量控制。為減少氣候因素對序列均一性檢驗(yàn)結(jié)果的影響，需對檢驗(yàn)序列進(jìn)行去趨勢處理。首先，針對待檢驗(yàn)序列X＝{x1980，x1981，…，x2018}的站點(diǎn)選取參考站，參考站選取標(biāo)準(zhǔn)為:(1)與待檢驗(yàn)站點(diǎn)的直線距離小于200 km，地理環(huán)境相似；(2)1980—2018年年最大風(fēng)速資料序列較為完整；(3)與待檢驗(yàn)站點(diǎn)的歷年最大風(fēng)速相關(guān)系數(shù)通過置信度α＝0.05的顯著性檢驗(yàn)，且排名前3位。其次，對三個(gè)參考站的年最大風(fēng)速序列取平均值形成參考序列W＝{w1980，w1981，…，w2018}。最后，利用待檢驗(yàn)臺站的年最大風(fēng)速與參考站進(jìn)行比值X/W，形成檢驗(yàn)序列Z＝{z1，z2，…，z39}，其中i＝1，2，…，39。

圖1 安徽省56個(gè)國家氣象站站點(diǎn)分布Fig.1 Distribution of 56 national meteorological stations in Anhui province

1.2 研究方法

Weibull分布是可靠性研究領(lǐng)域中應(yīng)用最廣泛的一種統(tǒng)計(jì)分布模型，而三參數(shù)Weibull分布是Weibull模型中對數(shù)據(jù)適應(yīng)能力最強(qiáng)、擬合效果最好的，尤其對風(fēng)而言[26]。三參數(shù)Weibull分布函數(shù)見式(1)所示:

式(1)中，a＞0為尺度參數(shù)，b＞0為形狀參數(shù)，0＜c＜z為位置參數(shù)。給出一組序列長度為n的年最大風(fēng)速序列Z＝{z1，z2，…，zn}，利用K-S方法[28]檢驗(yàn)序列是否服從Weibull分布(采用顯著性水平為0.05的檢驗(yàn))。對于服從Weibull分布的序列，再利用極大似然估計(jì)法[26]得到年最大風(fēng)速序列的三參數(shù)Weibull分布的參數(shù)a，b，c，即得到序列Z的三參數(shù)Weibull分布函數(shù)F(z；a，b，c)。

假設(shè)存在一個(gè)分割集κ＝{3，4，…，n－2}將年最大風(fēng)速序列Z分割為兩個(gè)新的子序列，即Z1＝{z1，z2，…，zk}，Z2＝{zk＋1，zk＋2，…，zn}，其中k∈κ。若序列Z1，Z2均通過K-S檢驗(yàn)，則利用極大似然估計(jì)法可以得到序列Z1，Z2的三參數(shù)Weibull分布函數(shù)F1(z；a1，b1，c1)和F2(z；a2，b2，c2)。如果序列Z在分割點(diǎn)k發(fā)生突變，則有F1(z；a1，b1，c1)≠F2(z；a2，b2，c2)。為此，可以定義檢驗(yàn)統(tǒng)計(jì)量:

式(2)中，Λk，n的定義見文獻(xiàn)[27]，∈κ。當(dāng)QN(＾k)大于樣本量對應(yīng)的檢驗(yàn)統(tǒng)計(jì)量閾值(表1)時(shí)，認(rèn)為序列Z在＾k處發(fā)生突變；反之，則未發(fā)生突變。對于發(fā)生突變的序列，在突變點(diǎn)＾k處應(yīng)用二分法將序列分為兩個(gè)子樣本，并分別進(jìn)行均一性檢驗(yàn)，繼而檢測出序列的全部非均一點(diǎn)，而當(dāng)子樣本長度小于8時(shí)，則不再進(jìn)行均一性檢驗(yàn)。

表1 不同樣本量對應(yīng)的顯著性水平為0.05的檢驗(yàn)閾值Table 1 Test threshold of significance level at 0.05 in terms of different sample sizes

2 結(jié)果分析

2.1 以郎溪站為例的年最大風(fēng)速的均一性檢驗(yàn)

2.1.1 序列去趨勢

1980—2018年郎溪?dú)庀笳灸曜畲箫L(fēng)速原始序列和去趨勢序列見圖2。由圖2可知，年最大風(fēng)速序列的波動較大，序列的最大值達(dá)到16.1 m·s－1，最小值達(dá)到6.3 m·s－1，其中1980—1998年的年最大風(fēng)速為10.3—15.3 m·s－1，均 值 為13.1 m·s－1，并 以1.16 m·s－1/10 a的速度下降。從1999年開始，年最大風(fēng)速明顯變小，1999—2010年的年最大風(fēng)速為6.3—11.0 m·s－1，均值為8.3 m·s－1，并以1.73 m·s－1/10 a的速度下降。到2010年之后，年最大風(fēng)速又開始明顯變大，2011—2018年的年最大風(fēng)速為9.8—16.1 m·s－1，均值為13.5 m·s－1，并以2.07 m·s－1/10 a的速度下降?？傮w上，整個(gè)序列呈現(xiàn)下降趨勢。為減少氣候因素對序列趨勢的影響，選用參考站進(jìn)行去趨勢處理。經(jīng)檢查發(fā)現(xiàn)，馬鞍山站、涇縣站和繁昌站的年最大風(fēng)速資料序列較為完整，與郎溪站的距離較近，地理環(huán)境相似，年最大風(fēng)速相關(guān)系數(shù)分別為0.77、0.33和0.33，且通過顯著性水平α＝0.05的顯著性檢驗(yàn)。利用馬鞍山站、涇縣站和繁昌站的年最大風(fēng)速序列對郎溪站觀測序列進(jìn)行去趨勢處理，得到郎溪站年最大風(fēng)速去趨勢序列(圖2b)。由圖2b可知，序列在1999年、2010年前后發(fā)生了顯著的變化，將整個(gè)序列分為1980—1998年、1999—2010年和2011—2018年三段，各段內(nèi)序列基本無變化趨勢。

圖2 1980—2018年郎溪?dú)庀笳灸曜畲箫L(fēng)速原始序列(a)和去趨勢序列(b)Fig.2 The original sequence(a)and detrended sequence(b)of annual maximum wind speed at Langxi meteorological station from 1980 to 2018

2.1.2 Weibull分布檢驗(yàn)及參數(shù)估計(jì)

針對郎溪站1980—2018年的年最大風(fēng)速去趨勢序列Z，依次取分割點(diǎn)k＝3，4，…，n－2(對應(yīng)年份為1982，1983，…，2016)，將序列分割為左右兩個(gè)子序列，利用K-S方法分別檢驗(yàn)分割點(diǎn)左側(cè)序列和右側(cè)序列是否服從Weibull分布。圖3a為各分割點(diǎn)左側(cè)序列和右側(cè)序列K-S檢驗(yàn)的P值，可以發(fā)現(xiàn)各分割點(diǎn)兩側(cè)序列的檢驗(yàn)P值均大于0.05，通過顯著性檢驗(yàn)，表明各分割點(diǎn)兩側(cè)的序列均服從Weibull分布。為此，可以采用極大似然估計(jì)法得到各分割點(diǎn)兩側(cè)序列的三參數(shù)Weibull分布的參數(shù)a，b，c，即得到各分割點(diǎn)兩側(cè)序列的三參數(shù)Weibull分布函數(shù)F(z；a，b，c)。如果序列Z在某一分割點(diǎn)處存在非均一點(diǎn)，則Weibull分布的參數(shù)a、b或c一定發(fā)生變化，通過線性變化＾Z＝(Z－c)/a，將Weibull分布的位置參數(shù)c標(biāo)準(zhǔn)化為0，尺度參數(shù)a標(biāo)準(zhǔn)化為1，則可以側(cè)重于研究Weibull分布形狀參數(shù)b的變化。圖3b為各分割點(diǎn)兩側(cè)序列的Weibull分布的形狀參數(shù)估計(jì)值，可以看出形狀參數(shù)在2010年附近出現(xiàn)了較大的跳躍，表明2010年前后可能出現(xiàn)了非均一點(diǎn)。

圖3 1980—2018年郎溪站不同分割點(diǎn)兩側(cè)序列的Weibull分布K-S檢驗(yàn)P值(a)和形狀參數(shù)估計(jì)值(b)Fig.3 The P-values(a)and shape parameter estimation values(b)of Weibull distribution′s K-Stest on two side sequences at different segmentation points at Langxi meteorological station from 1980 to 2018

2.1.3 年最大風(fēng)速的均一性檢驗(yàn)

利用式(2)可以得到郎溪站1980—2018年的年最大風(fēng)速去趨勢序列Z在不同分割點(diǎn)的檢驗(yàn)統(tǒng)計(jì)值Qn(k)，如圖4a所示，可以看出序列的檢驗(yàn)統(tǒng)計(jì)值在2010年達(dá)到最大，且大于樣本量對應(yīng)的檢驗(yàn)統(tǒng)計(jì)量閾值16.38，表明郎溪站的年最大風(fēng)速序列在2010年發(fā)生了突變。利用二分法將序列分為1980—2009年和2011—2018年兩段，并分別進(jìn)行均一性檢驗(yàn)，發(fā)現(xiàn)1980—2009年的序列檢驗(yàn)統(tǒng)計(jì)值在1999年達(dá)到最大(圖4b)，且大于樣本量對應(yīng)的檢驗(yàn)統(tǒng)計(jì)量閾值16.14，表明郎溪站的年最大風(fēng)速序列在1999年也發(fā)生了突變。再對子樣本1980—1998年和2000—2009年進(jìn)行均一性檢驗(yàn)時(shí)，未發(fā)現(xiàn)非均一點(diǎn)。經(jīng)查郎溪站歷史沿革和《氣象臺站觀測環(huán)境綜合調(diào)查評估報(bào)告(安徽省郎溪)》，2007年郎溪站地面探測環(huán)境評分僅58.6分，不符合要求的人為障礙物累計(jì)遮擋方位達(dá)到357.2°，人為障礙物主要是1998—2000年建設(shè)完成的住宅樓、宿舍樓、辦公樓和廠房。隨著建筑物數(shù)量增多和高度增加，會對空氣的流動產(chǎn)生阻擋作用，造成觀測場的測量風(fēng)速明顯變小。2011年觀測場由建筑物密集的城區(qū)搬遷至正北方向約3 km探測環(huán)境較好的郊區(qū)，其地面探測環(huán)境評分為96.1分，無人為障礙物，因而探測到的風(fēng)速變大，故認(rèn)為該方法檢驗(yàn)出的1999年和2010年兩個(gè)非均一點(diǎn)是真實(shí)存在的，考慮1999年和2010年前后觀測方式和統(tǒng)計(jì)方法無變化，風(fēng)速傳感器未換型，且儀器高度無變化，認(rèn)為探測環(huán)境變化和站址遷移是郎溪站年最大風(fēng)速序列產(chǎn)生非均一點(diǎn)的主要原因。

圖4 1980—2018年(a)和1980—2009年(b)郎溪站年最大風(fēng)速序列不同分割點(diǎn)的檢驗(yàn)統(tǒng)計(jì)量Fig.4 Test statistics of annual maximum wind speed sequence at different segmentation points during 1980-2018(a)and 1980-2009(b)at Langxi meteorological station

2.2 Weibull檢驗(yàn)與PMFT、SNHT檢驗(yàn)效果對比

采用三參數(shù)Weibull檢驗(yàn)對安徽省1980—2018年年最大風(fēng)速資料相對完整的56個(gè)臺站進(jìn)行均一性檢驗(yàn)，同時(shí)也用PMFT和SNHT方法對這些臺站進(jìn)行均一性檢驗(yàn)，其中SNHT方法選取參考站標(biāo)準(zhǔn)與Weibull方法一致，檢驗(yàn)結(jié)果如表2和表3。

表2 1980—2018年安徽省56個(gè)臺站最大風(fēng)速資料Weibull、PMFT和SNHT檢驗(yàn)結(jié)果及原因分析Table 2 Test results of maximum wind speed data using the Weibull，PMFT，and SNHT methods and cause analysis at 56 stations of Anhui province from 1980 to 2018

注:“－”為沒有突變年份；“無法檢驗(yàn)”為該臺站的年最大風(fēng)速序列(或取對數(shù)后)不服從正態(tài)分布，無法用SNHT法檢驗(yàn)；存在多個(gè)非均一點(diǎn)的，按檢驗(yàn)結(jié)果前后次序給出。

表3 1980—2018年安徽省56個(gè)臺站最大風(fēng)速資料Weibull、PMFT和SNHT檢驗(yàn)結(jié)果統(tǒng)計(jì)Table 3 The statistical results of the test maximum wind speed data using the Weibull，PMFT and SNHT methods at 56 stations of Anhui province from 1980 to 2018

在Weibull檢驗(yàn)方面，56個(gè)臺站的年最大風(fēng)速序列均通過K－S檢驗(yàn)，表明序列均服從Weibull分布，采用Weibull分布檢驗(yàn)發(fā)現(xiàn)56個(gè)臺站中有15個(gè)臺站存在非均一點(diǎn)，合計(jì)檢測出18個(gè)非均一點(diǎn)，其中霍邱站、銅陵站和郎溪站均檢測到2個(gè)非均一點(diǎn)。18個(gè)非均一點(diǎn)中有15個(gè)探明原因，占比為83.3%，其中因遷站和儀器換型造成非均一點(diǎn)的有8個(gè)，占比為44.4%，因儀器高度調(diào)整或周圍障礙物導(dǎo)致探測環(huán)境變化的有7個(gè)，占比為38.9%，另外3個(gè)非均一點(diǎn)沒有得到相應(yīng)臺站歷史沿革和探測環(huán)境綜合調(diào)查的印證，存在誤判的可能性；在SNHT檢驗(yàn)方面，56個(gè)臺站中有19個(gè)臺站未通過正態(tài)分布檢驗(yàn)，對這些臺站的年最大風(fēng)速序列取對數(shù)變換后，仍有6個(gè)臺站未通過正態(tài)分布檢驗(yàn)，對剩下的50個(gè)臺站進(jìn)行SNHT檢驗(yàn)，在檢測出符合顯著性的非均一點(diǎn)之后，再對分割點(diǎn)前后的兩個(gè)序列做檢測，檢查兩個(gè)序列是否均服從正態(tài)分布，發(fā)現(xiàn)有5個(gè)臺站分割點(diǎn)前后的分布不同時(shí)服從正態(tài)分布。故實(shí)際上有11個(gè)臺站是無法用SNHT法檢驗(yàn)的。在剩下的45個(gè)臺站中，使用SNHT方法找到了20個(gè)非均一點(diǎn)，其中因遷站和儀器換型造成非均一點(diǎn)的有10個(gè)，占比為50%，因儀器高度調(diào)整或周圍障礙物導(dǎo)致探測環(huán)境變化的有5個(gè)，占比為25%，沒有得到相應(yīng)臺站歷史沿革和探測環(huán)境綜合調(diào)查印證的有5個(gè)，占比為25%；同樣，在PMFT檢驗(yàn)方面，50個(gè)年最大風(fēng)速序列通過正態(tài)分布檢驗(yàn)的臺站中檢測出4個(gè)臺站各存在一個(gè)非均一點(diǎn)，查閱臺站歷史沿革發(fā)現(xiàn)4個(gè)非均一點(diǎn)均由遷站造成。

綜合比較Weibull、PMFT和SNHT檢驗(yàn)結(jié)果發(fā)現(xiàn)，1980—2018年安徽省56個(gè)臺站的年最大風(fēng)速序列均通過Weibull分布檢驗(yàn)，而有11個(gè)臺站的年最大風(fēng)速序列未通過正態(tài)分布檢驗(yàn)，表明年最大風(fēng)速序列更符合Weibull分布。56個(gè)臺站的年最大風(fēng)速序列均可用Weibull檢驗(yàn)，而只有50個(gè)臺站的序列可以采用PMFT檢驗(yàn)，45個(gè)臺站的序列可以采用SNHT檢驗(yàn)，且PMFT只檢測出4個(gè)非均一點(diǎn)，對年最大風(fēng)速序列非均一點(diǎn)的敏感程度不如Weibull和SNHT。SNHT檢測出20個(gè)非均一點(diǎn)，Weibull檢測出18個(gè)非均一點(diǎn)，但Weibull方法找到的18個(gè)非均一點(diǎn)中有15個(gè)能得到臺站歷史沿革或者綜合調(diào)查等的印證，檢測準(zhǔn)確率高達(dá)83.3%，而SNHT方法的檢測準(zhǔn)確率只有75%，相較于SNHT方法，Weibull方法的檢測準(zhǔn)確率更高。

3 結(jié)論與討論

(1)采用三參數(shù)Weibull分布對1980—2018安徽省郎溪站的年最大風(fēng)速資料序列進(jìn)行均一性檢驗(yàn)表明，郎溪站年最大風(fēng)速資料序列在1999年和2010年存在非均一點(diǎn)，查閱郎溪站臺站歷史沿革發(fā)現(xiàn)，探測環(huán)境變化和站址遷移是郎溪站年最大風(fēng)速序列產(chǎn)生非均一點(diǎn)的主要原因。

(2)通過對1980—2018年安徽省56個(gè)臺站的年最大風(fēng)速資料序列的均一性檢驗(yàn)發(fā)現(xiàn)，56個(gè)臺站的年最大風(fēng)速序列均通過Weibull分布檢驗(yàn)，而只有50個(gè)臺站的年最大風(fēng)速序列通過正態(tài)分布檢驗(yàn)，表明年最大風(fēng)速序列更符合Weibull分布。在檢驗(yàn)結(jié)果方面，Weibull法檢測出18個(gè)非均一點(diǎn)，其中有15個(gè)點(diǎn)對應(yīng)著臺站遷移、儀器換型、儀器高度調(diào)整和探測環(huán)境變化等原因，檢驗(yàn)準(zhǔn)確率為83.3%；PMFT法檢測出4個(gè)非均一點(diǎn)，這4個(gè)點(diǎn)均由遷站造成，檢驗(yàn)準(zhǔn)確率為100%；SNHT檢測出20個(gè)非均一點(diǎn)，其中有15個(gè)非均一點(diǎn)得到臺站歷史沿革的印證，檢驗(yàn)準(zhǔn)確率為75%。

(3)綜合比較Weibull、PMFT和SNHT檢驗(yàn)結(jié)果發(fā)現(xiàn)，PMFT法只檢測出4個(gè)非均一點(diǎn)，對年最大風(fēng)速序列非均一點(diǎn)的敏感程度不如Weibull和SNHT，SNHT法對待檢序列要求較高，56個(gè)站點(diǎn)中有11個(gè)站點(diǎn)無法使用，且檢驗(yàn)準(zhǔn)確率不及Weibull法，這表明Weibull方法在年最大風(fēng)速序列的均一性檢驗(yàn)中更具有優(yōu)勢，但從檢驗(yàn)過程來看，仍存在PMFT法和SNHT法同時(shí)檢測出而Weibull未檢測出的非均一點(diǎn)，如望江站2013年遷站引起的非均一點(diǎn)，表明Weibull分布檢驗(yàn)存在著漏檢的情況，因此可以考慮將三者結(jié)合同時(shí)檢驗(yàn)，相互補(bǔ)充，相互參照，以提高檢測的準(zhǔn)確率。

(4)本研究重點(diǎn)探討了基于三參數(shù)Weibull分布的變點(diǎn)檢驗(yàn)方法對年最大風(fēng)速序列均一性檢驗(yàn)效果，但對年平均風(fēng)速序列均一性檢驗(yàn)效果如何尚未討論，可作為后續(xù)研究工作，并與文獻(xiàn)[21—23]研究結(jié)論進(jìn)行對比分析，進(jìn)一步探討該方法的優(yōu)劣。此外，很多斷點(diǎn)是由臺站遷移、儀器變更等原因造成的，這些原因不僅會導(dǎo)致年最大風(fēng)速序列出現(xiàn)斷點(diǎn)，也可能會導(dǎo)致相應(yīng)的年平均風(fēng)速序列出現(xiàn)斷點(diǎn)，兩者檢驗(yàn)結(jié)果的互相比較、印證，也可作為后續(xù)工作重點(diǎn)進(jìn)行探索。