陳志杰，王新生，汪權(quán)方

(1.湖北大學 資源環(huán)境學院，湖北 武漢430062;2.湖北省農(nóng)業(yè)遙感應(yīng)用工程技術(shù)研究中心，湖北 武漢 430062)

非洲豬瘟是由非洲豬瘟病毒(Africa swine fever virus，ASFV)引起的豬的一種急性、高發(fā)病率及高致死率的傳染病。非洲豬瘟被世界動物衛(wèi)生組織(OIE)列為A類重點防范傳染病，并且列為必須報告的動物疫病，而在我國被列為一類傳染病[1-2]。目前為止全球尚未研制出有效的疫苗控制非洲豬瘟的流行，主要通過封鎖、撲殺、無害化處理、消毒等綜合措施加以控制。非洲豬瘟可通過蟲媒、體液、野豬、生豬或豬肉制品運輸、受感染的飼料、水源、器具等多種途徑進行傳播，家豬和野豬之間也能進行傳播，不感染人[3]。

目前我國生豬養(yǎng)殖總體規(guī)模大，但規(guī)模化程度普遍較低，生豬調(diào)運頻次高、數(shù)量多，每年種豬及豬肉制品進口總量巨大，與許多國家貿(mào)易頻繁。我國與他國的旅客往來頻繁，旅客攜帶的商品數(shù)量多、種類雜。非洲豬瘟在國內(nèi)的擴散蔓延，對生豬養(yǎng)殖業(yè)造成了嚴重威脅，導致重大經(jīng)濟損失，并嚴重影響著國民日常生活。同時，我國野豬資源較為豐富，分布范圍廣，全國野豬數(shù)量超過百萬頭，其中江西、湖北、福建等省都超過10萬頭[4-5]，非洲豬瘟一旦傳播至自然界野豬中，疫情將更加難以控制和消除，這在歐洲有豐富的歷史經(jīng)驗。2018年8月，非洲豬瘟疫情首次在我國發(fā)現(xiàn)，并連續(xù)在全國范圍內(nèi)擴散[6-7]。各種疫情的發(fā)生往往和地理時空數(shù)據(jù)有著重要的關(guān)聯(lián)，地理研究方法可以從不同的角度對疫情的發(fā)生和發(fā)展進行宏觀分析，探尋疫情發(fā)生及擴散規(guī)律[8]。目前研究疫情的地理方法也比較多，如李美芳[9]采用空間自相關(guān)分析及時間聚集性等分析方法對甲型H1N1流感進行時空分析。徐敏等[10]利用時空重排掃描統(tǒng)計量的方法對這期間深圳市的甲型流感疫情進行時空聚集性分析。方立群等[11]用空間聚類分析、空間統(tǒng)計分析和追蹤分析等方法對禽流感疫情的分布進行分析。盧易、石國寧等[12-13]利用GIS技術(shù)，采用空間自相關(guān)、時空掃描統(tǒng)計等方法對我國非洲豬瘟流行風險及時空特征進行了分析，但分析所采用數(shù)據(jù)是我國非洲豬瘟疫情早期數(shù)據(jù)，分析結(jié)果存在一定局限性。

采用2018年8月至2019年9月農(nóng)業(yè)農(nóng)村部已公布非洲豬瘟疫情數(shù)據(jù)，利用GIS空間分析以及熵權(quán)灰色關(guān)聯(lián)度等方法，進一步對我國的非洲豬瘟疫情時空特征及擴散規(guī)律進行研究分析，以深入了解我國非洲豬瘟疫情的時空分布特征及與發(fā)病率、死亡率的相關(guān)影響因素，對我國相關(guān)部門制定科學合理的疫情防控措施提供一定的指導依據(jù)，具有重要的研究意義。

1 研究數(shù)據(jù)

本研究數(shù)據(jù)包括非洲豬瘟疫情數(shù)據(jù)、生豬養(yǎng)殖規(guī)模統(tǒng)計數(shù)據(jù)(2017年年底生豬存欄數(shù))、各疫情發(fā)生點的月平均溫度數(shù)據(jù)和地理空間數(shù)據(jù)。非洲豬瘟疫情數(shù)據(jù)來源于我國農(nóng)業(yè)農(nóng)村部官方網(wǎng)站疫情發(fā)布數(shù)據(jù)，包含疫情發(fā)生的地點、發(fā)病數(shù)、死亡數(shù)以及計算得到的發(fā)病率和死亡率等指標數(shù)據(jù)。生豬養(yǎng)殖規(guī)模統(tǒng)計數(shù)據(jù)來自于中國統(tǒng)計年鑒。溫度數(shù)據(jù)查詢歷史氣象數(shù)據(jù)獲得。地理空間數(shù)據(jù)采用世界行政區(qū)數(shù)據(jù)、一帶一路主要城市及路線數(shù)據(jù)，全國省級行政區(qū)劃、縣級行政區(qū)劃數(shù)據(jù)及國界線等矢量數(shù)據(jù)，數(shù)字高程模型數(shù)據(jù)，即地形數(shù)據(jù)。國內(nèi)空間數(shù)據(jù)投影均采用Albers等面積割圓錐投影，中央經(jīng)線105°，雙標準緯線分別為25°和47°，世界行政區(qū)數(shù)據(jù)及一帶一路數(shù)據(jù)采用UTM投影。

2 研究方法

2.1 方向分布分析方向分布分析反映要素的分布中心、離散趨勢以及擴散方向等空間特征。標準差橢圓(SDE)是一種經(jīng)典的方向分布分析方法，該方法分別計算要素集x、y方向上的標準距離，即平均距離，由平均中心作為起點對x坐標和y坐標的標準差進行計算，定義橢圓的長短軸，假設(shè)存在某一方向，所有要素到該方向的標準差距離最小，該方向與原坐標軸的x方向的夾角θ即是要素集的定向方向，通過標準差橢圓可以判別要素的分布方向性。根據(jù)要素的位置點的某種屬性值來計算標準差橢圓，為加權(quán)標準差橢圓[14-15]。

(1)

(2)

(3)

SDE中心是所分析要素的空間分布中心，長軸方向和短軸方向分別代表要素空間分布主趨勢方向和次趨勢方向，長軸長度和短軸長度分別表征要素空間分布在主趨勢方向和次趨勢方向偏離中心的程度，即離散程度，扁率等于長短軸之差與長軸長度的比值，體現(xiàn)要素空間分布形態(tài)[16-17]。

要素分布橢圓與基準分布橢圓的差別可用于判斷要素空間集聚水平[18]。其計算公式為：

空間集聚度=|1-Area(要素分布橢圓)/
Area(基準分布橢圓)|

(4)

式中，Area()表示橢圓面積。另外，計算要素1相對要素2的空間集聚度偏離指數(shù)，兩要素SDE橢圓越重合，其空間分布格局就越相似，否則越不同。偏離指數(shù)計算公式為：

偏離指數(shù)=|1-Area((要素分布橢圓1∩
要素分布橢圓2)/Area(要素分布橢圓2)|

(5)

以到各月份月底所有疫情點數(shù)據(jù)作為當月標準差橢圓計算數(shù)據(jù)，全國基準標準差橢圓采用我國縣市行政區(qū)劃圖生成的幾何中心點集以等權(quán)重計算得到。采用生豬養(yǎng)殖規(guī)模數(shù)據(jù)加權(quán)計算我國生豬養(yǎng)殖分布重心和橢圓分布中心，即各月疫情重心，進行偏離分析。分別計算各月標準差橢圓在全國范圍內(nèi)的空間聚集度和偏離指數(shù)，即以全國標準差橢圓作為基準分布橢圓計算得到各月疫情發(fā)生的空間聚集度和偏離指數(shù)?；贏rcGIS軟件平臺實現(xiàn)以上計算方法，橢圓尺寸選取包含68%要素的第一類橢圓，以疫情點的發(fā)生頻次作為權(quán)重參與計算。

2.2 聚類分析聚類分析是依據(jù)所分析樣本的親疏關(guān)系進行分類的，某一種或多種屬性相似度高的樣本分為同一類別，差異大的分到不同的類別中。聚類分析通常有系統(tǒng)聚類、K-均值法、動態(tài)聚類法、圖論聚類法、模糊聚類法等。系統(tǒng)聚類方法是最基本和最常用的方法，基本思想是首先將所有樣本各自作為一類，計算樣本之間的距離和類與類之間距離，然后將距離最近的兩類合并成一個新類，在計算新類和其他類之間的距離；重復進行2個最近類的合并，每次減少一類，直至所有的樣本被合并為一類[19-20]。常用有8種系統(tǒng)聚類方法，其區(qū)別在于類間距離的計算方法不同，如最遠距離聚類法、中線法、距離平方和法等[21]。

采用距離平方和聚類方法對我國全部疫情點進行空間聚類分析，以經(jīng)度和緯度作為聚類變量，樣本距離采用歐式距離法，以Geoda軟件平臺實現(xiàn)聚類分析，方法采用Ward’s-linkage，同時疊加我國地形數(shù)據(jù)，分析疫情點分布特征，使用Arcgis10.2軟件進行制圖分析。

2.3 熵權(quán)灰色關(guān)聯(lián)度分析灰色關(guān)聯(lián)分析法是由我國學者鄧聚龍教授于20世紀80年代首次提出的一種系統(tǒng)建模理論。理論認為，在地理系統(tǒng)中，眾多的因素之間的關(guān)系是灰色的，往往難以有效區(qū)分哪些是主導因素，哪些是非次要因素。該方法是對反應(yīng)各因素變化特性的數(shù)據(jù)序列所進行的幾何比較，用于度量因素之間關(guān)聯(lián)程度的灰色關(guān)聯(lián)[20-23]。

灰色關(guān)聯(lián)方法的計算步驟主要可以分為3個步驟，具體如下：第一步確定分析因素數(shù)據(jù)序列并進行無量綱化，即確定反應(yīng)系統(tǒng)行為特征的參考數(shù)列和影響系統(tǒng)行為的比較數(shù)列，記參考數(shù)列為{xi(t)}，i=1,2，…m，t=1,2,…n)，比較數(shù)列為

{xj(t)}，j=1,2，…l，t=1,2,…n)。

第二步計算關(guān)聯(lián)度系數(shù)ξij(t)和關(guān)聯(lián)度γij，其計算公式為：

(6)

ξij(t)為因素xj對xi在t時刻的關(guān)聯(lián)系數(shù)；k為介于[0,1]區(qū)間的灰數(shù)，通常取值0.5。γij為兩因素之間的關(guān)聯(lián)度。

第三步進行關(guān)聯(lián)度γij排序，關(guān)聯(lián)度值越大其關(guān)聯(lián)性越強，關(guān)系越密切，否則越不密切。

采用信息熵權(quán)重對灰色關(guān)聯(lián)度進行加權(quán)計算，得到熵權(quán)灰色關(guān)聯(lián)度。信息熵是反應(yīng)事物的綜合特征指標，其基本思路是根據(jù)指標變異性的大小來確定客觀權(quán)重[23]。

記各個因素的信息熵為E1，E2，…，Ek，一般來說，若某個因素的信息熵Ek越小，表示該因素的變異程度越大，其提供的信息量越多，在綜合評價中所能起到的作用也越大，從而權(quán)重也越大。相反，某個因素的信息熵越大，表示該因素的變異程度越小，提供的信息量也越少，在綜合評價中所起到的作用就越小，其權(quán)重也越小。信息熵計算公式如下：

(7)

計算各因素的指標權(quán)重，通過各因素的信息熵計算指標權(quán)重Wi和熵權(quán)灰色關(guān)聯(lián)度Q，公式如下：

(8)

以各疫情點的發(fā)病率和死亡率作為參考數(shù)列，分別記為B1、B2，發(fā)病率和死亡率分別以各疫情點統(tǒng)計的數(shù)據(jù)計算得到。疫情發(fā)生點的經(jīng)度、緯度、海拔、發(fā)生時的月平均高溫、月平均低溫、月平均溫差、月平均溫度、生豬存欄數(shù)作為比較數(shù)列，分別記為C1、C2、C3、…、C7、C8，以疫情點所在市縣的平均海拔作為各疫情點的海拔。依次計算發(fā)病率、死亡率兩參考數(shù)列和比較數(shù)列的灰度關(guān)聯(lián)系數(shù)、灰色關(guān)聯(lián)度，分析各因素對我國疫情的影響程度，由于溫度存在負值，因此各數(shù)列的無量綱化處理均采用極值法。

3 結(jié)果分析

3.1 疫情分布特征至2019年9月底，全國共發(fā)生149起疫情，其中家豬146起，野豬3起(均在野豬養(yǎng)殖場發(fā)生，分布于黑龍江、吉林和內(nèi)蒙古)，其中養(yǎng)殖戶72起、養(yǎng)殖場59起、屠宰場和運輸途中各5起，其他8起。疫情分布范圍涉及31個省、自治區(qū)、直轄市。對我國疫情發(fā)生頻數(shù)、疫情點生豬存欄數(shù)量、發(fā)病數(shù)和死亡數(shù)進行匯總，并計算有效數(shù)據(jù)的發(fā)病率[14]和病死率。2017年底生豬存欄數(shù)量、發(fā)病數(shù)和死亡數(shù)3種數(shù)據(jù)都有統(tǒng)計的作為有效數(shù)據(jù)，否則作為無效數(shù)據(jù)。據(jù)統(tǒng)計，全部疫情發(fā)生地點124處(以縣級行政區(qū)幾何中心作為發(fā)生地點)，部分地點多次發(fā)生疫情或者一次發(fā)生多起疫情。疫情統(tǒng)計基本情況如表1。

由表1可知，我國疫情發(fā)生頻數(shù)從2018年8月至2019年9月呈現(xiàn)從低到高，再從高到低的趨勢變化，2018年9 -12月是疫情高暴發(fā)期，10月和11月病死率也明顯較高，而2019年1月開始明顯減少。在整個研究時段內(nèi)的平均發(fā)病率是0.0139×10-4%，平均病死率是70.02%。1月發(fā)病率最高，10月次之，之后是4月，1月和4月疫情涉及西部維族、藏族和回族聚集區(qū)，其生豬養(yǎng)殖規(guī)模較小，基數(shù)小，計算所得發(fā)病率高，10月份是疫情高暴發(fā)期，發(fā)病率也高，其他月份發(fā)病率普遍較低。圖2A表明，我國非洲豬瘟中發(fā)生在黑河-騰沖線東南，2018年秋冬季節(jié)疫情大范圍擴散。圖2B顯示，從持續(xù)時間上看，西南地區(qū)疫情持續(xù)時間普遍較長，是疫情高發(fā)區(qū)情也較為嚴重，東部和西部地區(qū)的疫情相對輕微。圖2C，D顯示，疫情在遼寧省，集中在沈陽地區(qū)，安徽、湖南等省份發(fā)生頻數(shù)最多。其次是黑龍江、貴州、北京、內(nèi)蒙古、山西、四川、云南、海南等省份，其他發(fā)生疫情省份相對較少。高發(fā)病率省份主要在黑河-騰沖線沿線，東部省份發(fā)病率明顯較低。各省份病死率均較高，分布總體較為均衡，80%省份超過45%。西藏、河北、山東、甘肅等地發(fā)病率較低。

3.2 疫情擴散趨勢

3.2.1標準差橢圓分析 計算全國標準差橢圓、各月的標準差橢圓、全國空間聚集度、全國偏離指數(shù)，如表2、圖6。在全國范圍內(nèi)，8月在全國的分布范圍最小，空間聚集度最高，偏離指數(shù)也最高，隨后各月空間聚集度和偏離指數(shù)逐漸減少。11月以前空間聚集程度都較高，偏離指數(shù)較大，各月疫情空間聚集度較高，從12月以后明顯降低，并且趨于穩(wěn)定。2018年12月至2019年3月比較穩(wěn)定，4月出現(xiàn)較大波動，疫情出現(xiàn)明顯擴散現(xiàn)象，5月份以后逐漸穩(wěn)定。2018年10月和2019年4月是2個明顯的擴散期，疫情范圍明顯擴大，10月擴散范圍更大。

全國非洲豬瘟疫情的總體分布重心不斷向西南擴散，疫情總體集中分布在我國東部地區(qū)。分布重心隨月份移動，總體上不斷偏離我國生豬養(yǎng)殖重心，8-9月份向北移動，隨后不斷向西南移動，10月份明顯向西南移動，12月份以后直至次年3月份擴散趨勢總體較為平穩(wěn)，4月份范圍進一步擴大到新疆西藏海南等地，繼續(xù)向西南移動，其后逐步穩(wěn)定，2019年9月底疫情分布重心位于河南省南部的唐河縣東北。我國疫情總體上向西南地區(qū)集中，西南地區(qū)成為疫情更為嚴重的區(qū)域。

3.2.2一帶一路分析 采用一帶一路路線數(shù)據(jù)分別建立100，200 km緩沖區(qū)，和疫情點進行疊加分析，100 km緩沖區(qū)內(nèi)疫情點有36個，占比24.15%；200 km緩沖區(qū)內(nèi)疫情點有53個，占比35.57%，均有一定聚集，聚集程度不高，各月份一帶一路沿線疫情聚集程度更低。2018年8月至2019年3月，中蒙經(jīng)濟走廊和亞歐大陸橋沿線，在100，200 km緩沖區(qū)內(nèi)均有3～5個不同月份發(fā)生的疫情，時間上聚集不明顯。在2019年4月份新疆和海南突然短期內(nèi)暴發(fā)多起疫情，且位于200 km緩沖區(qū)內(nèi)，另外西南地區(qū)，尤其是云南發(fā)生亞大陸橋、中巴經(jīng)濟走廊、中國-中南半島經(jīng)濟走廊、海上絲綢之路沿線的經(jīng)濟交流與貿(mào)易往來有密切關(guān)系。

表1 全國月份疫情統(tǒng)計

圖1 全國疫情基本情況及各省發(fā)病率和死亡率分布 A.全國疫情季節(jié)性分布;B.各省疫情持續(xù)時間分布(天);C.各省平均發(fā)病率分布;D.各省平均病死率分布。C、D中省份上顯示的數(shù)字代表各省疫情發(fā)生頻數(shù)

表2 疫情點聚集程度及擴散趨勢分析

圖2 月份標準差橢圓及分布重心 圖3 一帶一路沿線疫情

3.3 疫情空間聚集性通過系統(tǒng)聚類分析，結(jié)合標準差橢圓法計算每個類別的標準差橢圓，形成聚集區(qū)，疊加我國地形數(shù)據(jù)，分析疫情點空間特征。計算結(jié)果如圖3所示，在我國發(fā)生疫情的地區(qū)域中，疫情較為明顯和集中分布的聚集區(qū)有4個。東北三省及內(nèi)蒙東北部為一個聚集區(qū)，簡稱為“東北”聚集區(qū)，共計發(fā)生疫情35起，9-10月為高發(fā)期。北京、天津、山西、內(nèi)蒙中部等地為一個聚集區(qū)，簡稱為“中北”聚集區(qū)，疫情發(fā)生共28起，10-12月為高發(fā)期。湖北東部、江西北部、安徽、江蘇、浙江為一個聚集區(qū)，簡稱為“東部”聚集區(qū)，疫情總計28起，9-11月為疫情高發(fā)期；湖南、貴州、重慶、四川、云南等省份為一個聚集區(qū)，簡稱為“西南”聚集區(qū)，疫情總計55起，疫情從2018年10月至2019年9月均有發(fā)生，持續(xù)時間最長，2018年10-12月和2019年4月為疫情高發(fā)期，成為目前疫情高風險和高發(fā)地區(qū)。

圖4 全國疫情點聚類結(jié)果

圖3同時顯示疫情地形分布特征，我國非洲豬瘟疫情主要分布在我國東部山區(qū)丘陵地區(qū)，平原地區(qū)總體分布較少，且多分布于山區(qū)和平原的過度地帶，或分布于一些主要山脈周邊。如“西南”聚集區(qū)的疫情點分布于四川盆地周邊山脈附近，包括四川龍門山、重慶大婁山以及貴州烏蒙山。湖南疫情分布于武陵山、雪峰山等山脈周邊。“中北”聚集區(qū)疫情點分布在太行山周邊?！皷|北”聚集區(qū)疫情主要分布于長白山山脈西側(cè)，有少量疫情點分布于松嫩平原。“東部”聚集區(qū)分布于大別山、天目山等山脈周邊。全國疫情點的平均海拔值為587.15 m，我國疫情多發(fā)生于較高海拔地區(qū)。

3.4 疫情影響因素分析表3顯示，發(fā)病率和死亡率與各因素在全時段的灰色關(guān)聯(lián)度均大于0.45，關(guān)聯(lián)度普遍較高。全時段發(fā)病率灰色關(guān)聯(lián)度最大的3個排序均是：C3>C8>C6，即海拔關(guān)聯(lián)度最大，遠高于其他因素，生豬養(yǎng)殖規(guī)模次之，月平均溫差其后。死亡率灰色關(guān)聯(lián)度最大的3個排序均是：C4>C7>C5，均為溫度指標，且三者接近，從全局來看，溫度對死亡率的影響更大。

發(fā)病率在全時段熵權(quán)灰色關(guān)聯(lián)度最大的3個排序是：C3>C8>C5，即海拔關(guān)聯(lián)度最大，也遠高于其他因素，生豬養(yǎng)殖規(guī)模次之；病死率的排序是：C3>C5>C7，也是海拔最高，月平均低溫和月平均溫度次之，兩者較為接近。因此，海拔是目前疫情最重要的影響因素，其影響度明顯高于其他因素，其次是生豬養(yǎng)殖規(guī)模和溫度等因素。其中，生豬養(yǎng)殖規(guī)模對發(fā)病率影響較大，而溫度對死亡率影響較大。

表3 全局熵權(quán)灰色關(guān)聯(lián)度

圖5 發(fā)病率和病死率月份熵權(quán)灰色關(guān)聯(lián)度

圖5中，發(fā)病率、病死率和各影響因素的熵權(quán)灰色關(guān)聯(lián)度月份間均有明顯變化，其中各月份發(fā)病率和病死率與海拔和生豬養(yǎng)殖規(guī)模的熵權(quán)關(guān)聯(lián)度明顯高于其他因素。發(fā)病率、病死率和緯度的熵權(quán)關(guān)聯(lián)度分別從4，5月份開始明顯高于海拔之外的其他因素。我國疫情3月份以后多集中發(fā)生于我國中部、西南中緯度地區(qū)，這是該段時間發(fā)病率、病死率與緯度熵權(quán)關(guān)聯(lián)度增加的主要原因。另外，2018年11-12月份以及2019年5月份發(fā)病率、病死率和月平均溫差的熵權(quán)關(guān)聯(lián)度較高，其他時間明顯偏小，反應(yīng)了疫情季節(jié)性規(guī)律，秋冬季節(jié)溫差大，疫情更容易發(fā)生。

4 討論

我國疫情擴散主體方向從東北-西南，疫情范圍不斷擴大，蔓延至全國各省，疫情分布重心逐漸地從東部沿海地區(qū)逐漸向西南方向移動，與位于華北平原的山東省中部地區(qū)的生豬養(yǎng)殖重心存在明顯的空間分布差異。一帶一路沿線空間上有一定聚集現(xiàn)象，但聚集程度低，時間上總體聚集程度也不高，沿線疫情由國內(nèi)擴散的可能性更大。4月份新疆、海南、云南發(fā)生的疫情分布在一帶一路沿線附近，而且時間較為集中，可能來自于國外疫情傳播，我國需加強一帶一路沿線疫檢工作和豬肉制品的檢測與控制。

研究時段內(nèi)，疫情分布在時間和空間上均有明顯聚集現(xiàn)象。時間上，我國非洲豬瘟疫情主要集中于10-12月份發(fā)生，屬于疫情的暴發(fā)期，之后各月份持續(xù)有疫情發(fā)生，平次較為平穩(wěn)，整體呈較少趨勢。西南多個省份持續(xù)發(fā)生時間最長，成為目前我國非洲豬瘟疫情高風險和高發(fā)區(qū)域，也是我國應(yīng)當重點防控的區(qū)域；空間上呈現(xiàn)4個聚集區(qū)，疫情總體聚集分布在 “騰沖-黑河”線東南，西部分布較少，發(fā)病率在該沿線明顯高于其他地區(qū)，各省疫情病死率普遍較高。高海拔區(qū)域疫情發(fā)病率和病死率相對較高，疫情多位于我國主要山脈附近，會對我國野豬造成嚴重疫情威脅,因此對各疫情區(qū)的野豬也應(yīng)當進行重點防控。

地理因素影響分析中，海拔因素對發(fā)病率和病死率均有重要影響，明顯高于其他因素。生豬養(yǎng)殖規(guī)模對發(fā)病率的影響僅次于海拔因素，我國生豬養(yǎng)殖格局對疫情發(fā)生也有重要影響。另外，除海拔之外，溫度對疫情死亡率影響也較大，秋冬季節(jié)是疫情高發(fā)時段。