杜景龍，彭梓壹，盧學(xué)鶴，龔 瑤，劉暢暢

（蘇州科技大學(xué) 地理科學(xué)與測繪工程學(xué)院，江蘇 蘇州 215009）

全球變暖是當(dāng)前國際社會最關(guān)注的問題之一。研究表明，至本世紀(jì)末，全球平均氣溫可能會上升1.8～4.0 ℃，屆時將對全球帶來災(zāi)難性后果[1-2]。聯(lián)合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第五次評估報告指出，氣候變暖95%是由于化石燃料燃燒和土地利用變化等人類活動排放的溫室氣體導(dǎo)致的[3]。相關(guān)數(shù)據(jù)表明，1870—2015 年全球累積碳排放中，土地利用變化產(chǎn)生的CO2總量累計約為1.45×1011t[4]；1950—2005 年中國土地利用變化累計碳排放為1.06×107t，占同期全球土地利用變化碳排放量的12%[5]。土地作為承載人類一切生產(chǎn)、生活的載體，土地利用的結(jié)構(gòu)、方式、動態(tài)變化將影響地表生態(tài)系統(tǒng)的碳匯和碳源，進(jìn)而影響大氣中的碳排放[6]。因此，研究土地利用與碳排放的相關(guān)性，對合理利用土地、實現(xiàn)“雙碳”目標(biāo)、構(gòu)建資源節(jié)約、環(huán)境友好型社會具有重要意義。近年來，有關(guān)土地利用碳排放的研究得到了國內(nèi)外學(xué)者的普遍關(guān)注，并取得了豐碩的成果。從研究內(nèi)容角度來看，主要包括：碳排放影響因素研究，如Puertas 和Marti[7]采用指標(biāo)分解分析（IDA）和結(jié)構(gòu)分解分析（SDA）、Nawaz 等[8]利用分位數(shù)自然回歸分布式滯后模型、Wei 等[9]和牛亞文等[10]利用地理探測器探究了碳排放的影響因素；碳排放的預(yù)測研究，如Zhao和Li[11]采用長短期記憶法、Niu 等[12]采用改進(jìn)回歸神經(jīng)網(wǎng)絡(luò)分別預(yù)測了中國的碳排放發(fā)展趨勢，Wang 等[13]利用灰色預(yù)測模型預(yù)測了山西等地區(qū)的碳排放發(fā)展趨勢；碳排放時空差異研究，如Zhang 等[2]利用探索性空間數(shù)據(jù)分析研究了黃河三角洲的碳排放時空差異，Mamipour 等[14]利用探索性空間數(shù)據(jù)分析研究了伊朗的碳排放時空差異，Zhou 等[15]利用生態(tài)補償系數(shù)和經(jīng)濟(jì)補償系數(shù)研究了中國的碳排放時空差異；碳排放效率研究，如Xue 等[16]采用空間分位數(shù)回歸模型、范建雙等[17]利用DEA 模型和Hicks-Moorsteen 指數(shù)、楊國清等[18]利用K-mean 聚類法分別研究了京津冀、南京、廣東地區(qū)的碳排放效率。從研究的空間尺度來看，全國、省級宏觀和中觀尺度的土地利用碳排放研究較多，如廣東[18-19]、山西[13]、長江經(jīng)濟(jì)帶[20-22]、南京[23]、杭州[24]等，市、縣等微觀尺度研究較少。蘇州作為我國經(jīng)濟(jì)最強(qiáng)地級市，改革開放以來，尤其是近20 年，隨著經(jīng)濟(jì)的迅猛發(fā)展和城鎮(zhèn)化的快速推進(jìn)，土地利用結(jié)構(gòu)發(fā)生了顯著變化[25]，勢必對土地利用碳排放產(chǎn)生重大影響。筆者以蘇州市各區(qū)市為研究單元，基于2001、2005、2010、2015 和2020 年的土地利用、能源消耗和社會經(jīng)濟(jì)等數(shù)據(jù)，利用相關(guān)分析模型，揭示蘇州市近20 年來土地利用碳排放時空特征、演化規(guī)律，旨在為蘇州市踐行“雙碳”目標(biāo)、推動綠色低碳發(fā)展提供參考，并為其他地區(qū)的相關(guān)研究提供借鑒。

1 研究區(qū)與研究方法

1.1 研究區(qū)概況與數(shù)據(jù)來源

蘇州市地處江蘇省東南部，是長三角地區(qū)重要的中心城市。全市總面積8 657.32 km2，2021 年全市地區(qū)生產(chǎn)總值2.27 萬億元，常住人口1 274.83 萬人。2012 年之前蘇州市包括平江區(qū)、滄浪區(qū)、金閶區(qū)、吳中區(qū)、工業(yè)園區(qū)、相城區(qū)、高新區(qū)（虎丘區(qū)），代管吳江市、昆山市、太倉市、常熟市和張家港市5 個縣級市。2012 年之后蘇州市進(jìn)行區(qū)劃調(diào)整，合并了原平江區(qū)、滄浪區(qū)、金閶區(qū)，設(shè)立姑蘇區(qū)，將吳江市在原區(qū)劃范圍內(nèi)撤市建區(qū)。為了保持?jǐn)?shù)據(jù)的一致性，文中按照新的區(qū)劃調(diào)整對2001 年、2005 年和2010 年的數(shù)據(jù)進(jìn)行了合并處理，即研究對象為姑蘇區(qū)、吳中區(qū)、工業(yè)園區(qū)、相城區(qū)、高新區(qū)（虎丘區(qū)）、吳江區(qū)、昆山市、太倉市、常熟市和張家港市，共計10 個區(qū)市。

研究所用主要數(shù)據(jù)包括：（1）土地利用數(shù)據(jù)來源于地理監(jiān)測云平臺Lan dsat TM 遙感影像（2001、2005、2010、2015 和2020 年，空間分辨率為30 m）；參考土地利用現(xiàn)狀分類標(biāo)準(zhǔn)（GB/T21010-2007）及前人研究[26-28]，將土地利用類型劃分為耕地、林地、草地、水域、建設(shè)用地及未利用地6 種類型，在GIS 軟件中對土地利用數(shù)據(jù)進(jìn)行重分類和面積制表，得到2001—2020 年蘇州市各區(qū)市5 期土地利用數(shù)據(jù)；（2）蘇州市各區(qū)市的能源消耗和影響因子所涉及的數(shù)據(jù)來源于2001—2020 年的《蘇州市統(tǒng)計年鑒》和《中國縣域統(tǒng)計年鑒》。

1.2 研究方法

1.2.1 直接碳排放量測算

土地利用碳排放估算方法可分為直接碳排放量測算和間接碳排放量估算，前者為耕地、林地、草地、水域、未利用地的碳排放測算，后者為建設(shè)用地的碳排放估算。借鑒已有研究[20，26]，文中運用碳排放系數(shù)法計算直接碳排放量，公式如下

式中：Ek為直接碳排放量；i 為土地利用類型，i=1，2，3，4，5，分別對應(yīng)耕地、林地、草地、水域和未利用地；ei為土地利用類型i 的直接碳排放；Ai為土地利用類型i 的面積；δi為土地利用類型i 的碳排放系數(shù)，其中正值為碳源、負(fù)值為碳匯。參考已有研究，并結(jié)合研究區(qū)的實際情況確定碳排放系數(shù)（見表1）。

表1 土地利用類型的碳排放系數(shù) 單位：kg C·（m2·a）-1

耕地既是碳匯也是碳源，耕地的碳源、碳匯能力與農(nóng)作物的種植種類和機(jī)械化水平有關(guān)，結(jié)合蘇州市農(nóng)作物主要為谷物，取碳排放系數(shù)0.042 20 kg C·（m2·a）-1；林地為碳匯，考慮到蘇州市地處亞熱帶，林地資源種類豐富，主要以喬木林和竹林為主，取值為-0.061 25 kg C·（m2·a）-1；蘇州市氣候溫潤，適宜各種草坪生長，根據(jù)太湖流域碳排放的相關(guān)研究，取值為-0.002 10 kg C·（m2·a）-1；蘇州市水域面積占全市總面積的42%左右，主要包括河流、湖泊、坑塘和水利設(shè)施用地，河流和湖泊通常是碳匯，而水利設(shè)施用地的建設(shè)和運行會產(chǎn)生碳排放，綜合考慮，文中取水域用地的碳排放系數(shù)為-0.024 80 kg C·（m2·a）-1；未利用地的碳源和碳匯能力均較弱，蘇州市未利用地的碳排放系數(shù)為-0.000 50 kg C·（m2·a）-1。

1.2.2 間接碳排放量測算

建設(shè)用地承載著人類的多種活動方式，產(chǎn)生碳排放的要素較多，計算較為復(fù)雜，文中主要通過煤、石油、天然氣等能源消耗產(chǎn)生的碳排放來間接估算。蘇州市能源消費結(jié)構(gòu)較為豐富，主要的能源類型共14 種：原煤、洗精煤、型煤、焦炭、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、天然氣、焦?fàn)t煤氣、熱力和電力；由于電力、熱力為二次能源消費，本身并不直接產(chǎn)生碳排放，產(chǎn)生的碳排放主要來自二次能源本身生產(chǎn)過程中對化石能源的消耗，文中借鑒大多數(shù)學(xué)者的觀點[13，24，28-30]，在間接碳排放計算中，沒有考慮電力、熱力的碳排放問題（見表2）。結(jié)合蘇州市能源統(tǒng)計數(shù)據(jù)的特點，文中采用能源消費量算法[31-36]計算蘇州市不同種類能源終端消費產(chǎn)生的碳排放。公式如下

表2 各種能源的低位發(fā)熱量和碳排放系數(shù)

式中：Em為建設(shè)用地間接碳排放總量，i 為12 種不同的能源類型，Emi為能源i 消耗產(chǎn)生碳排放量，Eni為能源i 的消耗量，Qi為能源i 的低位發(fā)熱量，γi為能源i 的碳排放系數(shù)。

能源數(shù)據(jù)來源于2001—2020 年的《蘇州統(tǒng)計年鑒》，汽油、煤油和柴油為蘇州全社會消費總量，其他指標(biāo)為規(guī)模以上工業(yè)企業(yè)的消費量。由于《蘇州統(tǒng)計年鑒》中，蘇州市區(qū)（包括姑蘇區(qū)、高新區(qū)、工業(yè)園區(qū)、吳中區(qū)和相城區(qū)）的能源消費量合并統(tǒng)計，根據(jù)公式（2）只能計算出蘇州市區(qū)、吳江區(qū)、張家港市、常熟市、昆山市和太倉市的間接碳排放量，無法直接計算姑蘇區(qū)、高新區(qū)、工業(yè)園區(qū)、吳中區(qū)和相城區(qū)的間接碳排放量，參照相關(guān)研究[17，30]，上述5 個區(qū)的間接碳排放量按如下方法計算：

①計算蘇州市區(qū)的能源消費總量（噸標(biāo)準(zhǔn)煤）

式中：Et為蘇州市區(qū)的能源消費總量（噸標(biāo)準(zhǔn)煤）；Eni為蘇州市區(qū)能源i 的消耗量；λi為能源i 折標(biāo)準(zhǔn)煤系數(shù)。

②計算蘇州市區(qū)的單位工業(yè)總產(chǎn)值能耗系數(shù)（噸標(biāo)準(zhǔn)煤/萬元）

式中：K 為蘇州市區(qū)的單位工業(yè)總產(chǎn)值能耗系數(shù)（噸標(biāo)準(zhǔn)煤/萬元）；Gt為蘇州市區(qū)的工業(yè)總產(chǎn)值；Et為蘇州市區(qū)的能源消費總量（噸標(biāo)準(zhǔn)煤）。

③計算蘇州市區(qū)單位能耗（噸標(biāo)準(zhǔn)煤）的碳排放量

式中：C 為蘇州市區(qū)單位能耗（噸標(biāo)準(zhǔn)煤）的碳排放量；Em為蘇州市區(qū)的間接碳排放總量（由公式（2）計算而來）；Et為蘇州市區(qū)的能源消費總量（噸標(biāo)準(zhǔn)煤）。

④計算蘇州市區(qū)各區(qū)（姑蘇區(qū)、工業(yè)區(qū)、高新區(qū)、相城區(qū)和吳中區(qū)）的能源消費總量（噸標(biāo)準(zhǔn)煤）

式中：Ei為第i 區(qū)的能源消費總量（噸標(biāo)準(zhǔn)煤）；Gi為第i 區(qū)的工業(yè)總產(chǎn)值；K 為蘇州市區(qū)的單位工業(yè)總產(chǎn)值能耗系數(shù)（噸標(biāo)準(zhǔn)煤/萬元）。

⑤計算蘇州市區(qū)各區(qū)的間接碳排放量

式中：Emi為i 區(qū)的間接碳排放量；Ei（同上）；C（同上）。

2 研究結(jié)果與分析

2.1 土地利用變化分析

2001—2020 年，蘇州市土地利用類型變化最大的是建設(shè)用地和耕地（見表3 和圖1），在此期間，耕地面積從2001 年的4 359 km2減少至2020 年的2 859 km2，下降34.4%，建設(shè)用地面積由1 021 增至2 462 km2，增長141.4%；耕地的減少和建設(shè)用地的擴(kuò)張主要發(fā)生在本世紀(jì)的前10 年，2010 年以來，這種變化趨勢有所減緩，主要是2010 年以后，蘇州城市擴(kuò)張從外延式發(fā)展轉(zhuǎn)到以城市更新、舊城改造為主以及耕地保護(hù)政策的收緊[25]。林地和水域一直保持較為穩(wěn)定的水平，草地和未利用地占比較少，零散分布在市域的不同區(qū)域，但由于近年來城市綠化建設(shè)提速，草地面積有較大幅度提升。從表3 和圖1 的數(shù)據(jù)分布可以看出，蘇州當(dāng)前的土地利用特征呈現(xiàn)出水域、耕地、建設(shè)用地三分天下的格局，林地主要分布在西部太湖沿岸的山區(qū)。

圖1 2001—2020 年蘇州市土地利用變化情況

表3 蘇州市土地利用面積統(tǒng)計表（2001—2020） （單位：km2）

土地利用轉(zhuǎn)移概率矩陣（表4）顯示，2001—2020 年蘇州各類用地之間互有轉(zhuǎn)換。其中，2001—2005 年耕地主要轉(zhuǎn)入類型為建設(shè)用地，主要轉(zhuǎn)出類型也是建設(shè)用地，但幅度都不是很大，概率只有0.03 和0.09，蘇州在這一階段城市化進(jìn)程剛剛起步，城市建設(shè)占用了部分耕地，另一方面，此階段蘇州實行大規(guī)模的村鎮(zhèn)合并，騰退出大量宅基復(fù)墾為耕地或轉(zhuǎn)為城市建設(shè)用地[37]；2005—2010 年建設(shè)用地轉(zhuǎn)為耕地的概率與前5 年基本持平，而耕地轉(zhuǎn)為建設(shè)用地的概率大幅度增加到0.21，這一時期也是蘇州城市化快速推進(jìn)時期，“攤大餅”式外延性擴(kuò)張，使得大量耕地轉(zhuǎn)為城市建設(shè)用地；2010—2020 年，耕地轉(zhuǎn)為建設(shè)用地的概率降至0.08，相較于前一階段顯著下降，蘇州城市外延式發(fā)展得到了有效的控制。長期以來，蘇州的水域、林地、草地、未利用地相對穩(wěn)定，只是近10 年，由于蘇州實行“四個百萬畝”土地保護(hù)政策[25，37]，更多的未利用土地被激活，轉(zhuǎn)換成建設(shè)用地、耕地和水域的概率明顯增大。

表4 土地利用轉(zhuǎn)移概率矩陣

2.2 碳排放的年度變化分析

林地和水域是主要的碳匯地類，長期以來，蘇州的林地和水域面積相對穩(wěn)定，導(dǎo)致其碳匯量也相對穩(wěn)定，但由于蘇州水域面積廣闊，因此水域的碳匯量遠(yuǎn)高于林地，兩者碳匯總量在（8～9）萬t·a-1；耕地既是碳源也是碳匯，但在當(dāng)前的農(nóng)業(yè)生產(chǎn)模式下，依然表現(xiàn)為碳源，近20 年來，由于蘇州耕地面積從持續(xù)減少到趨穩(wěn)，其碳排放水平也呈現(xiàn)同一規(guī)律，2020 年，全市耕地碳排放量下降到11 萬t 左右，比2001 年減少了7.3 萬t，與林地和水域的碳匯水平（約8.6 萬t·a-1）十分接近；草地和未利用地也是碳匯地類，但其碳匯能力較弱，且蘇州市草地和未利用地面積占比較小，其碳匯能力可忽略不計（見表5）。

表5 2001—2020 年蘇州市不同土地利用碳排放測算結(jié)果 單位：104 t

研究表明，建設(shè)用地的間接碳排放是碳排放的主體，占碳排放總量的96.38%～99.95%[17，24，38]，表5 的計算結(jié)果顯示，蘇州市99%以上的碳排放來自于間接碳排放。蘇州是制造業(yè)和人口大市，經(jīng)濟(jì)總量始終排在全國前列，隨著經(jīng)濟(jì)的迅猛發(fā)展，研究期內(nèi)碳排放量始終處于增長的趨勢，凈碳排放量從2001 年的922.28×104t增加到2020 年的4 656.41×104t，碳排放量翻了5 倍，但其增長趨勢具有一定的階段性，大致可分為三個階段：（1）2001 年至2010 年的快速增長階段，其中2001—2005 年增長2.8 倍，2005—2010 年繼續(xù)增長1.66 倍，年均增長36%；（2）2010 年至2015 年為緩慢增長階段，年均增長只有1.6%；（3）2015 年至2020 年的持續(xù)穩(wěn)定階段，5 年只增長了12.6×104t，接近碳達(dá)峰。蘇州市碳排放特征與蘇州市經(jīng)濟(jì)社會發(fā)展規(guī)律息息相關(guān)，本世紀(jì)的前10 年，是蘇州經(jīng)濟(jì)最為活躍階段，10 年內(nèi)人口總量接近翻番，GDP 增長了5.8 倍，能源消耗總量增長了約4.1 倍，從1 737 萬t 增長到7 082 萬t，導(dǎo)致碳排放總量同期也增長了近5 倍；2010 年之后，蘇州經(jīng)濟(jì)發(fā)展開始從粗放型向集約型轉(zhuǎn)變，退二進(jìn)三、淘汰落后產(chǎn)能、節(jié)能減排、綠色經(jīng)濟(jì)、數(shù)字經(jīng)濟(jì)等一系列經(jīng)濟(jì)政策調(diào)整，經(jīng)濟(jì)發(fā)展降速減溫，碳排放也進(jìn)入相對穩(wěn)定期[39]（見表6）。

表6 2001—2020 年蘇州市社會經(jīng)濟(jì)數(shù)據(jù)

2.3 碳排放量空間變化分析

為了解蘇州碳排放的空間分布特征，計算了蘇州各區(qū)市2001—2020 年5 個時期的碳排放量（見表7），并利用自然斷點法將蘇州各區(qū)縣碳排放量劃分為5 個等級，依次為：碳匯區(qū)、低碳排放區(qū)（（0～100）×104t）、中度碳排放區(qū)（（100～300）×104t）、高碳排放區(qū)（（300～800）×104t）和重度碳排放區(qū)（＞800×104t）（如圖2 所示）。2001 年，全市碳排放量總體處于較低水平，北部的張家港和常熟市處于中度碳排放區(qū)，其他區(qū)市為低碳排放區(qū)；2005 年，常熟市和太倉市為高碳排放區(qū)，張家港市則為重度碳排放區(qū)，中心城區(qū)的高新區(qū)、工業(yè)園區(qū)及昆山市、吳江市為中度碳排放區(qū)；2010 年，中度碳排放區(qū)進(jìn)一步擴(kuò)大，除姑蘇區(qū)外，中心城區(qū)的其他4 個區(qū)也為中度碳排放區(qū)；2015 年之后，常熟市的碳排放量也超過800×104t，為重度碳排放區(qū)，吳江區(qū)的碳排放突破300×104t，為高碳排放區(qū)，與此同時，中心城區(qū)的碳排放有所減弱，除高新區(qū)、工業(yè)園區(qū)外，其他3 個區(qū)的碳排放都恢復(fù)到低碳排放區(qū)。

圖2 2001—2020 年蘇州市土地利用碳排放量空間變化

表7 2001—2020 年蘇州市各區(qū)縣土地利用碳排放量 單位：104 t

圖2 和表7 的數(shù)據(jù)顯示，從總體上看，蘇州的碳排放在空間分布上呈現(xiàn)中心城區(qū)較低，外圍區(qū)市較高的格局。北部的張家港市是蘇州碳排放最嚴(yán)重地區(qū)，2001—2020 年，其碳排放量分別占蘇州全市碳排放的23%、34%、42%、44%、47%，這與張家港市的產(chǎn)業(yè)結(jié)構(gòu)息息相關(guān)，張家港市是蘇州乃至全國重要的冶金工業(yè)基地，也是能源消費大市，如2020 年，蘇州全市規(guī)模以上工業(yè)企業(yè)能源消費總量為8 760 萬噸標(biāo)準(zhǔn)煤，張家港市占46.8%；常熟市也是碳排放較嚴(yán)重地區(qū)，碳排放穩(wěn)定增長，2015 年以后變?yōu)橹囟忍寂欧诺貐^(qū)，這是由于常熟制造業(yè)發(fā)達(dá)，尤其以裝備制造為主，能耗巨大，2020 年，常熟市能耗僅次于張家港市，占全市18.3%；太倉市和吳江區(qū)近10 年來始終處于高碳排放區(qū)，排放強(qiáng)度太倉略高于吳江，這也和其產(chǎn)業(yè)結(jié)構(gòu)及能源消耗有關(guān)，太倉市是蘇州重要的裝備制造業(yè)、新材料產(chǎn)業(yè)基地，吳江區(qū)則重點發(fā)展輕紡工業(yè)，2020 年，其能耗分別占全市11.2%和7.4%；昆山市和中心城區(qū)以高新技術(shù)產(chǎn)業(yè)及高端服務(wù)業(yè)為主導(dǎo)，能源消耗量相對較低，碳排放量較低，一直為中低碳排放區(qū)。值得一提的是，2010 年以來，蘇州全市的碳排放總量基本穩(wěn)定，且趨于達(dá)到峰值，從區(qū)域上來看，中心城區(qū)和太倉市2010—2015 年前后已經(jīng)實現(xiàn)“碳達(dá)峰”目標(biāo)，且呈逐年下降趨勢。

3 結(jié)語

利用蘇州市5 個年份（2001、2005、2010、2015 和2020 年）的Lan dsat TM 遙感影像數(shù)據(jù)，采用直接碳排放量測算法，估算了蘇州市近20 年來耕地、林地、草地、水域、未利用地的碳排放的時空變化；利用能源消耗數(shù)據(jù)，采用間接碳排放量估算法，估算了蘇州市建設(shè)用地的碳排放的時空變化。主要結(jié)論如下：

2001—2020 年，蘇州市耕地面積下降了34.4%，建設(shè)用地面積增長了141.4%，林地和水域保持穩(wěn)定，草地和未利用地占比較少。土地利用類型的變化，導(dǎo)致蘇州市碳排放時空格局發(fā)生了重大變化。

建設(shè)用地是蘇州市碳排放的主要來源，全市99%以上的碳排放來自建設(shè)用地；水域和林地是主要的碳匯來源，蘇州市水域每年提供約（7～8）×104t 的碳匯，林地每年提供約1×104t 的碳匯。因此，蘇州“雙碳”目標(biāo)的重點在于建設(shè)用地上的節(jié)能減排。

近20 年來，蘇州市的碳排放一直處于逐年增長的趨勢，增長主要發(fā)生在本世紀(jì)的前10 年，從2001 年的922×104t 到2010 年的4 281×104t，再到2020 年的4 656×104t。表明，蘇州的碳排放已經(jīng)接近或達(dá)到歷史高位，未來的碳排放發(fā)展趨勢值得關(guān)注。

空間上，蘇州市土地利用碳排放呈現(xiàn)中心城區(qū)較低，外圍區(qū)市高的格局，全市近50%的碳排放來自張家港市，這與蘇州市產(chǎn)業(yè)布局息息相關(guān)。因此，在落實“雙碳”目標(biāo)上，應(yīng)充分考慮產(chǎn)業(yè)布局對碳排放的影響。

文中一個不足之處在于：受數(shù)據(jù)源的限制，建設(shè)用地碳排放計算使用的能源消費數(shù)據(jù)是規(guī)模以上工業(yè)企業(yè)的能耗數(shù)據(jù)，這個值會略小于蘇州全社會的能源消費總量，可能會導(dǎo)致總碳排放量小于實際值。