一种基于CORS站网的高程参考框架动态监测方法与流程

本发明涉及区域高程参考框架动态监测与维护，具体为一种基于cors站网的高程参考框架动态监测方法。
背景技术：
：大地坐标框架不仅可以为测绘和工程提供几何和物理的基准，还可以为研究和检测地球和气候等变化提供重要的参考信息。在构建地理信息系统、导航定位、卫星定轨、地表运动等诸多实际应用中扮演着重要的角色。随着国家测绘地理信息事业的发展，我国许多省份和地区已经建设了相对完善的连续运行参考站网络。山东省卫星定位连续运行综合应用服务系统(shandongcontinuouslyoperatingreferencestationsystem，sdcors)项目由山东省国土资源厅建设、山东省国土测绘院组织实施，于2007年正式启动，2011年通过验收。该系统纳入地市和行业已建cors系统，可为山东省内提供实时定位和区域参考框架服务，并在建立和维持国家和区域大地参考框架中发挥了重要的作用。大地参考框架是地心坐标参考系统的物理实现，构成坐标参考框架的物理点通常固定与地球表面，由于地球的动态性质框架点会随地球表面一起运动变化，使得维持坐标参考框架的精确性成为一个动态的问题。就高程参考框架而言，引起站点在高程方向变化的地球物理因素主要分为两大类，一类是潮汐形变，主要包括固体地球潮汐，海洋负荷潮和极潮，另一类是地球表面的大气以及各态水的质量迁移引起的地表质量负载变化。主要有大气质量负载、水文负载、海洋非潮汐重量负载等，这些负载具有明显的季节性变化特征(非线性的周期性变化)。对于第一类潮汐形变，在cors站的原始数据处理时，已经通过相应的数学模型对其进行了补偿和改正，第二种形变，目前主要采用负荷格林函数处理。利用卫星对地观测数据集相关地球物理模型，改正非构造形变对cors站坐标时间序列的影响。为保持国家大地坐标系的高精度和现势性，需要对现有高程参考框架进行持续的动态监测与维护。由于传统的平面控制网和高程控制网分离的测量模式受技术条件和作业方式的限制，通过水准测量监测站点正常高变化的效率低下且不利于长期连续的监测。近年来，随着cors站网的互联共享机制和实时高精度定位技术的日益成熟，通过区域内若干连续运行的cors站组网，充分利用cors站观测的全天候高精度的特点，以及长期连续观测的累积历史数据，即可对区域乃至全国地壳运动、气象等瞬态和长期变化进行监测，又可提供各种高精度空间定位服务和多源信息服务。高程基准维持常规方法是利用高等级水准测量实现。这种方法有两个重大缺陷：一是这种测量方法耗费大量人力、物力。二是完成一次复测周期非常长，通常测完后，由于地面沉降导致测完的高程值发生变化而不能使用，因此急需找到一种替代方法，能够动态监测点位高程值变化，实现高程基准框架变化监测和维持。技术实现要素：本发明主要解决的技术问题是如何提供通过连续性、多年度精密卫星定位数据处理结合水汽负荷改正，获得点位实时变化高程基准值，实现区域框架高程数据动态变化监测，从而能够替代高等级水准测量维持高程基准的一种基于cors站网的高程参考框架动态监测方法。为解决上述技术问题，本发明采用技术方案是：一种基于cors站网的高程参考框架动态监测方法，具体方法步骤如下：步骤一：生成cors站点三维坐标时间序列，在区域内或周边选定若干个稳定的国际或国家基准站作为约束，解算cors站网站点三年观测数据，生产单日解，同时获得连续多年的综合解，解算得到cors站点相对于综合解三维坐标变化时间序列；步骤二：开展cors站大地高时间序列分析与重构，针对每座cors站大地高单日解时间序列，以切比雪夫函数为基函数，对时间序列进行低频参数估计，分离线性项；按低频参数重构大地高非线性变化时间序列，作为粗差探测的基准，按3倍残差标准差，探测并剔除粗差，得到干净的大地高非线性变化时间序列；对时间序列散点进行周期估计，估计得到周期项参数，然后重构大地高非线性变化时间序列；步骤三：推算大气压负荷引起的高程异常变化，(1)在各个气象站点，以观测周期内的平均大气压作为基准值，每个月的实测大气压与该基准值作差，得到每个月大气压相对于基准值的变化值，转换得到等效水高的变化，1hpa(百帕)大气压变化对应1cm的垂直负荷形变。(2)利用全球大气压模型数据，展开得到负荷球谐系数模型，采用基于负荷球谐系数模型的移去恢复方法和负荷格林函数积分公式，利用大气压数据计算得到cors站点由于大气压变化引起的高程异常变化。步骤四：推算陆地水负荷引起的高程异常变化(1)利用gldas模型水文数据，以观测周期内的平均陆地水储量(等效水高)作为基准值，每个月的陆地水储量与该基准值作差，得到每个月陆地水储量相对于基准值的变化值；(2)将全球陆地水储量变化格网展开得到球谐系数模型，基于地球负荷形变理论，利用球谐系数模型，计算得到cors站点由于陆地水储量变化引起的高程异常变化；步骤五：推算区域海平面变化引起的高程异常变化(2)利用aviso全球海面高数据，以观测周期内的平均海面高作为基准值，每个月的海面高与该基准值作差，得到每个月海面高相对于基准值的变化值，并展开得到球谐系数模型；(2)利用高分辨率区域海平面变化数据，采用基于负荷球谐系数模型的移去恢复方法和负荷格林函数积分公式，计算得到cors站点由于海平面变化引起的高程异常变化。步骤六：推算cors站点点位高程变化值，实现高程基准动态监测与维持。根据步骤一重构的cors站大地高时间序列值确定点位大地高变化值再加上步骤二到步骤五确定的高程异常改正数，从而确定地单位正常高的变化量，实现高程基准动态监测与维持。本发明能够有效解决现有技术存在的问题,主要利用地表形变区内选定的cors站网连续观测数据，采用面向地表变形监测的数据处理策略，处理得到三维坐标时间序列并开展时间序列分析。综合cors站时间序列分析成果和大气、陆地水文和海平面变化等观测资料，获取cors站点的正常高变化，实现区域内高程参考框架的动态监测，总结得到高程参考框架动态监测技术方案，提升地面沉降客观存在条件下高程参考框架的可用性；是对现有技术一次扩展性的技术创新，具有很好的推广和使用价值。附图说明为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：图1是本发明基于cors站网的高程参考框架动态监测结构示意图；图2是本发明基于移去恢复法的高程异常变化推算流程示意图；图3是本发明实施例中用于时间序列分析的cors站点；图4是本发明cors站大地高时间序列分析与重构结果；图5是本发明16个cors站的总负荷高程异常变化时间序列图；图6是本发明实施例中2015年和2019年山东省水准路线图。具体实施方式下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。请参阅附图1-6所示，本发明一种基于cors站网的高程参考框架动态监测方法，为满足山东省内基础设施建设、城市规划、气候地震等方面的应用要求，将sdcors系统与似大地水准面精化模型相结合；充分利用sdcors站网建成至今积累的大量观测数据，重构cors站大地高时间序列；结合区域内的大气、陆地水文、海平面数据，基于移去恢复法的计算环境负载引起的高程异常变化；最后得到站点的正常高变化时间序列，实现山东省高程参考框架的动态监测与维护；具体方法步骤如下：步骤一：生成cors站点三维坐标时间序列，在区域内或周边选定若干个稳定的国际或国家基准站作为约束，处理2015年至2019年的cors站数据，解算cors站网站点三年观测数据，生产单日解，进而获取cors站点2015年至2019年的周解，同时获得连续多年的综合解，解算得到cors站点相对于综合解三维坐标变化时间序列；步骤二：开展cors站大地高时间序列分析与重构，针对每座cors站大地u方向高单日解时间序列，以切比雪夫函数为基函数，对时间序列进行低频参数估计，分离线性项；按低频参数重构大地高非线性变化时间序列，作为粗差探测的基准，按3倍残差标准差，探测并剔除粗差，得到干净的大地高非线性变化时间序列；对时间序列散点进行周期估计，估计得到周期项参数，然后重构大地高非线性变化时间序列；根据cors站大地高时间序列的线性项和非线性低频周期参数，即可内插或外推给定两个时刻的大地高变化δh＝v·(t2-t1)+δh′(t2)-δh′(t1)(1)式中t1、t2为给定的两个时刻，v为大地高线性速率，δh′(t1)、δh′(t2)分别为在这两个时刻由低频周期参数重构计算得到的大地高非线性变化值；步骤三：推算大气压负荷引起的高程异常变化，利用全球大气压、陆地水、海平面格网时序模型，综合地球负荷形变和地球重力场理论，计算全球负荷模型量，并基于负荷球谐系数模型及区域负荷格林函数的移去恢复方法，计算区域负荷精化量，最终得到cors站点的高程异常变化；基于移去恢复法计算地表环境负荷引起的高程异常变化的主要步骤为：(2)根据负荷弹性形变理论，将全球大气压、陆地水、海平面等数据转换为等效水高，与平均值做差得到各月份等效水高变化量，具体是在各个气象站点，以观测周期内的平均大气压作为基准值，每个月的实测大气压与该基准值作差，得到每个月大气压相对于基准值的变化值，转换得到等效水高的变化，1hpa(百帕)大气压变化对应1cm的垂直负荷形变；(2)利用全球大气压模型数据，展开得到负荷球谐系数模型，采用基于负荷球谐系数模型的移去恢复方法和负荷格林函数积分公式，利用大气压数据计算得到cors站点由于大气压变化引起的高程异常变化。地面点(r，θ，λ)处等效水高变化δhw可表示为规格化负荷球谐级数：式中：r为地球平均半径；为n阶m次规格化负荷球谐系数；为完全规格化缔合legendre函数。由负荷形变理论可知，地面及地球外部高程异常(大地水准面)负荷影响为：式中：g为万有引力常数；ρw为水的密度；ρe为地球平均密度；m为地球总质量；a为地球长半轴半径；r为地心距离；γ为正常重力；k′n为n阶位负荷勒夫数。基于格林函数积分计算似大地水准面的区域负荷影响：单位质量在地表某点引起的引力位，即直接影响为：式中，g为重力值，为完全规格化缔合legendre函数，ψ为计算点(r，θ，λ)与地面流动点(r′，θ′，λ′)间的球面角距：cosψ＝cosθcosθ′+sinθsinθsinθ′cos(λ′-λ)(5)单位质量对固体地球产生负荷，地球因负荷产生形变，引起的引力位变化，及间接影响为：则单位质量引起的似大地水准面总变化为直接影响和间接影响之和，即似大地水准面对应的格林函数为：已知地面等效水高变化δhw，则似大地水准面变化为等效水高变化与格林函数的空间卷积：δζ＝ρw∫sδhwu(ψ)ds(8)式中ds为地面流动积分面元。在分别求得大气压负荷、陆地水负荷和海平面变化引起的高程异常变化后，将其求和即可得到总负荷引起的高程异常变化：δζ＝δζair+δζlws+δζocn(9)式中δζ总负荷高程异常变化，δζair为大气压负荷引起的高程异常变化，δζlws为陆地水负荷引起的高程异常变化，δζocn为区域海平面变化引起的高程异常变化。步骤四：推算陆地水负荷引起的高程异常变化(1)利用gldas模型水文数据，以观测周期内的平均陆地水储量(等效水高)作为基准值，每个月的陆地水储量与该基准值作差，得到每个月陆地水储量相对于基准值的变化值；(2)将全球陆地水储量变化格网展开得到球谐系数模型，基于地球负荷形变理论，利用球谐系数模型，计算得到cors站点由于陆地水储量变化引起的高程异常变化；步骤五：推算区域海平面变化引起的高程异常变化(3)利用aviso全球海面高数据，以观测周期内的平均海面高作为基准值，每个月的海面高与该基准值作差，得到每个月海面高相对于基准值的变化值，并展开得到球谐系数模型；(2)利用高分辨率区域海平面变化数据，采用基于负荷球谐系数模型的移去恢复方法和负荷格林函数积分公式，计算得到cors站点由于海平面变化引起的高程异常变化。步骤六：推算cors站点点位高程变化值，实现高程基准动态监测与维持。具体实施过程中，根据步骤一重构的cors站大地高时间序列值确定点位大地高变化值再加上步骤二到步骤五确定的高程异常改正数，从而确定地单位正常高的变化量，实现高程基准动态监测与维持。具体实施过程中，步骤三中推算大气压负荷引起的高程异常变化，地球表层的大气、陆地水储量和海平面变化，都是非潮汐的，这些地表非潮汐负荷变化可用地面等效水高变化统一表示。具体实施过程中，步骤四中推算陆地水负荷引起的高程异常变化和步骤五中推算区域海平面变化引起的高程异常变化，首先准备和整理全球的大气压、陆地水、海平面数据，以2015年1月至2015年3月三个月的数据平均值作为比对的基准数据，然后用各个月份的数据与该平均值相减，得到每个月相对于基准值的变化量。然后采用移去-恢复法计算地表环境负荷引起的高程异常变化。其中，全球大气压、陆地水、海平面的来源如下：①大气压数据：采用欧洲中期天气预报中心(europeancentreformedium-rangeweatherforecasts，ecmwf)全球大气压模型，其空间分辨率为0.125°×0.125°的两种数据，每月一值，时间段为2015年1月至2019年8月。以及中国气象数据网下载的中国地面气候资料月值数据集，包含山东省及周边地区的61个气象站数据，其时间段同样为2015年1月-2019年8月，一月一值。从ecmwf全球大气压模型数据(nc文件)中提取所需的大气压数据，并转换为相应等效水高，1hpa(百帕)大气压变化对应1cm的垂直负荷形变，从而得到全球大气压数据。②陆地水数据。采用美国宇航局哥达航空中心和美国国家环境预报中心的全球大陆同化系统数据(globallanddataassimilationsystem，gldas)。该模式通过陆地表面建模和数据同化技术，输出陆地表面各项水文参数(如土壤湿度、土壤温度、蒸发量、降雨、径流和雪量等)。模式利用降雨观测值和太阳辐射等作为输入参数，其空间分辨率为0.25°×0.25°，每月一值。时间段为2015年1月至2019年11月。从gldas模型水文数据(nc文件)中提取所需的陆地水数据，并转换为相应等效水高，从而得到全球陆地水数据。③海平面变化数据。采用的海平面异常数据是法国国家空间研究中心(cnes)的卫星海洋学存档数据(aviso:archiving，validation，andinterpretationofsatellitesoceanographicdata)中心提供的网格化融合数据msla(mapsofsealevelanomaly)，由全球多种卫星测高月平均海面高异常生成，分辨率为0.25°×0.25°的月值数据，时段为2015年1月至2019年11月。从aviso模型海平面高数据(nc文件)中提取所需的海平面数据，并转换为相应等效水高，从而得到全球海平面数据。具体实施过程中，步骤六中最终推算得到16个cors站点的高程异常变化时间序列，时间段为2015年1月至2019年8月，时间分辨率为1个月，表2中统计了16个cors站的总负荷高程异常变化信息，图5为16个cors站的总负荷高程异常变化时间序列。实验与分析cors站数据处理在山东省区域内或周边选定若干个稳定的国际或国家基准站作为约束，处理2015年至2019年的cors站数据，解算得到cors站点的单日解，进而获取cors站点2015年至2019年的周解。最终解算得到20个cors站的三维坐标周解时间序列(n、e、u方向)，时间分辨率为7天，时间段为2015年6月1日至2019年7月30日。然后从中筛选出时间段足以进行时间序列分析的cors站，最终实验采用的16个cors站点列在表1中，空间分布如图3所示，用于时间序列分析的cors站点。表1用于时间序列分析的cors站点序号站名序号站名序号站名序号站名1河口heko5武城wuch9东明domi13章丘zqrs2济宁jini6下营xiay10桓台huta14临淄lzwt3平阴pyrs7禹城yuch11鄄城juch15周村zhcu4寿光sdsg8临清linq12寿光shgu16德州dezh分别对每座cors站的大地高的周解解时间序列，进行分析和重构，最终得到16个cors站点的大地高非线性变化时间序列，如图4-所示。计算高程异常变化首先准备和整理全球的大气压、陆地水、海平面数据，以2015年1月至2015年3月三个月的数据平均值作为比对的基准数据，然后用各个月份的数据与该平均值相减，得到每个月相对于基准值的变化量。然后采用移去-恢复法计算地表环境负荷引起的高程异常变化。其中，全球大气压、陆地水、海平面的来源如下：①大气压数据：采用欧洲中期天气预报中心(europeancentreformedium-rangeweatherforecasts，ecmwf)全球大气压模型，其空间分辨率为0.125°×0.125°的两种数据，每月一值，时间段为2015年1月至2019年8月。以及中国气象数据网下载的中国地面气候资料月值数据集，包含山东省及周边地区的61个气象站数据，其时间段同样为2015年1月-2019年8月，一月一值。从ecmwf全球大气压模型数据(nc文件)中提取所需的大气压数据，并转换为相应等效水高，1hpa(百帕)大气压变化对应1cm的垂直负荷形变，从而得到全球大气压数据。②陆地水数据。采用美国宇航局哥达航空中心和美国国家环境预报中心的全球大陆同化系统数据(globallanddataassimilationsystem，gldas)。该模式通过陆地表面建模和数据同化技术，输出陆地表面各项水文参数(如土壤湿度、土壤温度、蒸发量、降雨、径流和雪量等)。模式利用降雨观测值和太阳辐射等作为输入参数，其空间分辨率为0.25°×0.25°，每月一值。时间段为2015年1月至2019年11月。从gldas模型水文数据(nc文件)中提取所需的陆地水数据，并转换为相应等效水高，从而得到全球陆地水数据。③海平面变化数据。采用的海平面异常数据是法国国家空间研究中心(cnes)的卫星海洋学存档数据(aviso:archiving，validation，andinterpretationofsatellitesoceanographicdata)中心提供的网格化融合数据msla(mapsofsealevelanomaly)，由全球多种卫星测高月平均海面高异常生成，分辨率为0.25°×0.25°的月值数据，时段为2015年1月至2019年11月。从aviso模型海平面高数据(nc文件)中提取所需的海平面数据，并转换为相应等效水高，从而得到全球海平面数据。最终推算得到16个cors站点的高程异常变化时间序列，时间段为2015年1月至2019年8月，时间分辨率为1个月，表2中统计了16个cors站的总负荷高程异常变化信息，图5为16个cors站的总负荷高程异常变化时间序列。表2所有cors站的总负荷高程异常变化信息统计(单位：mm)cors站正常高变化确定与结果验证根据给定两个时刻的cors站大地高变化和高程异常变化，即可计算cors站正常高变化。为了验证基于cors站的高程参考框架维护方法是否达到国家等级水准测量的要求，采用两期水准测量得到的cors站点正常高，可以求出水准正常高变化。将利用cors站数据的正常高变化与水准测量的正常高变化进行比较，两者为不同观测数据得到的结果，相互独立，可以检核cors站正常高变化的精度。2015年山东省水准成果共4441.20km，其中一等水准1039.2km，二等水准3402km。山东省二等水准网在国家一等水准网基础上布测，水准网覆盖整个山东省，一共有168条二等水准路线，本次计算只选用在2019年测区中的51条水准路线进行组网，如图6(a)。二等水准网共组成闭合环17个，单独利用闭合环的环闭合差计算的每千米高差全中误差为±1.8945mm，最弱点高程中误差为±24.18mm，最弱测段高差中误差为±5.52mm。2019年山东省水准成果共3432.4km，全部为二等水准。二等水准网覆盖整个山东省东部、西部、北部，一共有34条二等水准路线，如图6(b)所示。二等水准网共组成闭合环11个，利用闭合环的环闭合差计算的每千米高差全中误差为±1.3472mm，最弱点高程中误差为±19.08mm，最弱测段高差中误差为±3.80mm。水准数据处理软件采用中国测绘科学研究院开发的精密水准测量数据预处理软件和科傻水准测量与沉降观测数据处理系统软件，共完成地表形变区共计2854千米的二等水准路线数据解算。该实验利用测区2015年和2019年的两期水准网平差结果，对16个cors站点的两期水准正常高做差。得到水准正常高变化，见下表。表316个cors站点的水准正常高变化序号2015年水准正常高(m)2019年水准正常高(m)水准正常高变化(mm)1.4.7954.778-172.39.53239.505-273.76.64276.63-124.5.6795.554-1255.24.22124.154-676.4.0153.809-2067.21.27821.214-648.34.94634.822-1249.57.89557.791-10410.14.1814.162-1811.48.66748.523-14412.17.00316.768-23513.123.915123.923814.45.60745.565-4215.85.06785.071416.23.0822.94-140根据两期水准测量中cors站的水准观测时刻，利用cors站大地高时间序列分析得到的线性项和非线性低频周期参数，结合利用大气、水文和海平面变化等数据推算的似大地水准面变化时间序列，计算得到两期观测时刻对应的cors站正常高变化。δh＝δh-δζ(10)式中δh为正常高变化，δh为大地高变化，δζ高程异常变化。表416个cors站点的正常高变化比较结果，单位mm两期水准测量得到了cors站点的正常高变化，cors站大地高时间序列分析结合高程异常变化得到了cors站点的正常高变化，因此在16个站点比较了cors正常高变化与水准正常高变化，表4为16个cors站点的正常高变化比较结果，两种相互独立观测手段得到的正常高变化差值的最大值为29.5mm，平均值为3.5mm。分析表4，16个cors站中的13个站的正常高变化差值均小于2015年或2019年平差后水准点的高程中误差，只有禹城yuch、东明domi、周村zhcu这3个cors站的正常高变化差值略微超过平差后水准点的高程中误差，且只有东明domi站的正常高变化差值超过20mm，其它站点均小于19mm。以上结果表明利用cors站数据确定正常高变化具备较高的精度。根据《国家一、二等水准测量规范》，二等水准测量的全中误差限差为2mm/km，附和路线闭合差和环闭合差限差为据此计算得到cors站与水准测量的正常高变化最大差值和平均差值对应的水准测量路线长度见下表。表5正常高变化差值对应的水准测量路线长度由表4可知，在16个cors站中，11个cors站的有效数据时间段不足以覆盖两期水准观测时刻，cors站大地高时间序列需要外推计算才能得到两期水准观测时刻的正常高变化，一般外推时间1～2个月，heko站外推时间达到6个月，huta站外推时间达到1年。考虑到水准测量误差、数据时间段与水准观测时刻不完全匹配等因素，利用cors站数据确定的正常高变化结果(表4和表5)具备较高的精度。在cors站点具有长期连续观测数据、数据质量良好的情况下，可以利用cors站数据确定的正常高变化对cors站点的历史观测正常高进行动态修正，实现基于cors站数据的区域高程参考框架动态维持。本文利用sdcors站网的连续观测数据，通过重构大地高时间序列，结合全球和区域的大气压、陆地水、海平面资料，消除地表环境负荷引起的高程异常变化，从而得到站点正常高变化的时间序列。在16个cors站点上与水准数据的检核表明，基于cors数据的正常高变化与两期水准测量的正常高变化的的最大差值为29.5mm，平均差值为3.5mm。因此，在cors站点具有长期连续观测数据、数据质量良好的情况下，可以利用cors站数据确定的正常高变化对cors站点的历史观测正常高进行动态修正，实现基于cors站数据的区域高程参考框架动态维持。以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的
技术领域：
，均同理包括在本发明的专利保护范围内。对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。当前第1页12