张雨婷，任叶飞，温瑞智，王大任，冀昆

中国地震局工程力学研究所，中国地震局地震工程与工程振动重点实验室，哈尔滨 150080

0 引言

局部场地对地震动的放大作用在近年发生的许多破坏性地震中都有充分体现，例如，2017年伊朗萨尔波勒扎哈卜镇MW7.3级地震(Zafarani et al., 2020)、2018年陕西宁强MW5.3级地震(王文才等，2018)、2008年汶川MS8.0级地震(齐文浩等，2020)等.许多研究(例如，Boore et al., 1997; Wills and Silva, 1998; Dobry et al., 2000)发现VS30(地表以下30m范围内土层的平均剪切波速值)与场地放大具有很好的相关性.因此，VS30作为典型的场地参数在工程地震领域得到广泛应用.例如，在地震动模拟工作中被用于衡量浅层地表放大幅值的指标(傅磊和李小军，2017)，用以评估土壤的地震液化程度(李程程等，2020)等.获取场地VS30值最直接和精确的做法是现场钻孔勘察和剪切波速测试，然而部分场地由于工作条件限制以及经济性考量，这种方式难以实现.因此，近年来发展了基于地形特征的VS30估计方法.较典型的应用案例是，在美国NGA项目开发强震动Flatfile时确定台站的场地参数过程中得到有效应用(Seyhan et al., 2014).另外，震后震动图(ShakeMap)的快速生成(陈鲲等，2010)以及地震保险费率厘定(Li et al., 2019)等工作中由于对区域场地分类图有重要需求也需要采用该方法.

因此，基于地形特征的场地参数VS30估计方法具有重要应用需求和前景.Fumal和Tinsley (1985)分别从岩石和土壤方面分析影响浅层剪切波速的物理性质，证明表面地形特征与浅层地下介质存在内在关联.他们提出硬度和裂缝间距是影响岩石剪切波速的重要性质，坚硬的岩石和粗糙的裂缝间距可以抵抗风化作用，所以VS较大的岩石具有更高的坡度；土壤的结构和相对粒度可以影响孔隙率，进一步影响土层的剪切模量，剪切波速会随着平均粒径的增加而增加，因此较低的VS对应较低的地形坡度.在此基础上基于地形坡度的VS30估计方法开始发展，该方法由Wald和Allen提出(Wald and Alan, 2007)，他们针对活动构造区和稳定构造区，使用30弧秒的DEM数据分别建立了地形坡度与NEHRP场地类别、VS30之间的经验关系矩阵，并且划分了全球的场地类别.我国学者在这方面也进行了众多相关研究，例如，陈鲲等(2010)使用30弧秒DEM数据估算了全国各场点VS30值，并将结果运用于ShapeMap系统中以估算基岩上表土层的场地放大系数；陈学良等(2014)直接利用Wald和Allen(2007)的经验关系矩阵，通过VS30与VS20之间的转换关系，得到了云南典型盆地基于我国抗震规范定义的场地分类结果.不过也有许多研究指出了该方法存在诸多不足并提出了相应的改进措施.Lemoine等(2012)测试了Wald和Allen(2007)的经验关系矩阵在欧洲的适用性，发现其仅适用于某些地区，对于特殊地质条件的地区该方法是失效的，例如火山高原、碳酸盐岩和冰川大陆地形地区.韶丹等(2018)发现在陕西宝鸡的个别区域不适宜直接使用该方法估计VS30和划分场地类别，他们利用VS30残差分布对分类结果进行了修正；亢川川(2017)利用四川省的实测钻孔数据，建立了适用于四川地区的VS30与地形坡度经验关系矩阵，但结果表明四川盆地地区的地形坡度与VS30的相关性并不显著，方法存在一定的使用局限性.史大成(2013)在地形坡度的基础上引入了高程和山前距离两个参数与VS30共同建立相关关系，以提高VS30估计准确性.Yong等(2012)利用地形坡度、表面纹理和局部凸度3个地形特征参数的分布差异，针对美国加州地区将场地划分为16个地形类别，利用实测钻孔数据建立了各类别的VS30经验预测值.

因此，尽管基于地形坡度的场地参数估计方法操作简单又经济适用，但由于单一地形特征不能完全表征地表面浅层土层的区域分布差异，其准确性还有待提高.目前研究工作的焦点都在试图引入多个指标与场地参数建立相关关系.Yong等(2012)提出的方法具有一定的推广度，仅采用开源的DEM数据即可实现；但是否存在一定的区域适用性还有待进一步验证.为此本文利用我国河北和新疆的工程场地钻孔数据，利用Yong等(2012)的方法将场地地形划分为16个类别并建立VS30预测模型，分析该方法在我国的适用性以及区域依赖性；通过与基于地形坡度单一指标的VS30预测方法进行对比，验证方法考虑三项地形特征之后是否对VS30预测效果有所提升；最后还调查了方法对DEM数据精度的敏感性.期冀该项工作可为基于地形特征估计场地VS30的方法在我国推广应用提供技术支撑，同时也为发展我国区域场地分类图提供另一种有效的技术途径.

1 基于地形特征的场地分类方法

Pike(1988)首先提出，通过等高线数据或是数字高程数据(DEM)计算得到的表面几何特征，可以很好地对不同地貌进行区分；之后Iwahashi和Pike(2007)提出一种分类方案，通过使用三种表面几何特征将由高程表示的连续地形场地根据需求划分为8类、12类或16类，这三种表面特征为：地形坡度、表面纹理和局部凸度(Iwahashi et al., 2001).下面简要介绍其分类流程.

1.1 三种地形特征介绍

1.1.1 地形坡度

坡度是体现地表陡峭程度最直接的指标，也是地形的内在属性，因此在所有基于地形数据进行场地参数估计或场地分类的方法中都应用到了坡度.通过DEM数据计算地形坡度的方法实为计算3×3栅格矩阵中心栅格至周围相邻栅格上高程的最大变化率.

较低的坡度代表地形相对平坦的盆地、平原等，较高的坡度代表着山脉、高原等地区；坡度值大小受DEM精度影响，一般情况高精度的地形数据会产生连续的高坡度值而相对缺少低值部分，而低精度的地形数据会产生自动平滑的效果，使坡度值分布范围较为均衡.

1.1.2 表面纹理

仅考虑坡度对地形进行划分是不够的，考虑坡体的凹凸度和粗糙度能够更好的把握运动坡体与稳定坡体的地形差异，更加准确的区分出山丘、梯田、冲积扇和平原等.通过原始DEM数据和中值滤波后数据之间的差异可以勾勒出山脊和山谷的分布，在大于零的位置被称为“峰”、小于零的位置被称为“谷”，计算以十个栅格单元总长度为半径的范围内“峰”和“谷”所占的百分比即为表面纹理值.通常情况下冲积层、扇、火山扇和岩屑处的纹理值相对较低，在山脉处的纹理值相对较高(Iwahashi and Kamiya, 1995).

1.1.3 局部凸度

地形坡度和表面纹理对于区分较陡峭的区域是能够满足的，但是在较平缓的区域，这两个地形特征无法识别出冲积扇与洪泛区，因此引入第三个参数—局部凸度(Iwahashi and Kamiya, 1995).原始DEM数据经过拉普拉斯滤波后(近似为高程的2次求导)正值表示为向上凸的区域，负值为向下凹的区域，零值为平坦区域；局部凸度值是指以十个栅格单元总长度为半径的范围内，凸起向上的单元所占总栅格数的百分比.通常情况低凸度值表征宽阔的山谷和山麓坡地，而高凸度值则更多地与其他典型的低地貌有关，如冲积扇或阶地等.

1.2 基于决策树理论的场地地形分类流程

基于决策树理论，根据地形坡度、局部凸度和表面纹理的不同阈值，通过二分法将场地划分为16个类别，流程如图1所示.第一阈值为各地形要素在整片区域内所有栅格的均值；第二阈值为各地形要素在区域中较平缓部分内的栅格(即坡度值低于坡度第一阈值的所有栅格)的均值；第三阈值为各地形要素在区域中最平缓部分内的栅格(即坡度值低于坡度第二阈值的所有栅格)的均值.由图中可见，流程考虑了地形坡度、局部凸度和表面纹理在3个阈值控制下的所有可能组合.第1类和第16类表示研究区域内所有三个地形特征分别具有最高和最低值的网格单元，而第2～15类则表示所有中间类型的网格单元.图2解释了如何利用这3个特征参数的3个等级阈值将区域内的栅格逐步进行二分，以最终确定16个场地地形类别.通过这16个分类可以实现明显的地形区分，例如第1类表示局部凸度高的陡峭细纹地形，往往与山区相对应，而第16类表示低凸度的非常平缓粗纹表面，通常是平坦的谷地(Iwahashi and Pike, 2007).

图1 基于三项地形特征的场地地形类别划分流程 (Iwahashi and Pike, 2007)Fig.1 Flowchart of site topography classification based on three terrain features (Iwahashi and Pike, 2007)

图2 考虑3个等级阈值的二分法原理示意图(虚线框内表示该步骤确定的类别与上一步骤相同)(Iwahashi and Pike, 2007)Fig.2 A schematic diagram of the principle of dichotomy considering three level of thresholds (the dashed box indicates that the category determined in this step is the same as the previous step) (Iwahashi and Pike, 2007)

图3 新疆与河北地区的工程场地钻孔剪切波速VS30值直方图分布Fig.3 Histogram of VS30 values of borehole sites in Xinjiang and Hebei

2 河北和新疆地区VS30预测模型的建立

2.1 数据选取

本文收集了新疆及河北地区大量的工程钻孔数据，分别为1196个和706个.计算了这些钻孔的场地VS30值，其统计分布如图3所示.图中可见，河北地区的VS30主要分布在150～300 m·s-1范围内，而新疆地区则主要分布在250～500 m·s-1范围内.这与两个地区的地形分布是保持一致的，河北大部分地区位于华北平原，新疆地区分布有众多山脉(天山、昆仑山、阿尔泰山).可以说，两个地区的地形特征具有各自代表性，选择这两个区域分别建立基于地形特征的场地参数预测模型是很有必要的，验证方法区域适用性的同时，也使验证过程更加科学合理.

为计算上述三个地形特征值，收集了这两个地区精度为900 m(30弧秒)的DEM数据，同时为测试建立的VS30预测模型对DEM数据精度的敏感性，还收集了这两个地区90 m(3弧秒)精度的数据.

2.2 地形坡度单一特征的VS30预测模型建立

借鉴Wald和Allen(2007)建立地形坡度与VS30经验关系矩阵的方法，在其基础上对河北与新疆地区分别建立相应的关系矩阵，见表1.图4给出了这两个地区VS30与地形坡度的对应范围，整体上除VS30<180 m·s-1外，在同一VS30范围内，新疆地区的地形坡度上边界值要低于河北地区的上边界值，说明新疆地区VS30值随地形坡度增加的上升趋势相对较快，这与新疆地区VS30值整体大于河北地区有关(见图3)；图4中还可见，两个地区在VS30为180～240 m·s-1范围内的坡度上、下边界差异明显，主要原因是河北地区的VS30分布在此范围内占有约50%，且数据较为分散，对应相对较广的坡度范围.

2.3 三项地形特征的VS30预测模型建立

首先分别利用30弧秒精度的DEM数据计算两个地区的地形坡度、表面纹理及局部凸度值，结果如图5所示.新疆和与河北地区的地形坡度值主要集中于0～2°范围内，新疆地区坡度最高值接近55°，而河北地区最高值仅约25°；纹理值在0～90%范围内两个区域均有分布，同时可以发现两个区域低纹理值范围(0～20%)所占栅格总面积都较小；局部凸度值在新疆最高可达约75%，而河北仅仅为59%，但两个区域的栅格主要都分布在30%～60%范围内.

表1 剪切波速VS30与地形坡度关系矩阵Table 1 The relationship between shear wave velocity VS30 and slope

图4 河北和新疆地区的场地VS30与地形坡度的相关关系Fig.4 The relationship between VS30 and slope in Hebei and Xinjiang

图5 新疆和河北地区的三项地形特征值分布Fig.5 Spatial distribution of three terrain features in Xinjiang and Hebei

图5中可以发现，体现地表陡峭程度的地形坡度分布与两个地区的山脉、平原分布较为符合；表面纹理在一定程度上也体现了这种分布，但同时可以发现在新疆许多平原地区(对应地形坡度值在0～2°范围内)也出现了高纹理值，体现了沙漠盆地内分布着凹凸不平的广袤戈壁滩，也说明通过该特征值可针对平原地区的局部粗糙度加以分区.比较表面纹理与局部凸度的分布，可以发现两者形状相似，但局部凸度值的区间分布相对密集，说明其针对较平坦区域的地表粗糙度可更好地加以区分.

提取整片区域每个栅格处的地形特征值，根据图1地形分类流程，计算三层分类决策需要的各地形特征阈值，结果如图6所示.

从图6中可见，各等级阈值下新疆地区的地形坡度值和局部凸度值均高于河北地区，河北地区的地形坡度第三阈值仅0.07，这缘于河北大部分地区位于较为平坦的华北平原具有较低的坡度值.对于表面纹理值，新疆地区第一阈值为53.50，第三阈值为45.73，河北地区第一阈值为56.98，第三阈值为35.01，河北的变化较新疆的更加剧烈；对于局部凸度值，新疆第一阈值为41.70，第三阈值为40.52，河北第一阈值为40.21.第三阈值为37.15，亦是河北的变化较新疆的更加剧烈，这是由于河北具有海拔较低且变化较小的大片平原，在进行坡度二分过滤后余下平原地区其表面纹理与局部凸度值也更低.将上述结果与Iwahashi和Pike(2007)给出的全球基于900 m精度DEM数据确定的三项地形特征阈值进行比较(图7a)，可以发现新疆、河北地区的地形坡度和局部凸度阈值变化趋势与全球的趋势相近，但表面纹理的变化却相对较为剧烈，原因是新疆、河北相对于全球来说区域面积较小，且有限的范围内平原、台地、丘陵、山地面积分布占比较为均衡(见图8)，计算得到的表面纹理值的分布并不集中(见图6)，引起三个等级的阈值存在一定的大小差距.

接下来根据图1的分类流程及图6确定的地形特征阈值对新疆及河北地区的地形进行分类，例如，将新疆地区地形坡度值>3.07°、局部凸度值>53.50%、且表面纹理值>41.70%的所有栅格单元划分为第1类地形，最终得到两个地区的16类地形分类如图8所示.

将地形分类图与地貌分类进行比较(图8所示)可以发现，两者存在一定的关联性.从地貌分类可见，新疆地区山脉与盆地相间排列，北部阿尔泰山，南部为昆仑山，中部为天山，天山南部是塔里木盆地，北部是准噶尔盆地.地形分类结果显示，第13～16类地形主要分布在塔里木盆地与准噶尔盆地，第1类地形主要分布于阿尔泰山、天山与昆仑山地区，地形分类很好地体现了区域内地貌间的差异.从地貌分类可见，河北地势总体特征为西北高、东南低，西北主要为山地、高原和丘陵，中部和东南部为平原.地形分类结果显示，第13～16类地形分布于东南部分的河北平原，整体地势较低；第1类地形分布于北部的燕山山脉与中部的太行山，整体地势较高，地形分类与地貌分类在空间分布上具有较好的对应性.

图6 新疆(a)和河北(b)地区三项地形特征值的三个等级阈值确定结果Fig.6 The results of three levels of thresholds of three terrain features in Xinjiang (a) and Hebei (b)

图7 基于900 m(a)及90 m(b)精度DEM数据确定的三项地形特征阈值Fig.7 Thresholds of three terrain features based on 900m-resolution (a) and 90m-resolution (b) DEM data respectively

图8 依据三项地形特征划分的新疆和河北地区地形分类图((a)新疆、(b)河北)及其与地貌分类图((c)新疆(程维明等，2009)、(d)京津冀(赵敏等，2016))比较Fig.8 The terrain classification maps of Xinjiang and Hebei based on three terrain features ((a) Xinjiang, (b) Hebei) and comparisons with the geomorphological classification maps ((c) Xinjiang (Cheng et al., 2009), (d) Beijing-Tianjin-Hebei (Zhao et al., 2016))

针对每一类地形分类给出VS30预测值.首先，汇总每个地形分类下的钻孔数据(图9).图中可见，新疆地区地形类别12所占区域钻孔数量最多，约占总体数量的14.9%，其次为类别5和类别8，分别占有总数的12.6%和12.0%；某些类别下的钻孔数据量极少，例如类别2、3、4以及11，都不足1%；河北地区钻孔数量最多的类别是11，然后依次是类别14、类别13，缺少类别2所占区域的钻孔数据.可以发现两个地区的钻孔都集中在坡度相对较低的区域，本文所获得的钻孔多数位于建设工程场地，大都集中于生产活动地区.这些地区是相对较为平坦的平原和盆地区域，因此在代表高坡度值的山脉地区(类别1、2、3、4)的钻孔数据则较少.

为了得到稳健的地形类别与VS30之间的经验关系，我们采用交叉验证多次迭代的方法.首先，随机选取占总体数量为65%的钻孔作为标定组，分别计算每个地形类别下的VS30平均值作为每个类别的对应预测值；剩下35%数量的钻孔VS30值作为验证组，也就是实测值.通过计算实测值与预测值之间的均方误差(Δ)确定最佳的预测值：

(1)

将新疆和河北地区的各地形类别对应的VS30预测值与Yong等(2012)给出的美国加州地区的结果进行比较(图10)，可以发现，整体上三者的变化趋势较为一致，编号较低的地形类别对应的VS30值相对较高，编号较高的地形类别对应的VS30值相对较低.图10还给出了新疆和河北地区的VS30预测值与美国加州地区的相对偏差，新疆地区除第6、12、14类别、河北地区除第4、9、10类别外，其他类别的相对偏差都在30%以内.新疆地区的VS30预测值总体上要大于美国加州地区，而河北地区则相反，表明河北地区的场地土层总体要偏软.可以发现，对于钻孔数据量较少的地形类别，例如新疆地区的地形类别第7和11，河北地区的地形类别第3和第12，其VS30预测值与Yong等(2012)所得结果相差较大，一定程度上说明仅由少量的钻孔数据预测整个地形类别的平均VS30值将引起较大的不确定性，下一工作将补充钻孔数据对结果进行修正.可以观察到河北地区缺少第2类地形的VS30预测值，原因是该地形类别体现的是高坡度、高凸度和粗纹理的地形特征，代表的是陡峭的山峰、山脊地区，这些地区很少有工程建设项目，因此钻孔数据较为匮乏.

图9 基于900 m精度和90 m精度DEM数据给出的新疆与河北地区16类地形类别对应的钻孔数量分布Fig.9 The numbers of boreholes corresponding to 16 terrain categories in Xinjiang and Hebei regions classifed using 900m-resolution and 90m-resolution DEM data

图10 (a)本研究得到的新疆与河北地区16个地形类别的VS30最佳预测值与Yong等(2012)结果的比较及(b)两者之间的相对偏差Fig.10 (a) Comparisons of the best prediction values of VS30 for 16 terrain categories in Xinjiang and Hebei given by this study with the results of Yong et al., (2012) and (b) relative deviations between them

3 预测模型准确性检验及对DEM数据精度敏感性分析

3.1 模型的准确性检验

为了评估上述基于地形特征的VS30预测模型的准确性，同时也为了评价引入多个地形特征参数是否对模型的预测准确性有所提升，针对两种模型利用新疆和河北地区的钻孔数据，计算VS30实测值与预测值之间的残差：

(2)

比较两种模型计算获得的残差标准差σR和残差均值μR，结果如图11和图12所示.

比较结果显示，新疆地区基于地形坡度单一地形特征预测VS30得到的残差标准差σR=116.10 m·s-1，较大于基于三项特性特征预测VS30得到的残差标准差(96.40 m·s-1)，前者给出的残差均值为21.70 m·s-1，而后者为13.60 m·s-1，后者更加接近0值；河北地区给出的预测结果亦是如此.由此说明，相较基于地形坡度单一特征参数建立的VS30预测模型，引入表面纹理和局部凸度后联合三项地形特征建立的VS30预测模型其预测准确性有所提高.我们也曾尝试建立基于决策树的双参数模型(地形坡度和表面纹理、地形坡度和表面凸度)，虽可以对VS30进行较好的预测，但是仅能将地形划分为8个类别，与三参数模型相比对地形类别识别不够充分，不能将某些VS30具有明显差异的类别划分出来，因此这里并不给出模型结果.不过可以确定的是，无论采用双参数还是三参数，较单一地形坡度参数，联合更多的地形特征参数将对地表浅层剪切波速具有更好的指示作用.需要说明的是，本项研究收集的部分地形类别的钻孔数据还是很有限(图9所示)，未来工作将补充更多的数据，完善后的预测模型其准确性可得到进一步提升.

图11 新疆地区利用两种预测模型对VS30预测结果的比较(a) 基于单项地形坡度的； (b) 基于三项地形特征的.Fig.11 Comparison of VS30 prediction results using two prediction models in Xinjiang(a) determined by means of three terrain features.

图12 河北地区利用两种预测模型对VS30预测结果的比较(a) 基于单项地形坡度的； (b) 基于三项地形特征的.Fig.12 Comparison of VS30 prediction results using two prediction models in Hebei(a) determined by means of three terrain features.

3.2 模型对DEM数据精度的敏感性分析

三项地形特征参数都是基于DEM数据计算的，其精度是否对计算结果有所影响，进而影响对VS30的预测准确性，接下来将利用高精度90 m栅格大小的DEM数据按照前述方法流程(图1)建立模型，以测试模型对DEM数据精度的敏感性.

首先确定了地形坡度、表面纹理和局部凸度在三个等级下的阈值(图7b).与利用900 m精度的DEM数据确定的阈值相比较，结果显示，提高DEM精度后，地形坡度的各级阈值均有所增加，新疆地区的第一阈值由3.18增加至7.61，河北地区的第一阈值也由2.01增加至6.19，增加幅度较大.Allen和Wald(2009)曾指出采用低精度的DEM数据会产生自动平滑作用，也就是采用高精度的数据形成相对较多的高值部分.比较结果还显示，表面纹理与局部凸度的阈值也有所提高；三项特征的三个阈值变化相对趋于平缓，这也是由于提高DEM数据精度后计算得到的三项特征在数值上分布相对集中，低精度DEM数据产生的平滑作用会使数值趋于分散.

4 结论

本文以新疆和河北地区为例，利用DEM数据和工程钻孔资料验证一种基于地形特征的场地参数VS30估计方法在我国的适用性，检验考虑多项地形特征参数后是否对VS30的预测准确性有所提升，并对DEM数据的敏感性进行了分析，主要工作及结论如下：

图13 基于90 m精度的DEM数据划分的河北地区16类地形类别(a)以及局部(b)与基于900 m精度(c)的DEM数据给出的结果对比Fig.13 The classification map in Hebei based on 90m-resolution DEM data and comparison between its local zoom-in results and those given based on 900m-resolution DEM data

(1)建立了新疆和河北地区基于地形坡度单一特征的VS30预测模型；利用决策树理论考虑地形坡度、表面纹理和局部凸度三项地形特征划分了两个地区16类地形类别，与已有研究进行比较表明划分的地形类别在空间分布上与地貌分布趋势相一致，在此基础上建立了基于三项地形特征的VS30预测模型.

(2)比较了两个地区基于三项地形特征的VS30预测模型以及美国加州地区的预测模型，结果显示各地形类别的VS30预测值差异明显，但三个地区的变化趋势较为一致，说明基于决策树理论考虑三项地形特征的VS30估计方法具有普遍适用性，但同时存在区域依赖性，需要分区建立适用的VS30预测模型.

(3)利用两种预测模型对两个地区的VS30进行估计，比较预测值与实测值残差的均值与标准差，发现引入了表面纹理和局部凸度两项地形特征后，对VS30预测的准确性有所提升，表明联合多项地形特征可对地表浅层剪切波速具有更好的指示作用.

(4)分析了DEM数据精度对地形分类结果的影响，以河北地区为例，发现在区域内利用高精度数据对陡峭的山脉地区划分可能更为详细，而低精度数据则能够对平坦的平原地区识别可能更为充分.考虑到对人们日常生产活动频繁的平原及盆地中部地区开展场地参数估计更具现实意义，推荐使用900 m精度的DEM数据相对较为实用.

需要说明的是，基于地形特征对场地VS30进行预测是存在较大不确定性的，但在缺乏钻孔数据的条件下或者针对整个区域划分场地类别时，因有实际应用需求此方法仍可发挥重要作用，未来可在提升模型精确性方面进一步开展研究工作.

致谢感谢中国科学院在地理空间数据云(http:∥www.gscloud.cn/)上提供的90 m精度DEM数据，以及WebGIS提供的900 m精度的DEM数据(http:∥www.webgis.com/srtm30.html).感谢东京工业大学翠川三郎教授和东京大学客座研究员司宏俊博士为本研究提出的宝贵建议.