基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测

冬小麦是中国重要的粮食作物，开展县级冬小麦产量预测对粮食宏观调控和农业精准化发展具有重要指导意义。该研究从县级产量预测角度出发，结合卷积神经网络（Convolutional Neural Networks，CNN）和反向传播神经网络（Back Propagation Neural Networks，BP）技术提出了冬小麦县级产量预测方法，使用CNN卷积神经网络对Sentinel-2遥感数据进行冬小麦种植区的分析和提取，将得到的种植区分布数据与MODIS EVI数据和耕地分布数据进行了融合，利用BP神经网络对融合后的数据进行产量特征提取和预测并选取均方根误差（Root Mean Square Error，RMSE）、平均绝对误差（Mean Absolute Error，MAE）和样本决定系数（Coefficient of Determination，R2）作为精度指标对试验结果进行分析和评价。结果表明，基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测方法在山东省2014－2016年冬小麦县级产量验证集中R2达到0.87以上，MAE低于269.48 kg/hm2，RMSE低于346.56 kg/hm2，93%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.2%；在河南省2015－2019年冬小麦县级产量验证集中R2达到0.96以上，MAE低于304.84 kg/hm2，RMSE低于418.14 kg/hm2，91%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.6%，方法所构建模型具有良好的预测准确率、鲁棒性和泛化性，可以实现县级尺度下的冬小麦产量预测。     

不同产量水平旱地冬小麦品种的氮磷利用差异分析

以9个旱地冬小麦品种为材料,通过田间试验研究不同产量水平旱地冬小麦品种氮、磷效率的差异。结果表明,不同冬小麦品种的籽粒和地上部吸氮量、吸磷量、氮磷收获指数、氮磷效率均存在明显差异。随养分投入水平的提高,不同产量水平品种的籽粒和地上部吸氮量、吸磷量均提高,高产品种随养分投入增加而提高的敏感程度高于中产和低产品种。氮磷收获指数随养分投入水平的提高没有明显的变化规律。低养分投入水平下,高产品种的氮肥回收率和偏生产力分别较低产品种高222%和49%;磷肥回收率和偏生产力分别较低产品种高766% 和49%,高投入降低了各产量水平品种的偏生产力。     

不同产量水平旱地冬小麦品种氮磷钾养分累积与转移的差异分析

以9 个旱地冬小麦品种为材料, 通过田间试验研究不同产量水平冬小麦品种氮磷钾累积和转移的差异。结果表明: 高产冬小麦品种的花前氮累积量随养分投入水平提高而增加的幅度明显高于中、低产品种, 具较高的花前氮累积量, 但其花前磷累积量无明显优势; 高产冬小麦品种花后能累积较多的氮磷, 但其氮磷转移量、转移率、转移氮磷对籽粒的贡献率均低于中、低产品种; 高产冬小麦品种花前钾累积量和钾转移量无明显优势, 但其籽粒对钾的保存能力较高, 花后钾损失较少。因此, 较高的花后氮磷累积量、较低的花后钾损失量是旱地冬小麦品种高产的重要原因。     

基于Meta分析华北冬小麦高产高效协同提升灌溉方案

目前针对灌溉对冬小麦产量和水分利用效率影响研究大多基于单点实验，受气候、土壤等因素影响，研究结果可比性较差，且难于获得区域结论。本文通过检索搜集获得186篇大田实验文献，共1876对观测数据，采用Meta分析方法分析明确了灌溉对华北冬小麦产量和水分利用效率的影响，揭示了不同区域、降水年型、土壤质地和施氮量水平下灌溉对产量和水分利用效率的影响差异，明确了不同情景下华北冬小麦产量和水分利用效率协同提升的最佳灌溉量。研究结果表明，与生长季内不灌溉相比，灌溉使华北冬小麦总体增产32.0%～38.3%，水分利用效率降低27.3%～30.1%。冬小麦生长季降水量<150mm的西北区域灌溉增产幅度（39.6%～53.5%）高于降水量>150mm的东南区域（24.3%～27.1%），灌溉后水分利用效率降低幅度（32.4%～37.5%）高于东南区域（22.0%～24.3%）。冬小麦高产高效的生长季内最佳灌溉量西北区域为150～180mm，东南区域为120～150mm；干旱年、平水年和湿润年均为灌溉两次效果最佳，且最佳灌溉时期分别为拔节期和开花期、拔节期和抽穗期、拔节期和孕穗期，最佳总灌溉量均为120～150mm；壤土条件下灌溉对冬小麦增产效果最佳，黏土条件下水分利用效率降低幅度最小，沙土、壤土、黏壤土和黏土四种土壤质地下冬小麦最佳灌溉量分别为60～90mm、120～150mm、180～210mm和150～180mm；施氮量在120～240kg·hm⁻²时，灌水80～140mm增产节水效果最佳，其中灌水110～140mm条件下冬小麦产量更高，而灌水80～110mm冬小麦水分利用效率更高。综上所述，华北地区冬小麦在湿润年型下拔节和开花期灌溉，平水年型下拔节和孕穗期灌溉，干旱年型下拔节和抽穗期灌溉，总灌溉量为120～150mm，可实现高产节水，若该区域为壤土，同时施氮120～240kg·hm⁻²，冬小麦可实现产量和水分利用效率的协同提升。 关键词：华北冬小麦|产量|水分利用效率|协同提升|Meta分析方法     

基于决策系统模拟不同降水年型旱作冬小麦的最佳播期

冬前积温以及播前土壤墒情是旱作冬麦区播期选择的重要依据，利用模型选择不同降水年型下小麦适宜播期具有重要意义。收集山西省闻喜县旱作小麦区2009−2014年（2009、2010和2012年为枯水年，2011年和2013年为丰水年）的大田试验数据，对小麦决策系统进行品种参数校验和验证。利用校验过的决策系统模拟分析闻喜地区近36a（1980−2015年）冬小麦最佳播期变化以及不同降水年型下播期随产量的变化情况。结果表明：（1）1980−1984年，冬小麦最佳播期主要集中在9月25日前后；1985−1995年，历史最佳播期推迟至9月30日前后；1995−2015年，最佳播期推迟至10月5日前后。（2）研究期内，丰水年和平水年9月30日前后播种小麦平均产量最大，分别为4293.1kg·hm−2和4055.2kg·hm−2；枯水年10月5日前后播种小麦平均产量最高，为3334.5kg·hm−2。因此，随着气温的逐渐增高，冬小麦的历史最佳播期呈现明显后移趋势；丰水年和平水年9月30日前后播种，枯水年以10月5日前后播种为宜。     

华北平原冬小麦产量变异的气象影响因子分析

采用1988-2015年华北平原冬小麦种植区46个市的统计产量和相应46个气象站点的逐日气象资料,通过Logistic曲线和双曲线方法分离出气象产量,并构建气象产量与生长季主要气象因子的多元统计关系,以明确华北平原冬小麦产量变异的气象影响因子。结果表明：（1）1988-2015年华北平原冬小麦产量在3200～6800kg·hm-2,中部地区产量最高,南部地区产量的变异高于中部和北部地区。（2）生长季日照时数、温度和降水平均值的年际变化影响了17%～78%的气象产量的变异,其中54%的地区达到显著水平（P＜0.05）。影响程度较高的地区主要分布在河北南部、山东西部和河南的东北部地区。（3）播种-返青阶段的降水显著影响产量变异,降水量每增加1%,天津、驻马店及山东西北部等地产量将上升13～74kg·hm-2,而河北北部、河南南部、山东南部等地产量将下降16～80kg·hm-2。返青-成熟阶段对产量变异影响较大的因子为最低气温,平均最低气温每上升1-C,天津和石家庄、山东东部和西部及河南东部等地产量将增加50～295kg·hm-2,而北京、唐山和枣庄等地将减少76～124kg·hm-2。总体来看,温度对华北平原冬小麦产量变异影响范围更广且更加显著,但气象因子对产量变异的影响受局地品种和管理措施等影响呈现较大的空间差异。     

黄土高原旱地小麦产量差异与产量构成及氮磷钾吸收利用的关系

【目的】针对我国黄土高原旱地小麦低产田块多、分布范围广、农户地块间产量差异大的问题,探索影响旱地小麦产量的关键因素,为缩小产量差异、提高旱地小麦产量提供理论依据。【方法】对分布在我国黄土高原的山西、陕西旱地小麦主产区的282个农户麦田0—100 cm土壤和小麦植株取样分析。将小麦产量分为高、中、低三组,分析了小麦产量差异与产量构成、氮磷钾吸收利用的关系。【结果】调查农户冬小麦产量平均为3815 kg/hm2,中、低产组分别比高产组低32%和57% (P < 0.05);高产组籽粒平均含氮量较低产组低7%,但磷钾含量和茎叶氮磷钾含量差异不显著。与高产组相比,中、低产组生物量分别低27%和50%,收获指数低5%和13%,穗数低15%和31%,穗粒数低19%和41% (P < 0.05);地上部吸氮量低28%和51%,吸磷量低32%和55%,吸钾量低28%和50% (P < 0.05)。低产组氮收获指数分别比高、中产组低5%和4%,磷收获指数低4%和3%,钾收获指数低13%和8%。高产组小麦的需氮量较中、低产组分别低5%和12% (P < 0.05),需磷量没有显著差异;高、中产组小麦的需钾量亦无显著差异,但分别较低产组显著低5%和15%。高产组小麦的氮生理效率较中、低产组分别高4%和11%,产量分组间小麦的磷生理效率同样没有显著差异;高、中产组小麦的钾生理效率无显著差异,分别较低产组显著高16%和10%。【结论】黄土高原旱地农户田块小麦产量存在显著差异,其中由氮素营养不同引起的干物质累积转移、产量构成和养分吸收分配的变化是导致产量差异的重要原因。缩小旱地小麦产量差异的切入点在于氮素调控。基于作物产量形成的养分需求优化肥料投入,结合改进栽培,促进小麦干物质累积,提高穗数和穗粒数,从而实现产量普遍提升。     

分布式水文模型在陕西省冬小麦产量模拟中的应用

利用分布式水文模型和作物模型模拟了不同深度的土壤含水量,以及在连接分布式水文模型和不连接分布式水文模型两种方式下,利用作物模型分别对冬小麦叶面积指数、干物重增量和产量进行了模拟,最后采用连接分布式水文模型的作物模型模拟了全流域内冬小麦产量的空间分布。模拟结果经对比检验表明,分布式水文模型在土壤水分模拟方面准确性高于作物模型;连接分布式水文模型的作物模型对冬小麦生长过程和产量的模拟结果准确性均高于作物模型独立模拟的结果;连接分布式水文模型的作物模型在流域内对冬小麦产量的空间分布模拟结果也与农业试验站观测产量和社会统计产量基本一致,高产区、低产区分布与实际基本相吻合。这为分布式水文模型和作物模型耦合应用,以及通过引进分布式水文模型来推动作物模型和产量预报研究进一步发展提供了基本的试验支持。     

适宜种植密度和施氮量对提高冬小麦产量和水氮利用效率的影响

针对西北地区干旱以及不合理的施氮和种植密度导致的冬小麦产量和水氮利用效率偏低的问题，探究垄膜沟播模式下冬小麦高产和水氮高效利用的最优氮肥密度管理措施。试验设置150 kg/hm²（D1）、187.5 kg/hm²（D2）、225 kg/hm²（D3）3个密度梯度和180 kg/hm²（N1）、270 kg/hm²（N2）、360 kg/hm²（N3）3个施氮水平（以N计），通过2 a（2021—2022年和2022—2023年）田间试验，研究氮密互作对冬小麦生理生长、干物质累积、产量、水分利用效率（water use efficiency，WUE）和氮利用效率（nitrogen partial factor productivity，NPFP）的影响。结果表明：与当地常规氮密处理（D1N3）相比，合理增大种植密度和减少施氮量可使抽穗期LAI提高13.93%～67.19%，最大干物质累积量和累积速率增大147.25%和65.29%。2 a产量均在D2N2处理达到最大，平均值11911.93 kg·/hm²，但2 a WUE分别在D2N2和D2N3达到最高，NPFP分别在D2N2和D3N1处理最高。通过拟合分析，2021—2022年冬小麦产量、WUE和NPFP达到最大值时所对应的种植密度与施氮量分别为195.92和260.82 kg/hm²、200.51和249.80 kg/hm²、195.92和187.35 kg/hm²，2022—2023年分别为195.92和257.14 kg/hm²、194.39和286.53 kg/hm²、197.45和183.67 kg/hm²。基于回归模型对产量、WUE和NPFP进行综合评价，最终确定种植密度180.45～190.04 kg/hm²、施氮量201.66～256.67 kg/hm²的组合模式为垄膜沟播冬小麦高产和水氮高效利用的氮密管理措施。研究结果可为西北地区冬小麦的高产高效栽培提供理论依据。     

作物产量指数设计及在黑龙江省的应用

针对传统基于归一化植被指数（normalized difference vegetation index，NDVI）的作物长势监测方法对于同一时期处于不同生育阶段的作物缺乏可比性，以及NDVI的高低不能直接代表产量的高低的问题，该研究设计了一种可以动态反映作物长势和产量变化的具有时空可比性的统计指数（作物产量指数）。以黑龙江为例，基于单产数据、气象数据、遥感数据、作物分布数据，对3种作物分别进行估产分区，综合使用随机森林重要性评价方法和留一法为各估产分区筛选最优估产建模变量，构建动态估产模型和产量指数计算模型，并在2022年作物生长季（6—9月）进行了大豆、玉米、水稻的动态估产和产量指数预报和分析。结果显示：1）建模指标的重要性从高到低依次为趋势单产、遥感植被指数、气候类指标。2）3种作物整体单产预测精度最高的为水稻，其平均绝对相对精度(mean absolute relative precision，MARP)为95.20%，其次是玉米（MARP为93.81%），最后是大豆（MARP为92.73%）。3）以历史5 a为基期计算的3种作物的6—9月的产量指数的对比结果显示，大部分区县3种作物各月的产量指数差异处于“平”状态。4）生长季产量指数的月环比结果显示大部分区县产量指数的月环比值处于-0.01~0.01之间。该研究设计的作物产量指数可用于比较某一统计单元（如县、市或省）在特定评估时间点相对于其历史平均单产的增减状况，也可以环比相邻两个评估时间点的产量变化情况；在空间维上可以比较同处于某个特定评估时间点的不同统计单元的单产指数的高低情况，在长势监测、产量预报等中具有很好的应用前景。     

县域冬小麦生育期气候要素与产量的灰色关联度分析—以河南省为例

基于河南省及周边39个气象站1996-2015年逐日气象观测资料和冬小麦产量数据,采用灰色关联分析方法,分析生育期各气候要素与河南省县域冬小麦产量关联度的时空变化特征。结果表明:总体来看,各气候要素与河南省冬小麦产量的关联度中,气温的关联度最大,日照时数次之,降水量最小;关联度空间分布上呈现北部地区高于南部地区的格局,南北过渡性明显,尤其是南部信阳市的关联度较其它地区明显偏低。分时段来看,各气候要素与冬小麦产量关联度在1996-2010年有所下降,在2011-2015年突变上升,有明显的年际变化特征,尤其是位于西南部和南部地区的县域单元变化显著,而北部、东部和中部地区的县域单元变化较小。各气候要素与冬小麦产量关联度总体呈上升趋势,气候变化对冬小麦产量的影响逐渐显著,应积极采取策略应对气候变化的影响。     

华北平原不同等级干旱对冬小麦产量的影响

华北平原是中国重要的粮食生产基地,其中冬小麦播种面积和产量均居中国首位,在国家粮食安全中具有重要作用,干旱是影响该区域冬小麦产量的最主要农业气象灾害。该研究基于华北平原44个气象站点1981—2017年的逐日气象数据以及作物、土壤和田间管理资料,以作物水分亏缺指数为农业干旱指标,基于调参验证后的农业生产系统模型(Agricultural Production Systems Simulater,APSIM),评估了冬小麦生长发育中后期各生育阶段不同等级干旱对冬小麦单产和总产的影响。结果表明,冬小麦拔节-开花和开花-成熟阶段干旱造成冬小麦减产率空间上均呈北高南低的分布特征,且开花-成熟阶段干旱引起的减产率(26.8%)高于拔节-开花阶段干旱引起的减产率(19.1%),区域间比较均表现为干旱对京津冀地区冬小麦单产影响最大,对河南省冬小麦单产影响最小;随着干旱等级的加重减产率增大,开花-成熟阶段轻旱、中旱和重旱的减产率分别为16.5%、32.8%和44.9%,拔节-开花阶段轻旱、中旱和重旱的减产率分别为10.3%、18.8%和28.6%。结合冬小麦实际播种面积得到各生育阶段干旱对总产的影响,区域间比较均表现为干旱对山东省冬小麦总产影响最大,对河南省冬小麦总产影响最小。     

华北冬小麦干旱产量损失评估方法

根据气候相似、农业生产水平相近的原则将华北分成15个亚区,利用1970-2010年华北逐日气温和降水资料计算逐日综合气象干旱指数（CI指数）,采用线性内插法将相邻土壤墒情观测资料处理成逐日数据,通过对比逐日CI指数与土壤墒情资料,分区域和发育阶段对冬小麦发生干旱时的CI指数评判标准进行订正,并基于该指标建立冬小麦干旱累积标准指数,同时结合冬小麦单产资料,构建冬小麦干旱产量损失评估模型。结果表明,冬小麦生育期内CI指数与对应的土壤墒情变化趋势基本一致;各亚区修订后的冬小麦干旱指标均与直接用CI指数判别干旱的指标存在较大差异,且不同亚区冬小麦干旱指标不一致,其中豫西、鲁北、鲁东南、京津、豫中东干旱指标较小,鲁中、冀东北、冀中、冀南干旱指标较大;华北15个亚区冬小麦干旱产量损失评估模型均通过0.05水平的F检验,冬小麦干旱累积标准指数与干旱产量损失具有显著的相关性,其中京津、晋中、晋南、鲁中、鲁东南、豫西等亚区的模型历史评估结果与对应的干旱产量损失相关性显著。模型能较准确地评估冬小麦发生干旱时的产量损失,具有一定的应用和深入研究价值。     

栽培方式对冬小麦耗水量、产量及水分利用效率的影响

为探究不同栽培方式对冬小麦生长发育、产量形成及水分利用的影响。通过田间试验,设置传统畦田种植(TC)、垄作种植(RC)和高低畦田种植(HLC)3种栽培方式,其中RC和HLC种植模式分别设置3种灌溉处理(900,720,540 m^3/hm^2),以TC的常规灌溉(900 m^3/hm^2)作为对照,研究3种栽培方式下冬小麦生育期内的土壤水分变化与耗水规律,分析栽培方式对产量构成要素和水分利用效率的影响。结果表明:不同栽培方式下冬小麦各生育期的土壤含水量变化具有显著差异,RC处理的集雨储水能力相对较强;栽培方式对冬小麦耗水特性和水分利用效率的影响也达到显著水平。冬小麦产量和耗水量间呈现极显著的正相关关系(R^2=0.86,P<0.01);栽培方式对冬小麦亩成穗数和穗粒数具有显著差异;与RC和TC栽培方式相比,HLC栽培方式下群体及个体的发育相对更好,亩成穗数和穗粒数显著提高;相比TC和RC,HLC栽培方式下冬小麦耗水总量分别提高14.16%和19.90%,产量分别提升22.63%和27.37%,水分利用效率(WUE)分别提升7.69%和6.87%。综合来看,HLC栽培方式可显著提高冬小麦的产量和水分利用效率,是研究区域较为理想的节水高产栽培模式。     

耦合土壤墒情的气候适宜度指数在山东省冬小麦产量动态

利用山东省1981-2011年历年冬小麦生育期及产量资料、14个气象站点的逐日气象资料、1992-2011年冬小麦生长季逐旬20cm土壤墒情资料,分别构建考虑和不考虑土壤墒情的冬小麦不同生长阶段的气候适宜度指数计算模型,通过与气象产量进行相关和回归分析,建立了基于两种气候适宜度指数的3-5月逐旬产量动态预报模型,并进行历史回代检验和动态外推预报。结果表明：考虑土壤墒情的气候适宜度指数能够更客观地反映山东省冬小麦生长期间气象条件和土壤水分对其产量形成的影响,构建的气候适宜度指数与冬小麦气象产量的相关系数均通过0.01水平的显著性检验,相关性高于不考虑土壤墒情的气候适宜度指数。产量动态预报模型对1992-2009年历史回代检验的平均准确率均在95.0%以上,标准化均方根误差RMSE均小于6%。对2010-2011年外推预报准确率最高达99.4%,最低为95.4%,说明预报准确率较高,建立的产量动态预报模型可以在业务上推广应用。     

基于中高分辨率卫星遥感数据的县域冬小麦估产

随着人口的增加和耕地面积的不断减少,粮食安全问题一直备受关注。该文以山东省广饶县为研究区,探讨基于中高分辨率卫星遥感数据的县域冬小麦估产技术。采用陆地卫星和中巴资源卫星（CBERS）中高分辨率遥感图像,选择冬小麦信息较为突出的4个相似时相,经几何精校正、掩膜、相对辐射校正等预处理,在分析研究区典型地物光谱特征的基础上,采用决策树分类方法提取冬小麦种植面积。同时,利用植被指数变化规律对各时相植被指数进行修正,根据植被指数分布情况及其与产量的关系,分别构建了基于像元比值植被指数之和（∑RVI）及不同长势区归一化植被指数（NDVI）的冬小麦估产模型。结果显示：各时相冬小麦种植面积的提取精度均在96%以上,且具有较好的空间精度;二种估产模型的估产精度分别达到了96%以上和94.74%,效果较好。研究为县域冬小麦产量的预测提供了有效方法,能更好地指导冬小麦生产和粮食政策的制定,对区域农业可持续发展和粮食安全有积极价值。     

基于CNN-RNN网络的中国冬小麦估产

在大范围内快速、准确地预估作物产量,对作物管理、粮食安全、粮食贸易和决策有重要意义。遥感为大规模作物估产提供了便利,大多数研究者结合深度学习和遥感影像取得了较好的结果。然而,农作物生长状态随时间变化,其产量具有非线性时空特征,单一的深度学习方法无法充分利用影像信息。因此,该研究提出了一种基于卷积神经网络（Convolutional Neural Networks,CNN）和门控循环单元（Gated Recurrent Unit,GRU）混合神经网络估产模型（CNN-GRU）,利用CNN从多光谱遥感影像中提取丰富的空间-光谱特征,在此基础上,结合GRU从多时相遥感影像中自适应学习冬小麦生育期各阶段之间的时间依赖,从多尺度融合冬小麦的生长特征并对其产量进行回归预测。该研究以全国冬小麦主产区为研究区,选取2001-2018年MODIS影像和冬小麦产量数据,构建了冬小麦估产数据集,并验证了CNN-GRU估产模型的性能。结果表明：1）以2016-2018年估产样本作为测试集,CNN-GRU估产模型的均方根误差（Root Mean Square Error,RMSE）年平均值为818.3 kg/hm2,相较于CNN、GRU、支持向量回归（Support Vector Regression,SVR）、随机森林（Random Forest,RF）和决策树（Decision Tree,DT）模型分别降低了20.13%、18.81%、29.51%、34.84%和36.57%;2）将冬小麦整个生育期划分为6个时间窗,CNN-GRU估产模型在灌浆-成熟期时精度最高,RMSE为817 kg/hm2,而抽穗-开花期的RMSE为823 kg/hm2,相较于灌浆-成熟期高0.7%。因此,该估产模型有能力提前2个月预测全国冬小麦主产区产量。     

基于气候和土壤水分综合适宜度指数的冬小麦产量动态预报模型

利用河北省16个农气观测站1981-2010年逐日气象资料、土壤水分观测资料、冬小麦生育期观测资料、灌溉记录和8个冬小麦主产市产量资料,根据土壤水分平衡原理和模糊数据理论,建立了综合反映冬小麦生长期气象条件和土壤水分状况的气温-日照-土壤水分适宜度评价模型,并以旬为时间步长,建立了基于气温-日照-土壤水分适宜度指数的冬小麦产量动态预报模型.结果表明,气温-日照-土壤水分适宜度指数克服了气温-日照-降水适宜度指数仅考虑水分状况中降水条件的不足,能够客观反映冬小麦生长期的气象条件和土壤水分状况,与冬小麦产量变化量呈极显著相关(P＜0.01),相关性高于气温-日照-降水适宜度指数;动态产量预报模型对1981-2008年历史拟合检验和2009-2010年预报试验的平均相对误差分别为6.1％和1.2％,误差较小,表明建立的冬小麦产量动态预报模型能够满足业务需求,具有较高应用价值.