基於衛星高度計數據的海平面變化趨勢計算方法及裝置與流程

2024-02-10 10:50:15

本發明涉及海洋環境監測領域，具體而言，涉及一種基於衛星高度計數據的海平面變化趨勢計算方法及裝置。

背景技術：

一般的海平面預測方式是利用驗潮站資料。驗潮站數據以固定於陸地上的水準點為基準來測量得到海平面，而由於水準點會隨地殼運動發生垂直升降，因此驗潮站資料所測量得到的海平面為相對海平面。驗潮站數據雖然時間序列較長，但其僅分布於沿海地區和島嶼附近，並且受地殼運動影響，地域分布和精度都具有一定局限性。

技術實現要素：

有鑑於此，本發明實施例的目的在於提供一種基於衛星高度計數據的海平面變化趨勢計算方法及裝置。

本發明實施例提供的一種基於衛星高度計數據的海平面變化趨勢計算方法，該方法包括：

獲取多個衛星在指定時間段獲取的由多個高度計數據形成的高度計數據組；

對高度計數據組中的數據進行篩選，從多個所述高度計數據中篩選出有效數據，其中所述有效數據包括海平面數據；

根據所述有效數據計算得到對應的海平面異常數據；

將不同衛星的有效數據分別基於球面坐標對海平面異常數據進行網格化處理；

將每個衛星網格化後的數據進行融合；

根據融合處理後的數據計算得到海平面隨時間的變化函數；以及

根據所述變化函數得到未來指定時間的海平面變化計算結果並輸出所述計算結果。

本發明實施例還提供一種基於衛星高度計數據的海平面變化趨勢計算裝置，該裝置包括：

數據獲取模塊，用於獲取多個衛星在指定時間段獲取的由多個高度計數據形成的高度計數據組；

數據篩選模塊，用於對高度計數據組中的數據進行篩選，從多個所述高度計數據中篩選出有效數據，其中所述有效數據包括海平面數據；

海平面異常計算模塊，用於根據所述有效數據計算得到對應的海平面異常數據；

數據融合模塊，用於將每個衛星計算得到的對應的所述海平面異常數據進行融合；

網格化處理模塊，用於基於球面坐標對融合後的海平面異常數據進行網格化處理；

變化函數計算模塊，用於根據網格化處理後的數據計算得到海平面隨時間的變化函數；

結果輸出模塊，用於根據所述變化函數得到未來指定時間的海平面變化計算結果並輸出所述計算結果。

與現有技術相比，本發明的基於衛星高度計數據的海平面變化趨勢計算方法及裝置，通過獲得的多個衛星的高度計數據進行融合處理，根據處理後的數據計算所述海平面的變化趨勢，多種數據的融合可以使計算結果與所述未來的趨勢更加接近，使計算結果更加準確。

為使本發明的上述目的、特徵和優點能更明顯易懂，下文特舉較佳實施例，並配合所附附圖，作詳細說明如下。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本發明的某些實施例，因此不應被看作是對範圍的限定，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他相關的附圖。

圖1為本發明較佳實施例提供的基於衛星高度計數據的海平面變化趨勢計算方法的流程圖。

圖2為本發明實施例提供的衛星實例運行示意圖。

圖3為本發明較佳實施例提供的基於衛星高度計數據的海平面變化趨勢計算方法中計算得到的變化函數的函數示意圖。

圖4為本發明較佳實施例提供的基於衛星高度計數據的海平面變化趨勢計算裝置的功能模塊示意圖。

具體實施方式

下面將結合本發明實施例中附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。通常在此處附圖中描述和示出的本發明實施例的組件可以以各種不同的配置來布置和設計。因此，以下對在附圖中提供的本發明的實施例的詳細描述並非旨在限制要求保護的本發明的範圍，而是僅僅表示本發明的選定實施例。基於本發明的實施例，本領域技術人員在沒有做出創造性勞動的前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。

應注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨後的附圖中不需要對其進行進一步定義和解釋。同時，在本發明的描述中，術語「第一」、「第二」等僅用於區分描述，而不能理解為指示或暗示相對重要性。

請參閱圖1，是本發明較佳實施例提供的基於衛星高度計數據的海平面變化趨勢計算方法的流程圖。下面將對圖1所示的具體流程進行詳細闡述。

步驟s101，獲取多個衛星在指定時間段獲取的由多個高度計數據形成的高度計數據組。

所述衛星包括：t/p、jason-1、jason-2及hy-2中的至少一種。其中，topex/poseidon衛星是由美國國家航空航天局nasa與法國宇航局cnes聯合研發的，簡稱t/p衛星。jason-1衛星是t/p衛星的後續衛星，由美國國家航空航天局與法國宇航局於2001年12月聯合發射，主要目標是以不低於t/p衛星的測量精度提供海平面的連續觀測，從而為測量海平面變化、研究洋流變化、改進氣候預報水平以及改進潮汐模型等研究工作提供更長時間序列的觀測數據。所述jason-2衛星由法國cnes、歐洲氣象衛星探測組織(eumetsat)、美國nasa以及noaa聯合研製，於2008年6月發射成功，至今仍在軌運行。是t/p和jason-1任務的後續。hy-2衛星是海洋二號衛星是我國首顆海洋動力環境衛星，主要用於獲取全球海洋動力環境參數。「海洋二號」衛星於2011年8月16日成功發射，2012年3月2日投入業務試運行。

如圖2所示，圖2為本發明實施例提供的衛星實例運行示意圖。如圖2所示，衛星通過環繞地球測得到所述高度計數據。所述高度計數據中可以包括：平均海表面高度(meanseasurface，簡稱mss)、大地水準面(geoid)、參考橢球面(referenceellipsoid)、海表面高度(seasurfacehigh，簡稱ssh)、海表面與所述衛星的距離(range)。如圖2所示，其中所述mss為平均海表面與所述referenceellipsoid之間的距離。所述ssh為海表面與所述referenceellipsoid之間的距離。

本實施例中，所述高度計數據中還可以包括用於標記數據類型的標識。例如，所述標識可以是數字「0」或「1」。例如，若所述高度計數據為海平面數據則標記為「1」，若所述高度計數據為陸地、冰面等其它數據時標記為「0」。

本實施例中，所述基於衛星高度計數據的海平面變化趨勢計算方法可應用於計算機終端，所述計算機終端通過接收用戶輸入的數據以獲取多個衛星在指定時間段獲取的由多個高度計數據形成的高度計數據組；也可以是由計算機終端的內存中加載數據獲得。

步驟s102，對高度計數據組中的數據進行篩選，從多個所述高度計數據中篩選出有效數據。

本實施例中，所述有效數據是海平面數據。

本實施例中，所述高度計數據包括所述衛星測得的海平面數據、冰上數據及陸地數據；步驟s102可以包括：從所述高度計數據中篩選出所述海平面數據。

本實施例中，步驟s102包括：對篩選出來的海平面數據進行與預存的標準數值範圍進行比較，若所述海平面數據在所述標準數值範圍內，則將所述海平面數據篩選為所述有效數據。

本實施例中，步驟s102包括：根據所述高度計數據攜帶的標識篩選出所述海平面數據。例如，所述標識可以是數字「0」或「1」。例如，若所述高度計數據為海平面數據則標記為「1」，若所述高度計數據為陸地、冰面等其它數據時標記為「0」。所述計算機終端從所述高度計數據中篩選出標記為「1」的高度計數據。

在一個實例中，數據篩選時，首先選擇位於開闊或半開闊海域的高度計數據；另外，ku波段數據質量良好，可以在所述開闊或半開闊海域的高度計數據選取ku波段獲取的高度計數據；再例如，還可以去除了雨、雪或冰天氣階段獲取的高度計數據；還可以去除欄位為空值的數據記錄。

步驟s103，根據所述有效數據計算得到對應的海平面異常數據。

本實施例中，所述海平面異常數據(sealevelanomaly，簡稱sla)，如圖2所示，所述sla為海表面與平均海表面的距離，也可以理解為，所述sla可以為ssh與mss的差值。

由於衛星測得的數據可能受到外界因素的影響，所述sla與ssh與mss的差值有一定的誤差。在一個實例中，可以通過以下公式計算得到所述sla。

例如，sla＝衛星軌道高度(alt)-見證後的ku頻衛星到海面的距離(range_ku)-高度計ku頻電離層校正(iono_corr_alt_ku)-幹對流層校正(model_dry_tropo_corr)-溼對流層校正(rad_wet_tropo_corr)-ku頻海況校正(sea_state_bias_ku)-固體潮校正(solid_earth_tide)-地心海潮校正模型1(ocean_tide_soll)-極潮(pole_tide)-逆氣壓校正(inv_bar_corr)-海面高頻海況校正(hf_fluctuations_corr)-平均海平面高度(mean_sea_surface)。

步驟s104，將不同衛星的有效數據分別基於球面坐標對海平面異常數據進行網格化處理。

本實施例中，可以基於球面坐標shepard算法，將經過篩選的離散的海面高度數據插值到目標網格，形成網格化海平面異常數以實現海平面異常數據進行網格化處理。所述shepard算法也可以稱為與距離成反比的加權法，其基本思想是將插值函數f(x，y)定義為各數據點函數值fk的加權平均。

針對大規模散亂數據擬合問題，shepard提出如下有理數逼近方法。在一個實例中，設(xi,xj),i＝1,2...,n為插值點，fi為插值點(xi,xj)處相應的值，插值曲面可以寫成如下形式：

其中，

ri＝0表示內插點與採樣點(xi,xj)重合，內插值等於該點的採樣值。顯然f(x,y)滿足min1≤i≤nfi≤f(x,y)≤max1≤i≤nfi，權因子[ρ(ri)]μ中的μ一般為大於1的常數，如果選取得太大，則使遠離插值點的採樣點的權過小。例如，可選取μ＝2。當然，本領域的技術人員針對具體應用場景通過實驗確定μ的值。

在另一個實例中，還可以使用shepard提出的另一個局部逼近模型，將半徑為r(以插值點(x，y))的擬合區分為兩個環帶，並分別定義權函數ρ(r):

式中，該權函數連續可微。在實際應用中需要適當選取r，使擬合圓有適當數量的採樣值點。本實施例中，可以選擇m<10。

本實施例中，所述(xi,xj),i＝1,2...,n可以是插入點，也可以理解成目標網格的坐標，所述fi為插值點(xi,xj)處相應的值，所述值可以理解成所述海平面異常的值。本實施例中，所述海平面計算得到的海平面異常數據對應有在地球上的位置信息。在一個實例中，所述位置信息可以海平面異常數據基於所述球面坐標的坐標。

步驟s105，將每個衛星網格化後的數據進行融合。

本實施例中，將不同衛星在相同時間段的數據進行融合。例如，衛星a獲取了2001年至2008年的海平面高度計數據，衛星b獲取了2005年至2011年的海平面的高度計數據，則將衛星a及衛星b在2005年至2008年的海平面高度計數據進行融合。

本實施例中的方法，所述方法還包括：獲取臺站數據；步驟s105可包括：將每個衛星網格化後的數據與所述臺站數據進行融合。

本實施例中，所述將每個衛星網格化後的數據與所述臺站數據進行融合也可以是將相同時間段的衛星的高度計數據與所述臺站數據進行融合。

本實施例中，通過對不同衛星及臺站數據進行融合使不同衛星的網格化後的數據在相同點或者相近點處融合成一組網格化數據。

所述臺站數據為驗潮站的海平面觀測數據。其中，所述驗潮站是指在選定的地點，設置自記驗潮儀或水尺來記錄水位的變化，進而了解海區的潮汐變化規律的觀測站。

在一種實施方式中，可以利用最優插值方法對每個衛星網格化後的數據進行融合。利用最優插值方法對臺站數據和雷達高度計海面高度數據進行融合，發揮了衛星產品覆蓋面廣和臺站數據精度高的特點，首先利用衛星數據建立背景場，臺站數據作為觀測值，並假設觀測點與背景場之間的誤差與該觀測點周圍其他觀測點同背景場的誤差存在相關性。

本實施例中，融合方法首先尋找興趣點周圍符合要求的觀測點誤差信息並賦予不同個權重，然後運用最小二乘法求解權重，而從得到該興趣點相對於背景場的改正值，得到融合數據：

其中，k為分析格點，i為有效格點，wi為權重函數，表示i點上觀測值與初估值的偏差在估計時分配的權重。選取一個分析範圍的半徑，搜索所述半徑範圍內的有效格點，再從中選取距分析格點最近的幾個有效格點參與最優插值，其中所述有效格點的數據不能超過指定數量，例如，選取的有效格點不超過9個。

分析點上分析值的誤差方差為：其中，tk為k點的真值。

假設，觀測誤差和初估場誤差不相關，即

根據上面幾個公式可以分析得到誤差方差為：

其中，為初估場誤差方差，分別為初估場誤差協方差和觀測誤差協方差。

本實例中，針對公式利用最小二乘法構建線性方程：

其中，表示初估場誤差協相關，表示觀測誤差協相關，λi為i點上觀測誤差標準偏差和初估誤差標準偏差的比率。

本實施例中，還可以通過公式確定權重wi，最後得到分析誤差的最小方差估計：

步驟s106，根據融合處理後的數據計算得到海平面隨時間的變化函數。

本實施例中，可以根據融合後的數據經過線性處理得到一線性函數。在一個實例中，如圖3所示，圖3為中國近海面1993年1月至2016年12月的時間序列，基於隨機動態分析模型，利用線性回歸方法計算中國近海海平面變化的線性趨勢。其中，圖中離散的點表示不同時間中國近海面的海平面異常的值，例如，1993年1月中國近海的海平面異常值約為-5cm。其中，沿著坐標系左下右上延伸的直線為計算得到的中國近海海平面變化的線性函數。其中，所述線性函數的斜率k＝0.39cm/yr。本實例中，根據所述斜率k和任意已知年份，可以計算得到未來指定時間的中國近海的海平面異常值。

步驟s106可包括：通過線性回歸方法處理所述融合處理後的數據計算得到所述海平面變化趨勢的線性函數。

本實施例中，步驟s106可包括：對不同海域的數據分別進行計算得到不同海域的海平面隨時間的變化函數。

本實施例中，步驟s106可包括：對不同季節的數據分別進行計算得到不同海域的不同季節的海平面隨時間的變化函數。

步驟s107，根據所述變化函數得到未來指定時間的海平面變化計算結果並輸出所述計算結果。

所述步驟s107可包括：根據不同海域對應的變化函數得到不用海域的海平面變化計算結果並輸出不同海域的計算結果。

所述步驟s107還可包括：根據不同季節的數據的變化函數得到未來指定時間的不同季節的海平面變化計算結果並輸出所述計算結果。

本實施例中，可以根據融合後的數據對海平面年際和年代際變化進行分析。在一種實施方式中，對多個衛星及臺站的海平面融合處理後的數據可以使用小波變換分析方法分析不同區域範圍的海平面年際和年代際變化特徵。在一個實例中，方法如下：小波變換是在時間－頻率域中分析信號的方法。若f(t)為一時間函數，小波變換可被定義為：

其中，τ為局部時間指數，s為小波尺度，ψ表示小波基函數，星號表示複數的共厄。在一個實例中，可以選擇墨西哥小帽為小波變換的基函數，則基函數可表示為：

其中，η為無量綱時間參數，ω0為無量綱頻率。由於所述基函數為由實部與虛部組成的複數，所以在時間－頻率域上的分析結果有三種表示方法：w(τ，s)的實部、模與位相。在一個實例中，選擇w(τ，s)的實部在時間與頻率域上表徵變換結果。|w|2被定義為小波譜。對全局小波譜，可以令小波圖上的垂直切片為局部譜的量度，所有特定頻率小波譜或所有局地小波譜的時間平均為：

其中，t為時間序列的樣本個數。小波譜的時間平均即為全局小波譜。

根據上述描述可以對獲取的多個衛星在指定時間段獲取的由多個高度計數據及臺站數據進行分析，可以了解海平面年際和年代際變化，進一步地，為海平面變化趨勢的計算提供支持。

本實施例中，可以根據融合後的數據對海平面時空變化特徵進行分析。在一種實施方式中，對多個衛星及臺站的海平面融合處理後的數據可以使用經驗正交函數(eof)方法分析近30來中國沿海全海域、各海區以及各省(自治區、直轄市)海平面的時間變化和空間分布特徵。在一個實例中，分析方法如下：

先將變量場的海平面的數據經過距平值處理後，以矩陣的形式給出：

其中，式中m是觀測次數，n是觀測站點(m＞n)。xij表示在第j個測站點上的第i次觀測場的距平值。

把上述矩陣分解成正交的時間函數和正交的空間函數乘積之和，可以寫成：

其中，式中lhj表示序號為h的典型場在第j個點的值，它只依賴於空間點而變化，不隨時間變化，稱為空間係數；thi表示序號為h典型場在第i個時刻的權重係數，它只隨時間而變化，稱為時間係數，其中上式可寫成xm×n＝tm×mlm×n

其中，

本實例中，可以把空間函數lhj視為典型場，把時間函數thi視為典型場的權重係數。因此，表示不同時刻觀測到的海平面資料場，各由一系列典型場按不同權重線性疊加而成，各個場之間的差別在於各典型場係數的不同。

本實施例中，可以通過利用調和分析模型、隨機動態模型等方法對上述融合後的數據進行處理計算出未來指定時間的海平面變化。

在一個實例中，利用隨機動態模型對融合處理後的數據進行分析。海平面時間序列yi(t)[記為y(t)]，可分解為下面的疊加形式：

y(t)＝t(t)+p(t)+x(t)+α(t)；

其中，y(t)為海平面值；t(t)為確定性趨勢項；p(t)為確定性的周期項；x(t)為一剩餘隨機序列；α(t)為白噪聲序列。在一個實例中，計算得到序列中確定性部分具體表達形式及係數，其中隨機性部分的具體表達形式及係數可以在計算時隨機生成，將所述融合處理後的數據進行擬合計算得到所述計算結果。

根據上述實施例中的方法，通過將不同衛星獲取的高度計數據及臺站數據融合，使用融合後的數據做後續的計算處理，通過計算得到的變化函數，根據所述變化函數計算未來時間的海平面可能的變化高度，多種數據的融合可以使用計算結果與所述未來的趨勢更加接近，使計算結果更加準確。

請參閱圖4，是本發明較佳實施例提供的應用於計算機終端的基於衛星高度計數據的海平面變化趨勢計算裝置的功能模塊示意圖。所述基於衛星高度計數據的海平面變化趨勢計算裝置100包括數據獲取模塊110、數據篩選模塊120、海平面異常計算模塊130、網格化處理模塊150、數據融合模塊150、變化函數計算模塊160及結果輸出模塊170。

所述數據獲取模塊110，用於獲取多個衛星在指定時間段獲取的由多個高度計數據形成的高度計數據組。本實施例中，所述數據獲取模塊110用於執行所述步驟s101，關於該數據獲取模塊110的詳細描述，可參所述步驟s101的描述。

所述數據篩選模塊120，用於對高度計數據組中的數據進行篩選，從多個所述高度計數據中篩選出有效數據，其中所述有效數據包括海平面數據。本實施例中，所述數據篩選模塊120用於執行所述步驟s102，關於該數據篩選模塊120的詳細描述，可參所述步驟s102的描述。

所述海平面異常計算模塊130，用於根據所述有效數據計算得到對應的海平面異常數據。本實施例中，所述海平面異常計算模塊130用於執行所述步驟s103，關於該海平面異常計算模塊130的詳細描述，可參所述步驟s103的描述。

所述網格化處理模塊140，用於將不同衛星的海平面異常數據基於球面坐標分別進行網格化處理。本實施例中，所述網格化處理模塊140用於執行所述步驟s104，關於該網格化處理模塊140的詳細描述，可參所述步驟s102的描述。

所述數據融合模塊150，用於將將每個衛星網格化後的數據進行融合。本實施例中，所述數據融合模塊150用於執行所述步驟s105，關於該數據融合模塊150的詳細描述，可參所述步驟s105的描述。

所述變化函數計算模塊160，用於根據網格化處理後的數據計算得到海平面隨時間的變化函數。本實施例中，所述變化函數計算模塊160用於執行所述步驟s106，關於該變化函數計算模塊160的詳細描述，可參所述步驟s106的描述。

所述結果輸出模塊170，用於根據所述變化函數得到未來指定時間的海平面變化計算結果並輸出所述計算結果。本實施例中，所述結果輸出模塊170用於執行所述步驟s107，關於該結果輸出模塊170的詳細描述，可參所述步驟s107的描述。

在其它實施例中，所述基於衛星高度計數據的海平面變化趨勢計算裝置110還可以包括臺站數據獲取模塊180，用於獲取臺站數據；所述數據融合模塊150還用於將每個衛星網格化後的數據與所述臺站數據進行融合。

關於本實施例的其它細節可以進一步地參考上述方法實施例中的描述，在此不再贅述。

根據上述實施例中的裝置，通過將不同衛星獲取的高度計數據及臺站數據融合，使用融合後的數據做後續的計算處理，通過計算得到的變化函數，根據所述變化函數計算未來時間的海平面可能的變化高度，多種數據的融合可以使用計算結果與所述未來的趨勢更加接近，使計算結果更加準確。

在本申請所提供的幾個實施例中，應該理解到，所揭露的裝置和方法，也可以通過其它的方式實現。以上所描述的裝置實施例僅僅是示意性的，例如，附圖中的流程圖和框圖顯示了根據本發明的多個實施例的裝置、方法和電腦程式產品的可能實現的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個或多個用於實現規定的邏輯功能的可執行指令。也應當注意，在有些作為替換的實現方式中，方框中所標註的功能也可以以不同於附圖中所標註的順序發生。例如，兩個連續的方框實際上可以基本並行地執行，它們有時也可以按相反的順序執行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執行規定的功能或動作的專用的基於硬體的系統來實現，或者可以用專用硬體與計算機指令的組合來實現。

另外，在本發明各個實施例中的各功能模塊可以集成在一起形成一個獨立的部分，也可以是各個模塊單獨存在，也可以兩個或兩個以上模塊集成形成一個獨立的部分。

所述功能如果以軟體功能模塊的形式實現並作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中。基於這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的部分可以以軟體產品的形式體現出來，該計算機軟體產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，伺服器，或者網絡設備等)執行本發明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：u盤、移動硬碟、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光碟等各種可以存儲程序代碼的介質。需要說明的是，在本文中，諸如第一和第二等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句「包括一個……」限定的要素，並不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。

以上所述僅為本發明的優選實施例而已，並不用於限制本發明，對於本領域的技術人員來說，本發明可以有各種更改和變化。凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。應注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨後的附圖中不需要對其進行進一步定義和解釋。

以上所述，僅為本發明的具體實施方式，但本發明的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本發明揭露的技術範圍內，可輕易想到變化或替換，都應涵蓋在本發明的保護範圍之內。因此，本發明的保護範圍應所述以權利要求的保護範圍為準。