新疆拖拉机污染物排放时间序列及其影响因素
2019-06-06吐尔逊买买提丁为民谢海巍
吐尔逊买买提,丁为民,谢海巍
新疆拖拉机污染物排放时间序列及其影响因素
吐尔逊×买买提1,2,丁为民1*,谢海巍2
(1.南京农业大学工学院,江苏 南京 210031；2.新疆农业大学交通与物流工程学院,新疆 乌鲁木齐 830052)
基于燃油消耗建立了新疆1993～2017年农田作业拖拉机PM10,PM2.5,HC,NO和CO排放时间序列清单,并分析了其演变趋势.从经济发展水平,拖拉机自身的影响和科学技术3个维度出发构建了以柴油机为主要动力的拖拉机污染物排放影响因素清单,并基于粗糙集理论定量分析了污染物排放影响因素.结果表明:1993～2017年新疆拖拉机污染物排放总量处于上升趋势,25a增长了2.0527倍,年均增长率3.67%,单位功率排放量下降了40.03%.农业机械排放标准的提高对污染物排放治理的作用明显.对污染物排放影响因素的定量分析结果显示,总动力、拖拉机数量、机耕面积、机播面积、机收面积、农业机械购置投入、农户固定资产投入和单位功率排放量对污染物排放的影响程度分别为0.2591,0.2491,0.0841,0.0759,0.0934, 0.0568,0.0701, 0.0701.经济发展水平、拖拉机自身的影响和科学技术对拖拉机污染物影响程度分别为:0.6350,0.2530和0.1119.建立的排放清单和变化趋势较好的反映新疆农业机械污染物排放现状,所得出的结果较好的反映了新疆社会经济,农业机械化和科技水平对拖拉机污染物排放的影响程度.
柴油机；污染物排放；排放趋势；影响因素；新疆
全球工业、农业、交通等领域的快速发展引发的大气污染已成为人们最为关注的问题之一.为了有效治理大气污染,各国家和地区相继出台了相关的法律和法规,并开展了广泛的研究.但相比之下,包括拖拉机在内的非道路移动排放源方面的研究尚处于起步状态[1].
排放清单是大气污染治理的基础.在政府层面, 2014年12月环保部发布了《非道路移动源大气污染物排放清单编制技术指南》(试行)[2],为各地建立排放清单提供了指导意见.相关研究表明,农业生产用各类拖拉机对非道路移动源排放的贡献率较大,其排放量占非道路移动源排放总量的81%[3-5].大气污染物排放标准、排放源活动水平对排放源污染物排放影响较大,文献[5-6]中基于污染物排放标准的变化现状,估算了研究区域CO、NO、HC、PM2.5等污染物排放总量,并从时间、空间和各污染物在污染物总量中占用比例等维度对其演变趋势进行了分析.从估算各类排放源排放不同污染物总量来看,非道路移动源排放SO2和NO在总量中的占比已经达到8.6%和13.5%,因此,提高农业机械等非道路移动排放源的排放标准,从空间和时间维度对研究区域进行细分,对减少区域污染物排放方面有重要意义.文献[9]中统计分析城市非道路移动机械的种类,使用特点,燃油类型,功率分布情况和实行的排放标准的基础上提出了城市非道路移动机械排放清单建立方法和步骤.部分研究[10]中对农业机械和机动车的排放进行了对比分析,发现农业机械单机排放的NO和PM总量分别是机动车的2.0倍和1.5倍.宏观上,区域污染物排放源集由多个单个排放源组成,并从微观上,每个排放源不同工况下的具体排放特性会对区域宏观排放趋势的变化影响较显著[11-12].
非道路移动排放源方面,国外研究较丰富,美国早就提出了NON-ROAD模型,并被广泛用于非道路移动源污染物排放分析中.早在20世纪90年代,研究人员就用燃油消耗法建立了国家尺度上的非道路移动机械污染物排放清单,对其在总的污染物排放量中的分布趋势进行了分析,并提出了针对不同排放源的排放清单编制方法[13-14].近年来,美国、欧盟和日本分别发布了非道路移动机械排放标准.在欧洲,目前瑞士等国已开发了官方的非道路移动源排放清单[16].
研究显示,新疆非道路移动源排放总量占移动源排放总量的29.5%,人均排放显著高于同期全国平均水平[5].目前非道路移动源方面的研究多围绕着国家层面和东部沿海地区的污染物排放现状进行.中西部地区的相关研究尚缺.此外农业机械等非道路移动排放源污染物排放方面的研究主要围绕着排放清单的建立,排放特性,演变趋势和统计分析等方面进行.由于各地区在自然环境、社会经济发展水平、农业机械化水平以及气候等方面存在不同的特点,所以不同地区在排放特性影响因素,排放源活动水平以及排放不确定性因素方面存在较大差异,因此研究农业机械在内的非道路移动源排放清单和驱动因素时需要充分考虑地域差异,并进行针对性的研究.
新疆作为农业大区,在农业生产中使用的农业机械总功率处于快速增长期,到2017年末已达到2148.83万kW.农业机械排放总量及其占总的大气污染物排放量的比例逐年增加.因此农业机械污染物排放对区域大气污染的影响不容忽视.
基于上述现状,建立了新疆1993~2017年拖拉机PM10、PM2.5、CO、HC和NO排放清单,并基于粗糙集理论分析了新疆农田作业拖拉机污染物排放影响因素及变化趋势.
1 数据与方法
1.1 数据来源
各年度新疆农业机械农机总动力、燃油消耗、机耕面积、机播面积、机收面积、财政农业机械购置投入等数据来自于新疆农机局官网.新疆各年度拖拉机数量,农户固定资产投入来自于国家统计局官网(www.stats.gov.cn).所用的排放因子参考生态环境部2014年发布的《非道路移动源大气污染物排放清单编制技术指南》(试行)[2].
1.2 研究方法
1.2.1 排放清单的编制方法 排放清单是区域污染物排放趋势分析和排放控制的基础.本文应用2014年生态环境部发布的《非道路移动源大气污染物排放清单编制技术指南(试行)》[2]中方法2建立1993~2017年新疆农田作业拖拉机PM10、PM2.5、HC、NO和CO排放清单.计算方法如式(1):
式中:为拖拉机PM10、PM2.5、HC, NO、CO排放量,t;为拖拉机类别;为排放阶段;为燃油消耗量,kg;EF为排放因子, g/kg.排放因子来自于文献[2].
1.2.2 排放源燃油消耗量及排放阶段的确定方法 基于燃油消耗估算和分析新疆农田作业拖拉机污染物排放量时,本文从国家统计局和自治区农机局的统计资料中获取1993~2017年新疆农用柴油量.由于农业生产燃油消耗含农田作业(机耕、机播、机收和植保)机械,农田排灌机械,农田基本建设所用机械,畜牧业生产机械以及农产品加农用运输车辆所用的柴油使用量.考虑到数据的可获得性,本文估算污染物排放时,主要以农田作业拖拉机(简称拖拉机)燃油消耗量作为依据.
表1 新疆农田作业拖拉机各排放阶段及功率段分布情况
本研究中考虑到研究时段内新疆农用机械排放阶段,功率分段等数据的可获得性因素后,以新疆农机局统计数据、2004年开始实施的农机购置补贴统计数据作为基本依据,结合专家咨询法测算各排放阶段和功率段拖拉机在1993~2007年拖拉机总量中所占百分比系数.具体数据见表1.
1.2.3 单位功率农田作业拖拉机排放量估算 拖拉机是农田作业中主要动力源,也是重要的污染物排放源.分析拖拉机排放趋势时,单位功率拖拉机污染物排放量可以反映在农机总动力逐年增长趋势下总动力和排放量的关系.它在研究排放标准等技术因素对单位功率和排放量的影响方面有一定意义,因此本文基于新疆农机总动力历史数据和本文估算的PM10、PM2.5、HC、NO、CO排放总量的基础上测算了单位功率拖拉机排放.具体方法如式(2).
式中:EI是单位功率排放量,t/万 kW;是年份; EPM10、EPM2.5、EHC、ENO、ECO是对应污染物的排放量,t;TP是农业机械总动力,kW.
1.2.4 基于粗糙集的影响因素量化方法 粗糙集(Rough Sets)是波兰数学家Z.Pawlak提出的分析数据理论[17].本文采用粗糙集理论中的计算属性依赖度和重要度方法[18]计算每个影响因素对污染物排放的重要程度,进而量化候选影响因素对新疆农业机械污染物排放的影响程度.
计算步骤为:
知识表达系统的建立:设(,,,)为一个知识表达系统,其为所有对象的集合,=[1,2,…],为属性的非空集合;为各属性离散化值域的并集;为信息函数,它为每个属性赋予一个属性值.=∪,∩≠,这里的是参考属性,是决策属性,从而生成二维的决策表.论域中,对象根据条件属性的不同被划分到不同决策属性的决策类中.
属性依赖度计算:若/={1,2,…X-1,X},/={1,2,…Y-1,Y},决策属性对条件属性的依赖度可以定义为:
式中:表示集合中包含的元素个数.其中0
计算第种条件属性对决策属性的重要度
(=1,2,…,)
计算属性权重k的方法
2 结果与讨论
2.1 新疆农田作业拖拉机污染物排放清单
以表1和新疆各年度农田作业用柴油消耗情况作为基本数据源,应用式(1)估算新疆1993~2017年农田作业用拖拉机排放PM10、PM2.5、CO、HC、NO的清单,应用1.2.3方法测算了基于功率拖拉机排放量,结果见表2.
2.1.1 排放现状及其演变趋势 表2表明,在研究时段内新疆农业生产作业中各类拖拉机排放PM10、PM2.5、CO、HC和NO的总量从1993年的6993.36t增加到22461.86t,增加了2.0527倍,年均增长率4.56%.从时间维度上,1993~2017年排放总量呈现出持续增长的趋势.可能的原因是,随着政府相关惠农政策的实施,尤其是2004年以来国家实施的农机购置补贴政策引起了农户的购买热情,因此农机总动力由2004年的766万kW增加到2017年的2148万kW.再加上西部大开发的稳步推进,使农业生产燃油消耗量的大幅增加,因此新疆拖拉机污染物排放量也呈现出了稳步增长的趋势.本文结果与文献[5]中获得的包括农业机械在内的非道路移动源污染物排放趋势基本一致,表明目前新疆农业机械污染物排放总体趋势依然严峻.
表2 新疆1993~2017年农田作业拖拉机污染物排放清单
2.1.2 单位功率拖拉机排放趋势 统计数据表明,1993~2017年新疆农业机械总动力由424.32万kW增加到2148万kW,在25a间增加了4.0612倍,其变化趋势见图1.
结合表2和图1表明,研究时段内新疆农田作业拖拉机总动力增加了4.0612倍,但污染物排放量增加了2.0353倍,同时测算基于总动力的单位功率排放量及其演变趋势表明,新疆农机总动力和燃油消耗大幅增长的背景下,单位功率排放量下降了40.03%(图2).
图1 农机总动力变化趋势
图2 单位功率排放演变趋势
单位功率排放演变趋势揭示了在国家和自治区层面对环境污染和污染物排放问题越来越重视的大背景下,出台的各类治理措施以及排放控制技术层面提出的更高的柴油机污染物排放标准对控制新疆拖拉机等农业机械污染物排放起到的作用较明显.同时图2表明,2003,2008,2009年单位功率排放量趋势发生了较大的震荡,可能的原因是,农机补贴、西部大开发、农田生产作业固有的季节性、退耕还林以及统计数据误差等可能会导致单位功率排放量的较大波动.
随着防治环境污染政策的进一步完善,柴油机排放控制技术的进一步发展,非道路移动源污染物排放标准的提高和各级政府各类环境保护政策的进一步落实,将来包括拖拉机在内非道路移动排放源的污染物排放问题及其演变趋势有望逐步的得到解决和优化.
2.2 影响因素的选取及量化
2.2.1 拖拉机污染物排放影响因素 拖拉机等非道路移动农业机械的污染物排放是受到多个因素交叉影响和制约的时间序列.分析研究区域污染物排放演变趋势时需要从不同维度选取和量化影响因素.
拖拉机污染物排放主要影响因素包括经济发展水平、拖拉机自身的影响和科学技术等3个方面.本文结合文献[19-20]和新疆农业机械化发展现状、应用农机总动力、拖拉机数量、机耕面积、机播面积、机收面积、农业机械购置投入、农户固定资产投入、单位功率排放量等8项指标作为污染物排放影响因素.其中机耕面积、机播面积、机收面积反映拖拉机自身的影响、农机总动力、拖拉机数量、农业机械购置投入和农户固定资产投入反映经济发展水平的影响,单位功率排放量反映科学技术的影响.本研究中,分析拖拉机污染物排放影响因素时,考虑到数据的可获得性等因素后,以2008年~2017年的相关指标作为研究对象,建立了新疆拖拉机污染物排放影响因素关系数据模型,见表3.
2.2.2 影响因素量化 由于农业机械污染物排放数据格式为连续的数值型时间序列,因此,本文应用自组织特征映射(Self-organizing feature maps, SOM)神经网络离散化方法对新疆2008~2017年农业机械化效率评价候选指标值进行离散化.并生成对应的知识表达系统,建立对应的决策表.具体方法见文献[21].本文中,新疆2008~2017年农机总动力、拖拉机数量、机耕面积、机播面积、机收面积、农业机械购置投入、农户固定资产投入和单位功率排放量作为参考属性,决策属性为相应年污染物排放总量(表1).
权重计算结果显示,农机总动力、拖拉机总数量、农业机械购置投入和农户固定资产投入等反映经济发展水平的指标对区域农业机械污染物排放的影响程度为0.6290.计算结果也表明,反映科学技术的指标,即单位功率排放量对污染物排放的影响程度最小.
表3 新疆农用机械污染物排放影响因素
表4 影响因素的依赖度,重要度和权重
注:具体计算方法见注:具体计算方法见式(3)~式(5).
结合文献[22]进一步分析可以发现,农机总动力、拖拉机总数量、农业机械购置投入和农户固定资产投入等指标也是评价研究区域农业机械化发展水平和影响区域农机化水平的正向指标.因此,计算结果进一步验证了区域经济发展水平对农业机械化发展和农业机械污染物排放的双重影响,并对影响程度进行量化.
3 结论
3.1 时间维度上,分析新疆1993~2017年拖拉机总动力变化趋势和农田作业拖拉机PM10、PM2.5、HC、NO和CO排放清单发现,25a当中新疆农田作业拖拉机总动力增加了4.0612倍,排放总量增加了2.0527倍,单位功率拖拉机排放量下降了39.68%,表明近些年建立的排放标准在减排方面起到的作用较明显.结合新疆25a社会经济,农业机械化发展水平分析表明,新疆大气污染物排放治理当中拖拉机等以柴油为主要动力的排放源和排放标准对区域大气污染物排放的影响不容忽视.
3.2 从经济发展水平、拖拉机自身的影响和科学技术等3个维度建立了由拖拉机总动力、拖拉机数量、机耕面积、机播面积、机收面积、农业机械购置投入、农户固定资产投入和单位功率排放量等组成的污染物排放影响因素清单.基于粗糙集理论定量分析各因素对污染物排放的影响程度.结果显示,经济发展水平,拖拉机自身的影响和科学技术对拖拉机污染物影响程度分别为:0.6350,0.2530,0.1119.表明,现阶段,经济发展水平对区域污染物排放总量及变化起到决定性作用.
3.3 本文研究结果揭示了农业机械污染物排放总量变化趋势和污染物排放影响因素与农业机械化发展水平变化趋势和农机化发展水平影响因素之间有较密切的关联关系.
[1] Wang F, Li Z, Zhang K, et al. An overview of non-road equipment emissions in China [J]. Atmospheric Environment, 2016,132:283-289.
[2] 生态环境部.非道路移动源大气污染物排放清单编制技术指南(试行).[EB/OL]. (2014-12-31)[2018-10-18].http://www.mep.gov.cn/gkml/ hbb/bgg/201501/W020150107594587960717.pdf. Ministry of Ecology and Environment of China. Technical Guidelines for the Compilation of Air Pollutant Emissions Inventories from Non-Road Mobile Sources (trial implementation). [EB/OL]. (2014- 12-31) [2018-10-18]. http://www.mep.gov.cn/gkml/hbb/bgg/201501/ W020150107594587960717.pdf.
[3] 傅立新,程玲琳,粘桂莲,等.移动污染源大气环境影响研究报告[R]. 北京:清华大学环境工程系, 2005,57-93. Fu L X, Cheng L L, Nian G L, et al. Research report on atmospheric environmental impact of mobile pollution sources [R]. Beijing: Department of Environmental Engineering, Tsinghua University, 2005:57-93.
[4] 张楚莹,王书肖,邢 佳,等.中国能源相关的氮氧化物排放现状与发展趋势分析[J]. 环境科学学报, 2008,28(12):2470-2479.Zhang C Y, Wang S X, Xing J, et al. Current status and future projections of NOemissions from energy related Industries in China [J]. Journal of Environmental Sciences, 2008,28(12):2470-2479.
[5] 宁亚东,李宏亮.我国移动源主要大气污染物排放量的估算[J]. 环境工程学报, 2016,10(8):4435-4444. Ning Y D, Li H L. Estimation for main atmospheric pollutants emissions from mobile sources in China [J]. Chinese Journal of Environmental Engineering, 2016,10(8):4435-4444.
[6] 张礼俊,郑君瑜,尹沙沙,等.珠江三角洲非道路移动源排放清单开发[J]. 环境科学, 2010,31(4):886-891. Zhang L J, Zheng J Y, Yi S S, et al. Development of non-road mobile source emission inventory for the Pearl River Delta Region [J]. Journal of Environmental Sciences, 2010,31(4):886-891.
[7] 金陶胜,陈 东,付雪梅,等.基于油耗调查的2010年天津市农业机械排放研究[J]. 中国环境科学, 2014,34(8):2148-2152.Jin T S, Chen D, Fu X M, et al. Estimation of agricultural machinery emissions in Tianjin in 2010 based on fuel consumption [J]. China Environmental Science, 2014,34(8):2148-2152.
[8] 樊守彬,聂 磊,阚睿斌,等.基于燃油消耗的北京农用机械排放清单建立[J]. 安全与环境学报, 2011,11(1):145-148. Pan S B, Nie L, Kan R B, et al. Fuel consumption based exhaust emission estimating from agriculture equipment in Beijing [J]. Journal of Safety and Environment, 2011,11(1):145-148.
[9] 鲁 君,黄 成,胡磬遥,等.长三角地区典型城市非道路移动机械大气污染物排放清单[J]. 环境科学, 2017,38(7):2738-2746. Lu J, Huang C, Hu B Y, et al. Air pollutant emission inventory of non-road machineries in typical cities in eastern China [J]. Journal of Environmental Sciences, 2017,38(7):2738-2746.
[10] 孙俊华,陆桂良,刘胜吉.江苏省农机污染排放状况的分析研究[J]. 中国农机化, 2010,(1):25-27+31. Sun J H, Lu G L, Liu S J. Research on status of agricultural pollution in Jiangsu province [J]. Journal of Chinese Agricultural Mechanization, 2010,(1):25-27+31.
[11] 付明亮,丁 焰,尹 航,等.实际作业工况下农用拖拉机的排放特性[J]. 农业工程学报, 2013,29(6):42-48. Fu M L, Ding Y, Yi H, et al. Characteristics of agricultural tractors emissions under real-world operating cycle[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013,29(6):42-48.
[12] Fu M, Ge Y, Tan J, et al. Characteristics of typical non-road machinery emissions in China by using portable emission measurement system. [J]. Science of the Total Environment, 2012,437(20):255-261.
[13] Kean A J, Sawyer R F, Harley R A. A fuel-based assessment of off-road diesel engine emissions [J]. Journal of the Air & Waste Management Association, 2000,50(11):1929-1939.
[14] U. S. Environmental Protection Agency. 2007 Progress report, vehicle and engine compliance activities, EPA-420-R-08-011 [R]. NW Washington, DC: United States Environmental Protection Agency, 2008.
[15] 李东玲,吴 烨,周 昱,等.我国典型工程机械燃油消耗量及排放清单研究[J]. 环境科学, 2012,33(2):518-524. Li D L, Wu H, Zhou Y, et al. Fuel Consumption and emission inventory of typical construction equipment’s in China [J] Journal of Environmental Sciences, 2012,33(2):518-524.
[16] Federal Office for the Environment. Non-road fuel consumption and pollutant emissions, study for the period from 1980 to 2020 [R]. Bern: Federal Office for the Environment, 2008.
[17] Pawlak Z, Grzymala-Busse J, Slowinski R, et al. Rough sets [J]. International Journal of Computer & Information Sciences, 1982, 11(5):341-356.
[18] 郑文钟,何 勇.基于粗糙集的粮食产量组合预测模型[J]. 农业机械学报, 2005,36(11):75-78. Zheng W Z, He Y. Study on integrated forecasting methods for grain yield based on rough set theory [J]. Transactions of the Chinese Society for Agricultural Machinery, 2005,36(11):75-78.
[19] 陈 亮,王金泓,何 涛,等.基于SVR的区域交通碳排放预测研究[J]. 交通运输系统工程与信息, 2018,18(2):13-19.Chen L, Wang J H, He T, et al. Forecast study of regional transportation carbon emissions based on SVR [J]. 2018,18(2):13-19.
[20] 张乐勤,李荣富,陈素平,等.安徽省1995~2009年能源消费碳排放驱动因子分析及趋势预测——基于STIRPAT模型[J]. 资源科学, 2012,34(2):316-327. Zhang L Q, Li R F, Chen S P, et al. Trend prediction and analysis of driving factors of carbon emissions from energy consumption during the period 1995~2009 in Anhui Province Based on the STIRPAT Model [J]. 2012,34(2):316-327.
[21] 冯志鹏,杜金莲.粗糙集与神经网络集成在故障诊断中应用研究[J]. 大连理工大学学报, 2003,43(1):70-76. Feng Z P, Du J L. Fault diagnosis based on integration of rough sets and neural networks [J]. Journal of Dalian University of Technology, 2003,43(1):70-76.
[22] 吐尔逊·买买提,米斯卡力·居马瓦依,张学军,等.基于BP神经网络的农机化发展水平影响因素研究[J]. 农机化研究, 2018,40(8):21- 25,31. Tursun M, Miskal J, Zhang X J, et al. Research on impact factors of agricultural mechanization development level based on BP neural network [J]. Journal of Agricultural Mechanization Research, 2018,40(8):21-25,31.
Impact factor of pollutant emission time series from farmland tractors in Xinjiang.
Tursun Mamat1,2, DING Wei-min1*, XIE Hai-wei2
(1.Department of Engineering, Nanjing Agricultural University, Nanjing 210031, China；2.School of Traffic and Logistics Engineering, Xinjiang Agricultural University, Urumqi 830052, China)., 2019,39(5)：1823~1829
As the farmland tractors (FT) have dramatically increased in Xinjiang autonomous region of China in the past decades, FT emissions have become one of the major air pollution sources across the entire region. The emission time series inventories of PM10, PM2.5, HC, NOand CO for FT in Xinjiang from 1993 to 2017 were established based on fuel consumption, and the evolution trends of these air pollutants were also analyzed. The list of impact factors of FT’s emission mainly from diesel engines was constructed with the consideration of three aspects: economic development levels, FT’s own attributes, and the scientific and technological development. Based on the rough set theory, a quantitative analysis of factors affecting pollutants’ emission was also performed. The results showed that the total emission of all pollutants of FTs in Xinjiang had increased by more than 2times in recent 25 years from 1993 to 2017 with the annual growth rate of 3.67%, and the emission per ten thousand kilowatt had decreased by nearly 40.03%. It suggested that the emission standards for FTs proposed in recent years may played a substantial role. Second, the quantitative analysis of the impacting factors of pollution showed that the total FT power, the number of FTs, the area of ploughing, the area of sowing, the area of harvesting, the investment of agricultural machinery, the investment of fixed assets by farmers, and the emission per 10thousand kilowatt all had affected the emission with impacting factors of 0.2591, 0.2491, 0.0841, 0.0759, 0.0934, 0.0568, 0.0701, 0.0701, respectively. The affecting factors of economic development level, FT own attributes, and the science and technology on FT pollutants were 0.6350, 0.2530 and 0.1119, respectively. Third, the established mission inventory and the evolution trend can well reflect the status of pollutants emission from the agricultural machinery sector in Xinjiang. The results accurately reflected the influence of Xinjiang's social economic development, agricultural mechanization and scientific and technological progress on FT’s pollutant emission.
diesel engine；pollutant emission；emission trend；impact factor；Xinjiang
X511
A
1000-6293(2019)05-1823-07
吐尔逊·买买提(1975-),男,新疆阿克苏人,讲师,博士生,主要从事农业机械化,数据挖掘,交通环境方面的研究.发表论文13篇.
2018-09-02
国家自然科学基金资助项目(51768071)
*责任作者,教授,wmding@njau.edu.cn
