多模式空氣質(zhì)量集成預報模型的研究

姚文強，王兆青，鐵治欣，丁成富，唐 敏

(1.浙江理工大學信息學院，杭州 310018；2.聚光科技(杭州)股份有限公司，杭州 310052)

?

多模式空氣質(zhì)量集成預報模型的研究

姚文強1，王兆青1，鐵治欣1，丁成富2，唐 敏1

(1.浙江理工大學信息學院，杭州 310018；2.聚光科技(杭州)股份有限公司，杭州 310052)

針對目前區(qū)域空氣質(zhì)量預報出現(xiàn)的預測不準確、誤差較大、漏報重污染天氣等問題，采用WRF-Chem、WRF-CMAQ、MM5-CMAQ和MM5-CAMx 4種數(shù)值模式集成預報的方式,對區(qū)域空氣質(zhì)量狀況及污染物濃度進行預測預報，提出了一個動態(tài)權重更新模型，該模型通過評估一段時間內(nèi)與特定條件下單個模式的預測準確度，動態(tài)調(diào)整各個模式在集成預報模型中的權重因子，然后利用各個模式預測值及其權重取加權平均值作為新模式的預測值。以收集到的浙江省空氣質(zhì)量監(jiān)測網(wǎng)中的47個國家站點的8個月的監(jiān)測數(shù)據(jù)為測試數(shù)據(jù)，分別用已有模型和動態(tài)權重更新模型進行預測預報，并對預測預報結(jié)果進行評估分析，結(jié)果表明：動態(tài)權重分配模型預報結(jié)果具有更高的準確度與更小的誤差。

空氣質(zhì)量；多模式；數(shù)值預報；動態(tài)權重更新

0 引 言

近年來，隨著污染問題的日益突出，空氣質(zhì)量狀況已經(jīng)成為公眾越來越關心的話題，空氣質(zhì)量預測模型也成為科學研究的熱點。我國的大氣污染問題比較復雜，特別是最近幾年，已經(jīng)由過去單一類型的污染逐步轉(zhuǎn)變?yōu)槎喾N污染物、多種作用機制同時存在、相互影響的復合型大氣污染問題。復雜的污染問題必然會增加大氣質(zhì)量預測的難度，傳統(tǒng)的以單一類型污染為研究對象的預測方法已無法全面揭示當前污染的特征和演變規(guī)律。所以改進優(yōu)化空氣質(zhì)量預測方式，研究準確有效的預測模型尤為重要。

現(xiàn)有的空氣質(zhì)量預測預報方法主要分為統(tǒng)計預報與數(shù)值預報。統(tǒng)計預報是根據(jù)統(tǒng)計學原理，用數(shù)理統(tǒng)計的方法對空氣質(zhì)量的變化趨勢進行預測。數(shù)值預報是根據(jù)大氣實際情況，在一定的初值條件下，運用計算機作數(shù)值計算，預測未來一定時間大氣污染物的濃度與變化趨勢。數(shù)值預報起源于國外，迄今已經(jīng)發(fā)展到第三代[1]。我國有關大氣數(shù)值預報的研究起步較晚，但最新一代的空氣質(zhì)量數(shù)值預報模式已經(jīng)在國內(nèi)空氣質(zhì)量預報及污染物預報領域得到了廣泛的應用[2-7]。多模式集成預報日益成為數(shù)值預報的發(fā)展趨勢，國內(nèi)學者運用基于多模式的空氣質(zhì)量集成預報技術，實現(xiàn)對當前大氣復合污染的預測預報。王自發(fā)等[8]以NAQPMS模式、CMAQ模式[9]及CAMx模式為核心，采用統(tǒng)一的模式網(wǎng)格、統(tǒng)一的排放源、統(tǒng)一的氣象場，構(gòu)建了EMS-Beijing空氣質(zhì)量多模式集成預報系統(tǒng)，對于預測北京及周邊污染物起到了重要作用。王茜等[10]為上海市建立了包含NAQPMS、CMAQ、CAMx、WRF-Chem等多個國內(nèi)外著名數(shù)值模型的集合業(yè)務預報模式系統(tǒng)，為上海市提供了豐富的氣象和污染預報產(chǎn)品，經(jīng)過評估后發(fā)現(xiàn)集合預報系統(tǒng)對于PM10、SO2和NO2日均濃度的預測值與實測值相關系數(shù)達0.5～0.6，并且在2010年上海世博會開幕前夕及2010年5月19日兩次污染事件中，該集成預報系統(tǒng)為上海市環(huán)保局啟動世博預警聯(lián)動方案提供了重要的決策依據(jù)。謝濤等[11]將地理信息系統(tǒng)(GIS)技術與多模式集合預報系統(tǒng)結(jié)合的方式，在保障預測準確度的前提下，充分發(fā)揮GIS在數(shù)據(jù)管理、信息可視化、輔助決策支持等方面的優(yōu)點，為廣州市在環(huán)境質(zhì)量預測方面提供了保障。黃思等[12]運用多模式集合預報與多元線性回歸的方法，將數(shù)值預報與統(tǒng)計預報的技術相結(jié)合使用，對北京地區(qū)的PM10預報結(jié)果進行修正，并且大幅提高了對污染過程的預報能力。

本文通過研究國內(nèi)外現(xiàn)有較好的數(shù)值預報模式，并且結(jié)合浙江省的氣候、地形、污染源排放、大氣污染等方面的特點，建立起包括WRF-Chem、WRF-CMAQ、MM5-CMAQ[13]和MM5-CAMx 4套模式組合在內(nèi)的多模式空氣質(zhì)量集成預報系統(tǒng)，并設計了一個基于預測準確度的動態(tài)權重更新模型，通過評估單個模式在一段時間與特定條件下的預測準確度，來動態(tài)調(diào)整各個模式在集成預報過程中的權重因子，以提高集成預報的準確度。

1 多模式預報系統(tǒng)的總體框架設計

1.1 系統(tǒng)框架

浙江省大氣質(zhì)量多模式預報系統(tǒng)運行在統(tǒng)一的計算平臺和運行環(huán)境中，以WRF/CHEM、Models-3/CMAQ、CAMx為核心模式構(gòu)成WRF-Chem、WRF-CMAQ、MM5-CMAQ、MM5-CAMx預報組合，并基于4套模式組合的預報結(jié)果建立集成預報技術，整合不同模式的預報性能優(yōu)勢來實現(xiàn)對污染過程影響的分析和污染來源的量化。

在區(qū)域空氣質(zhì)量模式本地化的基礎上，采用模塊化設計、編程技術和網(wǎng)絡技術實現(xiàn)全球預報場的自動下載、初始數(shù)據(jù)的自動預處理、空氣質(zhì)量模式的自動運行、預報的結(jié)果的后處理及產(chǎn)品的自動生成等功能。多模式預報系統(tǒng)的構(gòu)成框架如圖1所示。

圖1 浙江省多模式預報系統(tǒng)框架

1.2 模式模擬網(wǎng)格設置

水平模擬網(wǎng)格采用LambertConformal投影，投影參數(shù)為北緯25°、北緯47°以及東經(jīng)108°55’；坐標系原點取中國大地坐標原點東經(jīng)108°55’、北緯34°32’。預報系統(tǒng)采用36、12、4km三重嵌套網(wǎng)格：36km網(wǎng)格覆蓋中國大部分地區(qū)，為更高分辨率的嵌套網(wǎng)格提供氣象和空氣質(zhì)量的邊界條件；12km網(wǎng)格覆蓋浙江省和上海市全境、江蘇省和安徽省絕大部分地區(qū)以及江西省東北部和福建省北部，實現(xiàn)浙江省及周邊地區(qū)的空氣質(zhì)量預報，能夠以較高的空間分辨率反映浙江省及周邊地區(qū)的污染態(tài)勢，并可用于相互影響分析；4km網(wǎng)格覆蓋浙江省全境，提供浙江省各城市更高分辨率的空氣質(zhì)量預報結(jié)果。設置的網(wǎng)格區(qū)域如圖2所示。垂直模擬網(wǎng)格分層為16層，最底層高度距離地面約40m。

圖2 浙江省多模式預報系統(tǒng)嵌套網(wǎng)格設置

1.3 輸入數(shù)據(jù)

氣象模式最外層的氣象初始和邊界條件采用全球預報系統(tǒng)GFS每天的預報結(jié)果，系統(tǒng)設定每天北京時間12:30開始自動下載全球預報模式在世界時當天0時的預報結(jié)果。最外層空氣質(zhì)量模式的邊界條件采用全球模式輸出的污染物濃度分布廓線，初始場采用預報系統(tǒng)在前一天的預報結(jié)果。

對于源排放輸入數(shù)據(jù)，浙江省范圍內(nèi)采用本項目研制的高分辨率污染源排放清單的處理結(jié)果，浙江省以外的地區(qū)采用包括中國在內(nèi)的東亞地區(qū)近年的排放清單資料作為輸入。

1.4 運行環(huán)境

預報系統(tǒng)的運行環(huán)境的操作系統(tǒng)為RedHatEnterpriseLinux5，安裝有GNUC/C++編譯器、GNUFortran77編譯器、IntelC/C++編譯器、IntelFortran77/90編譯器以及MPICH2并行計算環(huán)境。

2 預報性能評估

2.1 評估方法

根據(jù)統(tǒng)計學中關于評估實測與預測相關性原理，本文通過特定的預報評估模塊對預報系統(tǒng)預報結(jié)果的準確性進行評價，評估模塊采用標準化平均偏差(NMB)、標準化平均誤差(MME)、相關系數(shù)(COR)來評估污染物預測結(jié)果與實測值的吻合程度。計算公式如下：

a)標準化平均偏差：

(1)

b)標準化平均誤差：

(2)

c)相關系數(shù)：

(3)

其中：N代表評估的總月份數(shù)，Mi代表第i個月模式的預測值，Ma代表總月份的模式預測平均值，Oi為第i個月的實際測量值，Oa代表總月份的實際測量值的平均值。標準化平均偏差NMB可以反應模式預測的正負相關性大小，正數(shù)代表總體預測較高于實際測量值，負數(shù)則相反，標準化平均偏差NME可以反應模式預測的偏差大小，而相關系數(shù)COR可以直接反應模式預測的準確度，相關系數(shù)大，則表示模式預測值的吻合程度比較高。

2.2 污染物濃度的預報評估

收集了浙江省空氣質(zhì)量監(jiān)測網(wǎng)中47個國家站點2014年1月1日至8月31日期間每天各類污染物監(jiān)測數(shù)據(jù)及各個預測模型的預測值，通過式(1)-(3)計算各預測模型對各類污染物的預報效果統(tǒng)計評估參數(shù)，如表1所示，其中表1中“平均集成”模型的各類污染物數(shù)值是由4種模型相對應的污染物數(shù)值求平均值后，通過式(1)-式(3)計算平均集成模型的評估參數(shù)。

表1 各個模型對不同污染物的預測評估參數(shù)指標

由表1可知，從單個模式預測各個污染物角度出發(fā)，參考各污染物的預報評估參數(shù)可以看出，不同模式系統(tǒng)在預報過程中對不同污染物的預報效果存在一定差異。對SO2的預測表現(xiàn)最佳的模型系統(tǒng)為MM5-CMAQ和WRF-CMAQ，MM5-CMAQ模型系統(tǒng)對SO2預測的偏差及誤差為最低，雖然WRF-CMAQ預測的偏差及誤差大于MM5-CMAQ，但是一致性系數(shù)優(yōu)于MM5-CMAQ；WFR-CMAQ預測NO2的偏差及誤差均為最低，同時一致性也最優(yōu)，因此其對NO2的預測效果最佳，MM5-CMAQ與MM5-CAMx對NO2的預測偏差及誤差略高于WRF-CMAQ，對NO2預測的效果較優(yōu)；綜合各項評估參數(shù)，對O3預測最佳的模型系統(tǒng)為MM5-CMAQ與WRF-CMAQ，這兩套模型對O3的預測偏差和誤差均較低并且一致性系數(shù)較高，其中MM5-CMAQ的預測結(jié)果偏低而WRF-Chem的預測結(jié)果偏高；對CO的預測表現(xiàn)較好的模型系統(tǒng)為WRF-Chem和WRF-CMAQ，MM5-CMAQ與MM5-CAMx對CO的預測偏低顯著，可能由于排放清單的低估導致。各套模型系統(tǒng)對顆粒物的預測均存在偏低現(xiàn)象，其中WRF-Chem的偏低水平最不顯著，但是其預測誤差高于WRF-CMAQ，綜合來看WRF-CMAQ對顆粒物的預測效果最佳。

對表1中通過平均集成后獲得的評估參數(shù)與其他單個模式進行比較，發(fā)現(xiàn)就浙江全省的平均預測效果而言，“平均集成”模型的預測誤差優(yōu)于任何一個單模式的預測結(jié)果，對SO2、NO2和O3的預測效果提升較為明顯，優(yōu)于或至少相當于任一單一模式的預測結(jié)果。

2.3 空氣質(zhì)量指數(shù)(AQI)與空氣質(zhì)量等級的預測評估

空氣質(zhì)量指數(shù)(air quality index，AQI)是定量描述空氣質(zhì)量狀況的無量綱指數(shù)。AQI值可以直觀反映出空氣質(zhì)量的等級狀況，所以我們運用特定的評估參數(shù)對多模式集成預報系統(tǒng)的AQI預報進行評估。

表2給出了各套模型系統(tǒng)及平均集成模型的AQI預報效果的統(tǒng)計評估結(jié)果。觀察評估參數(shù)后發(fā)現(xiàn)各“平均集成”模型的結(jié)果相對單個模式預報誤差有所減少，與觀測值的相關性有了明顯提高。

表2 日均AQI預測效果評估結(jié)果

對每日預報的污染等級與實際觀測等級進行比較和逐月統(tǒng)計，表3是2014年1月至8月各個模式與“平均集成”模型預報的污染等級預報準確率的逐月統(tǒng)計，比較后發(fā)現(xiàn)就浙江省整體預報的情況而言，“平均集成”模型的污染等級預報結(jié)果準確率方面有了顯著提高。

表3 2014年1—8月污染等級預測準確率逐月統(tǒng)計 %

3 多模式動態(tài)權重分配模型

近幾十年來，空氣質(zhì)量模型有了快速發(fā)展，雖然在模式結(jié)構(gòu)、數(shù)值算法和物理化學過程等方面都有很大改進，大氣污染模式對主要的污染過程處理還存在很多不確定性。這主要在于不同模式因開發(fā)時所關注的主要科學問題不同，重點考慮的大氣物理、化學過程有所側(cè)重，而簡化其他一些過程，這使得即使是評估中最優(yōu)的模式也存在模擬、預報上的某些缺陷，單一模式并不能完全模擬所有大氣物理、化學過程，且針對不同地域及各天氣過程各模式預報效果差異顯著。這種不確定性的存在，使得目前空氣質(zhì)量模式在空氣質(zhì)量預報和空氣質(zhì)量管理政策制定上存在一定的風險。而多模式集合預報正成為改進預報和模擬的一種重要手段，通過對不同模式預報結(jié)果，采用合理的集成方法能有效改進模式的整體模擬效果。

基于以上評估分析，發(fā)現(xiàn)多模式空氣質(zhì)量預報取算術平均值的引入，相對單個模式而言提高了浙江省空氣質(zhì)量預測的準確度，但是數(shù)值預報模式有不同的輸入條件與計算規(guī)則，模式在預報過程中的不同會得到不同的預報結(jié)果，通常情況下單個模式不可能完全準確地預報出空氣質(zhì)量狀況，往往會有偏差，但是單個模式在不同條件下會呈現(xiàn)出不同的預測準確度，如上文分析得到WRF-CMAQ在浙江省空氣質(zhì)量預測中具有較高的準確度，只是簡單取各個模式的算術平均值，往往不能發(fā)揮單個模式在特定條件下具有較高準確度的優(yōu)勢，于是本文提出并且設計了一個動態(tài)權重分配模型，動態(tài)權重分配的優(yōu)勢在于可以通過分析各個模式在一段時間與特定條件下的預測準確度，來分配集成預報的權重因子?；谝陨纤悸?，系統(tǒng)通過分析集成預報與單個模式的準確度來動態(tài)調(diào)整權重因子。

3.1 模型構(gòu)建

動態(tài)權重分配模型的數(shù)學模型如下：

定義單個模式的權重Wi，各個模式的權重因子相加等于1，那么Wi應該滿足：

(4)

其中n表示參與集成預報的模式數(shù)量。

偏差率是預測值與實際測量值做減法運算后求絕對值與實際測量值的除法運算結(jié)果。偏差率可以反應出單個模式預測的誤差大小。設第i個預報模式第j天預測值Mij，實際觀測值Qj，則該i模式第j天的偏差率Rij可用下式計算：

(5)

根據(jù)模式每天的預測偏差率，做算數(shù)平均值求單個模式一段時間內(nèi)的預測偏差率。定義第i個模式一段時間內(nèi)，總共m天內(nèi)的偏差率Rim為：

(6)

過渡因子是該模型定義的一個變量，定義過渡因子與權重因子呈線性關系并且與預測偏差率成反比。設第i個模式的權重過度因子Vi，可用下式計算：

(7)

因為過渡因子與權重因子呈線性關系，并且滿足各個模式權重因子和為1。第i個模式預報的權重因子Wi可用下式計算：

(8)

定義Mi為第i個模式的預測結(jié)果，F(xiàn)in為最后的集成結(jié)果，求解公式為：

(9)

其中n表示參與集成預報的模式數(shù)，集成結(jié)果通過每個模型預測結(jié)果Mi乘以對應的權重因子Wi之后相加得到。

3.2 模型評估

將動態(tài)權重分配模型運用到多模式空氣質(zhì)量集成預報系統(tǒng)中，并對浙江省空氣質(zhì)量監(jiān)測網(wǎng)中47個站點2014年1月1日至8月31日的AQI數(shù)據(jù)進行評估分析，用動態(tài)權重分配模型與平均集成計算出來的AQI預測結(jié)果的評估參數(shù)指標對比結(jié)果列于表4。經(jīng)過動態(tài)權重分配模型處理后的AQI的逐日變化情況與觀測結(jié)果的時間序列對比結(jié)果見圖3。

表4 動態(tài)權重分配模型處理后的預測結(jié)果的評估參數(shù)

(a)一月份AQI變化趨勢對比

(b)二月份AQI變化趨勢對比

(c)三月份AQI變化趨勢對比

(d)四月份AQI變化趨勢對比

(e)五月份AQI變化趨勢對比

(f)六月份AQI變化趨勢對比

(g)七月份AQI變化趨勢對比

(h)八月份AQI變化趨勢對比

由表4可知，將動態(tài)權重分配模型與平均集成模型預報結(jié)果的評估參數(shù)指標進行比較，發(fā)現(xiàn)動態(tài)權重分配模型的標準化平均偏差(NMB)變小，雖然在整體預報方面還存在偏小的趨勢，但相對算術平均值有了一定的提高，標準化平均誤差(NME)變小，說明預測誤差有所減小，而相關系數(shù)(COR)優(yōu)化后的結(jié)果相比平均集成的結(jié)果大，說明在預測準確度上有明顯的提高。

圖3的觀測值變化趨勢與預測變化趨勢，發(fā)現(xiàn)動態(tài)權重分配模型的預測值與實際觀測值具有較好的擬合性與較相同的變化趨勢。綜上可以看出，說明動態(tài)權重分配模型預測準確度有所提高，比平均集成模型要好。

4 結(jié) 語

本文根據(jù)空氣質(zhì)量數(shù)值預報技術，建立了多模式集成預報模型，以WRF-Chem、WRF-CMAQ、MM5-CMAQ和MM5-CAMx 4種數(shù)值預報模式為基礎，提出了一個動態(tài)權重更新模型，對區(qū)域空氣質(zhì)量狀況及污染物濃度進行預測預報。以浙江省47個國家站點8個月的監(jiān)測數(shù)據(jù)為測試數(shù)據(jù)，分別用WRF-Chem、WRF-CMAQ、MM5-CMAQ、MM5-CAMx、平均集成模型及動態(tài)權重更新模型對浙江省空氣質(zhì)量狀況及污染物濃度進行預測預報，并對它們的預報結(jié)果進行分析。實驗結(jié)果表明，動態(tài)權重更新模型具有較高的準確度與較小的誤差，可以準確預測空氣質(zhì)量狀況與污染物濃度分布情況，為浙江省的區(qū)域空氣質(zhì)量預測預報業(yè)務提供了有力的技術支持與保障。

[1] 譚成好,陳昕,趙天良,等.空氣質(zhì)量數(shù)值模型的構(gòu)建及應用研究進展[J].環(huán)境監(jiān)控與預警,2014(6):1-7.

[2] 陳彬彬,林長城.基于CMAQ模式產(chǎn)品的福州市空氣質(zhì)量預報系統(tǒng)[J].中國環(huán)境科學,2012,32(10):1744-1752.

[3] 程興宏,徐祥德,丁國安.CMAQ模式衛(wèi)星產(chǎn)品源同化模型及其在空氣質(zhì)量預報中的應用研究[J].中國科學:地球科學,2010,40(4):511-522.

[4] 陳煥盛,王自發(fā),吳其重,等.亞運時段廣州大氣污染物來源數(shù)值模擬研究[J].環(huán)境科學學報，2010,30(11):2145-2153.

[5] 黃蕊珠,陳煥盛,葛寶珠,等.京津冀重霾期間PM2.5來源數(shù)值模擬研究[J].環(huán)境科學學報,2015,35(9):2670-2680.

[6] CHENG N，HONGXIA L I，F(xiàn)AN M，et al. Overview of urban PM 2.5 numerical forecast models in China[J]. Asian Agricultural Research,2015,7(10):47-53

[7] 王自發(fā),李杰,王哲,等.2013年1月我國中東部強霾污染的數(shù)值模擬和防控對策[J].中國科學:地球科學,2014,44(11):3-14.

[8] 王自發(fā),吳其重,晏平仲,等.北京空氣質(zhì)量多模式集成預報系統(tǒng)的建立及初步應用[J].南京信息工程大學學報(自然科學版),2009(3):19-26.

[9] 王占山,李曉倩,王宗爽,等.空氣質(zhì)量模型CMAQ的國內(nèi)外研究現(xiàn)狀[J].環(huán)境科學與技術,2013,36(s):386-391.

[10] 王茜,伏晴艷,王自發(fā),等.集合數(shù)值預報系統(tǒng)在上海市空氣質(zhì)量預測預報中的應用研究[J].環(huán)境監(jiān)控與預警,2010，2(4):1-6.

[11] 謝濤,姚新,孫世友.基于GIS的空氣質(zhì)量多模式預報系統(tǒng)[J].地理信息世界，2011，9(1):11-15.

[12] 黃思,唐曉,徐文帥,等.利用多模式集合和多元線性回歸改進北京PM10預報[J].環(huán)境科學學報,2015,35(1):56-64.

[13] SHRESTHA K L，KONDO A，AKIKAZU K，et al. High-resolution modeling and evaluation of ozone air quality of Osaka using MM5-CMAQ system[J]. Journal of Environmental Sciences，2009，21(6):782-789.

(責任編輯： 陳和榜)

Research on Multi-Model Air Quality Integrated Forecasting Model

YAOWenqiang1，WANGZhaoqing1，TIEZhixin1，DINGChengfu2，TANGMin1

(1.School of Information Science and Technology，Zhejiang Sci-Tech University，Hangzhou 310018，China; 2.Focused Photonics (Hangzhou) Inc.，Hangzhou 310052，China)

Aiming at the problems existing in the field of air quality forecast,such as inaccurate prediction,larger error and missed to report the heavy pollution weather. In this paper，we used the technology named numerical forecast in the field of air quality forecast,and proposed to use multi-model ensemble forecasting method to forecast the regional air quality and pollutant concentration.The experiments used WRF-Chem、WRF-CMAQ、MM5-CMAQ and MM5-CAMx to do integration. And the dynamic weight updating model is proposed，according to the prediction accuracy of these four kinds of numerical model in a period of time and under certain conditions，weights are dynamically assigned to these models’ prediction value in the new model. The predictive value of the new model is obtained by the weighted average of the predictive value of these four existing prediction model. And the model was used to forecast the air quality of Zhejiang province,eight months for monitoring data of 47 national stations which are of air quality monitoring network in this province was collected.And the forecast results obtained in the multi-model forecasting system were evaluated and analyzed by parameters specified in paper. The experiment show that the Dynamic Weight updating Model has higher prediction accuracy and less error.

air quality;multi-model;numerical forecast;dynamic weight updating

10.3969/j.issn.1673-3851.2017.05.022

2016-08-15 網(wǎng)絡出版日期： 2017-01-19

浙江省公益技術應用研究項目(2014C31G2060072)

姚文強(1991-)，男，山西省運城市人，碩士研究生，主要從事環(huán)保軟件研發(fā)方面的研究。

王兆青，E-mail：zilggjb@163.com

TP311.5

A

1673- 3851 (2017) 03- 0444- 07