2001～2014年云貴高原植被NDVI時空變化特征

劉志軍，曾業(yè)隆，嚴 蘭，譚 偉

(貴州大學 林學院，貴州 貴陽 550025)

植被是覆蓋地表的植物群落的總稱，是全球生態(tài)系統的重要組成部分，其覆蓋狀態(tài)是生態(tài)系統良性循環(huán)的關鍵診斷參數，對全球物質循環(huán)、能量平衡以及生態(tài)系統的水循環(huán)、碳循環(huán)、氣候變化、石漠化和水土流失方面起到了極其重要的作用[1-4]。植被指數是衡量地表植被狀況、指示生態(tài)環(huán)境變化的一個重要指標[5]，在眾多植被指數中，歸一化植被指數(Normalized Difference Vegetation Index，簡稱NDVI)是應用最廣泛的植被指數[6]，利用NDVI不僅能較為真實地反映地表植被覆蓋狀況，也能大范圍長時間序列地監(jiān)測地表植被覆蓋的變化[7-9]。因此，利用NDVI的時間序列數據研究植被的時空的變化對生態(tài)系統及其生態(tài)效應具有重要意義。國內外許多學者對不同區(qū)域的NDVI時空變化特征進行了相關的研究。Park H S等[10]基于NDVI數據研究了東亞植被從1982年到2006年的時間變化特征；Piao S等[11]結合NDVI數據分析了1982～2006年歐亞大陸植被生長變化的時空格局；劉靜等[12]利用NDVI數據采用轉移矩陣的方法，研究了毛烏素沙地1990～2007年間的植被覆蓋變化趨勢；戴聲佩等[13]利用GMMS/NDVI數據分析了我國西北地區(qū)1982～2006年植被的時空變化特征，研究結果認為我國西北部地區(qū)近25年來NDVI呈增長趨勢，且增速為0.5%/10a；進一步地，謝曉華等[14]應用像元二分原理，揭示了閩江流域植被覆蓋度的時空變化規(guī)律。在植被動態(tài)變化趨勢方法上，劉亞龍等[15]利用非參數檢驗方法，分析了膠東半島最近10年NDVI的變化趨勢，研究結果表明膠東半島的NDVI變化趨勢以衰減區(qū)域占主導地位；此外，王新明等[16]將R/S方法用于NDVI的時間序列分析，這種方法可以定量描述時間序列的持久性或反持久性，進一步說明了中國西部NDVI時間序列表現出更強的的持久性。王文輝等[17]采用逐像元趨勢分析，探究了福建長汀植被覆蓋度的變化；袁麗華等[18]采用Theil-Sen Median趨勢分析和Mann-Kendall檢驗，研究了黃河流域NDVI的變化趨勢特征。

云貴高原是中國的第四大高原，中部是我國石漠化分布相對比較集中的地區(qū)，石漠化面積占石漠化總面積53.4%，且大部分區(qū)域屬于喀斯特地貌，受特殊地質地貌條件的影響，該區(qū)域生態(tài)環(huán)境十分脆弱，植被變化的穩(wěn)定性尚未明確。然而目前的研究成果主要集中在空間范圍較大的西南地區(qū)或縣級區(qū)域尺度，針對云貴高原整體區(qū)域NDVI時空變化的研究較少[19]；另外，很少有研究者對云貴高原NDVI的穩(wěn)定性進行評價。鑒于上述情況此，本文利用2001～2014年的MODIS NDVI數據，結合趨勢分析和穩(wěn)定性分析方法，探討云貴高原近14年來植被NDVI時空變化特征及穩(wěn)定性，以期為該區(qū)域的生態(tài)環(huán)境保護和石漠化治理提供科學依據。

1 材料和方法

1.1 研究區(qū)概況

云貴高原是世界上喀斯特地貌發(fā)育最典型的地區(qū)之一，該區(qū)域水土流失強度大、石漠化嚴重、生態(tài)環(huán)境脆弱。云貴高原地區(qū)通常指云南省和貴州省，地處位于東經100°～111°，北緯22°～30°之間，土地面積55.92萬km2，占全國國土面積的5.8%(如圖1)。該區(qū)域地勢由北向南呈階梯式下降，西北部和東南部分別為最高和最低地帶，海拔介于400～3500 m，屬亞熱帶濕潤區(qū)。此外，云貴高原氣候為亞熱帶季風氣候，氣候差別顯著，是中國森林植被類型最為豐富的區(qū)域，動植物資源豐富。

1.2 數據來源與處理

NDVI數據為地理空間數據云得到的中國MODND1M月合成產品，來源于中國科學院計算機網絡信息中心國際科學數據鏡像網站(http：//www.gscloud.cn)；行政邊界數據為全國1∶400萬基礎地理信息數據，來源于國家基礎地理信息中心。MODIS NDVI數據起止時間為2001年1月到2014年12月，空間分辨率為500 m，具有較高精度，時間分辨率為逐月，并用輻射定標、大氣校正和去云等手段對原始數據進行了預處理，數據使用前先對其進行逐圖檢查，對異常值數據進行替換處理。

1.3 研究方法

1.3.1均值法 為能有效反映出研究區(qū)年內植被NDVI的總體情況，本研究通過計算年內每月的NDVI平均值，代表當年的NDVI值，公式如下：

圖1 云貴高原示意圖Fig.1 Map of the Yunnan-Guizhou plateau

(1)

此外，為能有效反映研究區(qū)14年植被NDVI的總體特征，本研究對2001-2014年植被的年累計平均值進行計算。公式如下：

(2)

1.3.2一元線性回歸趨勢分析 在分析植被NDVI趨勢變化的方法中，一元線性回歸分析方法使用較為實用，該方法可以模擬每個柵格的變化趨勢，可以準確真實地反映長時間序列的植被NDVI變化特征[20]。張勃等[ 21]和Stow D等[22]利用此方法研究了植被覆蓋度的變化特征。本文利用一元線性回歸分析的方法，對研究區(qū)NDVI進行逐像元線性回歸分析，得到逐個像元在時間內的變化特征和趨勢。公式如下：

(3)

式中：θslope表示變化趨勢的斜率；n表示總的年數；NDVIi表示第i年的年均NDVI值；θslope>0表示植被覆蓋呈增加趨勢，θslope<0表示植被覆蓋呈減少趨勢，θslope=0表示植被覆蓋無變化趨勢。本文采用F檢驗對趨勢進行顯著性檢驗[23]，根據檢驗結果將變化趨勢結果劃分為五個等級：極顯著減少(θslope<0，p<0.01)；顯著減少(θslope<0，0.010.05)；顯著增加(θslope>0，0.010，p<0.01)。

1.3.3變異系數法 變異系數法可以分析植被NDVI的波動情況，劉洋等[24]和Milich L等[25]利用此方法分析了植被覆蓋度的波動規(guī)律，李卓等[26]利用此方法分析了京津冀地區(qū)植被覆蓋度的穩(wěn)定性。本文通過逐像元計算云貴高原2001～2014年NDVI年均值的變異系數，可以得到NDVI在時間序列上的穩(wěn)定性。公式如下：

(4)

2 結果與分析

2.1 云貴高原NDVI時空分布格局

為了研究云貴高原植被NDVI隨時間變化的特點，采用均值法對2001～2014年14a年間各年、各月求平均值，能有效反映出研究區(qū)年和月的變化。圖2是用均值法求出2001～2014年每年平均NDVI值的年際變化情況。圖2表明，在2001～2014年間，云貴高原植被年平均NDVI值整體呈現上升趨勢，年均值在0.63～0.73之間波動，數值變化范圍較小，增速為0.00395/a。2002～2005年NDVI值整體呈現下降的趨勢，在0.672～0.631之間波動，2005年達到14a間的最低值；2005年之后，除2010年、2012、2014年有較大的下降外，NDVI值整體呈現上升趨勢，2013年達到最大值。查閱相關文獻[27]發(fā)現，云貴高原在2005、2010、2012、2014年發(fā)生了不同程度的干旱，由此推測干旱災害對植被NDVI變化造成影響。因此，從年際變化來看，14a間云貴高原的植被覆蓋總體向好的方向發(fā)展，植被覆蓋得到很大的提高，說明云貴高原的植被逐漸變好。

圖3是用均值法求出2001～2014年每個月平均NDVI值的變化情況。圖3表明，云貴高原植被NDVI在年內分布整體呈單峰曲線，分布不均勻，月均值在0.599～0.777之間波動。1～3月曲線呈緩慢下降的趨勢，NDVI值較均勻，出現一年中的最低值0.599；從3月份開始，隨溫度升高，降雨量增加，植被進入發(fā)芽期，NDVI值逐漸增大，9月達到一年中的最大值，接近0.777；9月之后，氣溫開始下降，降雨量降少，植被進入休眠期，NDVI值開始逐漸下降，減小的幅度較大。因此從14年總體來看，3～9月植被覆蓋度逐漸增加，9月份達到最大；8～11月植被覆蓋度沒有較大的變化，維持在較高值；11月到第二年的3月植被覆蓋度下降幅度最大，降到一年中最低值。

圖2 2001～2014年云貴高原NDVI年際變化Fig.2 Inter-annual variation of the NDVI in Yunnan-Guizhou plateau from 2001 to 2014

圖3 2001～2014年云貴高原NDVI月變化Fig.3 Monthly variation of the NDVI in Yunnan-Guizhou plateau from 2001 to 2014

云貴高原NDVI季節(jié)空間變化具有明顯的變化規(guī)律。統計得出云貴高原NDVI季節(jié)空間變化具有明顯的變化特點，從圖4可以看出，變化主要集中在中部和東部地區(qū)，植被NDVI隨季節(jié)的變化呈現由東向西先增加后減少的變化規(guī)律，西南地區(qū)植被NDVI隨季節(jié)變化不明顯。夏季植被NDVI值最高，其次是秋季，冬季的植被NDVI值最低。西南地區(qū)主要以常綠植被為主，對季節(jié)的響應不明顯，東南部植被覆蓋較高，有部分常綠植被，受季節(jié)影響較小，中部喀斯特地區(qū)，植被稀疏，受季節(jié)變化影響最大。

圖4 2001～2014年云貴高原NDVI季節(jié)變化Fig.4 Seasonal variation of the NDVI in Yunnan-Guizhou plateau from 2001 to 2014

根據2001～2014年的年均NDVI數據，運用ArcGIS軟件逐像元計算14a平均值得到云貴高原平均NDVI空間分布圖(圖5)。由于受海拔和特殊地貌的影響，云貴高原的NDVI空間分布具有顯著性的差異性，如圖5云貴高原的NDVI在空間整體分布呈西南、東南高，西北、中部低的空間格局，均值為0.68。高值區(qū)主要分布在西南、東南地區(qū)，其最高值在南部的西雙版納地區(qū)，均值為0.80，主要原因是該地區(qū)氣候為熱帶季風氣候，氣候溫暖濕潤，有大量的熱帶雨林，其次是東南部的黔東南地區(qū)和東北部的赤水地區(qū)，主要原因是黔東南地區(qū)原始生態(tài)保存完好，境內有雷公山、云臺山、佛頂山等原始森林，赤水境內有亞熱帶常綠闊葉林原生植被帶。低值區(qū)主要分布在中部和西北部，中部的畢節(jié)地區(qū)、曲靖市、六盤水市是云貴高原的中心，是中國石漠化分布相對較集中的地區(qū)，嚴重的石漠化導致植被稀疏，西北部的迪慶藏族自治州是云貴高原向青藏高原的過渡帶，這里海拔較高是北半球緯度最低的雪山群，高寒植被區(qū)。圖中紅色部分是NDVI值小于0.1的無植被區(qū)，主要是城市區(qū)、滇池、洱海、撫仙湖、程海、梅里雪山、玉龍雪山等。

圖5 2001～2014年云貴高原年均NDVI空間分布Fig.5 Spatial distribution of average annual DNVI in Yunnan-Guizhou plateau from 2001 to 2014

2.2 云貴高原NDVI趨勢分析

本文將一元線性回歸趨勢分析與F檢驗結合起來，用來反映云貴高原2001～2014年每個柵格的植被NDVI變化趨勢。圖6是把一元線性回歸趨勢分析的結果和F檢驗的結果相結合，得到逐像元的2001～2014年云貴高原植被NDVI的變化趨勢的空間分布特征。從植被NDVI變化趨勢的空間分布可以看出：2001～2014年云貴高原植被NDVI值主要以增加為主，且增加的區(qū)域遠遠大于減少的區(qū)域。植被NDVI極顯著增加的區(qū)域主要分布在云貴高原中部的畢節(jié)地區(qū)、昭通地區(qū)、曲靖市、文山地區(qū)，以及云貴高原東北部的遵義地區(qū)的東北部和西北部的臨滄市，主要原因是這些區(qū)域植被面積增加并大部分得到改善，以喀斯特地區(qū)石漠化分布集中的畢節(jié)、六盤水、黔西南為例，通過退耕還林、封山育林以及水土保持工程對石漠化區(qū)域進行治理，使得植被面積明顯增加。植被NDVI顯著性增加的區(qū)域主要分布在云貴高原的東部和北部的大部分地區(qū)，中部主要呈現零散分布，主要原因是，人類活動近14a來未對植被進行破壞，保護環(huán)境意識加強。變化不明顯的區(qū)域主要分布在云貴高原的南部西雙版地區(qū)、東部的黔東南地區(qū)和遵義地區(qū)的中部，以及西部的大理市、怒江、迪慶、德宏地區(qū)，以上這些區(qū)域，植被覆蓋度較好，并沒有遭到嚴重破壞，如西雙版納地區(qū)的熱帶雨林，黔東南的原始森林，赤水地區(qū)的原生植被帶。植被NDVI顯著減少的區(qū)域主要分布在昆明市、貴陽市、曲靖市、大理市、保山市、銅仁市的城市邊緣，紅河地區(qū)的東南部也有減少區(qū)域，同時在其它地州市也有零星的減少區(qū)域。因為這些區(qū)域城市化擴展導致植被面積減少，特別地，在喀斯特地區(qū)，生態(tài)脆弱，受人為干擾強度大，導致植被覆蓋度減少程度明顯。

圖6 2001～2014年云貴高原年均NDVI變化趨勢 Fig.6 Spatial distribution of the coefficient of variation of the inter-annual NDVI and precitation in Yunnan-Guizhou plateau from 2001 to 2014

表1是云貴高原NDVI的變化趨勢統計，可以看出14a間全區(qū)域的NDVI值變化趨勢以極顯著增加為主，極顯著和顯著減少的比例較少，各類變化趨勢的占總面積的比例：極顯著增加>變化不顯著>顯著增加>極顯著減少>顯著減少。統計表明，有占總面積59.9%的區(qū)域植被覆蓋呈現顯著性增長的趨勢，有占總面積0.7%的區(qū)域植被覆蓋度呈現顯著性減少的趨勢，其余占總面積39.4%的區(qū)域植被變化不顯著。

表1 NDVI變化趨勢顯著統計Tab.1 Significance of the trend of NDVI

以上結果說明，云貴高原植被NDVI整體為增加的趨勢，增加的區(qū)域主要是石漠化較集中的畢節(jié)地區(qū)、六盤水、文山地區(qū)，顯著減少的趨勢較少，主要分布在人口相對頻繁的城市周邊和喀斯特生態(tài)脆弱的地區(qū)。

表2 NDVI變異系數統計Tab.2 Variation coefficient of NDVI

圖7 2001～2014年云貴高原年均NDVI變異程度 Fig.7 Spatial distribution of coefficient of variation of the inter-annual NDVI in Yunnan-Guizhou plateau from 2001 to 2014

2.3 云貴高原植被NDVI空間穩(wěn)定性評價

圖7是由ArcGIS軟件求出2001-2014年14a間云貴高原逐個像元的c.vNDVI值，根據以往研究結果，本文參照以往劉洋等[24]和李卓等[26]的研究結果將云貴高原c.vNDVI變異值分為三個等級：非常穩(wěn)定(c.vNDVI≤0.05)、穩(wěn)定(0.050.1)。從圖7和表2可以看出，2001～2014年云貴高原植被NDVI值總體處于中等波動變化，高波動變化所占的比例較少。如圖低波動區(qū)域占總面積的37.3%，主要分布在北部地區(qū)，以西雙版納、大理、德宏分布較集中，其次是東南部的黔東南、銅仁中部地區(qū)，以上這些地區(qū)水熱條件和原生植被較好，故植被波動變化較小；中等波動變化區(qū)域占總面積的59.0%，主要分布在畢節(jié)中部以東地區(qū)、六盤水、曲靖北部地區(qū)，由于該地區(qū)植被主要以灌木為主，植被稀疏。高波動區(qū)域占總面積的3.7%，主要分布石漠化嚴重的畢節(jié)西部地區(qū)、昭通西部和高海拔地區(qū)的迪慶和怒江，該地區(qū)植被受海拔和降水的影響較大，故波動性較高。

3 結論與討論

本研究分析了云貴高原近14年來植被NDVI時空分布格局、變化趨勢和穩(wěn)定性等特征，對NDVI空間分布研究，得到空間分布上具有明顯的差異性，東南部與西南部明顯高于中部，西北部地區(qū)較低；對NDVI趨勢分析，得到云貴高原植被整體逐漸變好，特別是石漠化嚴重地區(qū)的植被呈增加趨勢，說明喀斯特地區(qū)石漠化治理工程和生態(tài)恢復工程對植被的快速恢復起到重要作用；對近14年NDVI年均值分析，得到年均值在0.63～0.73之間波動，整體呈現上升的趨勢，但在2005年達到14年間的最低值，分析發(fā)現2005年主要是云南遭受近50年來最大干旱和貴州發(fā)生嚴重夏旱[28]，說明極端干旱氣候事件對植被NDVI的變化會產生一定影響。此外對空間穩(wěn)定性分析，得到處于低波動變化占比為37.3%，主要分布在自然保護區(qū)和原始生態(tài)保持較好地區(qū)；中等波動變化占比為59.0%，主要分布在以灌木為主的植被稀疏地區(qū)；高波動變化占比為3.7%，主要分布在石漠化嚴重地區(qū)和高海拔地區(qū)，說明NDVI穩(wěn)定性受植被類型和人類活動及氣候影響較大。

本研究的結果與華維等[29]和張勃等[20]研究的西南地區(qū)植被覆蓋變化特征結果相似，同時與劉世梁等[30]研究云南省植被NDVI時空變化特征和李仕容等[31]研究貴州省植被覆蓋度時空變化特征與趨勢的結果相似，說明本研究結果具有較大利用價值。此外我們分析發(fā)現不同數據源監(jiān)測得到的結果會存在差異，本文研究使用的MODIS NDVI數據與前人研究使用的SPOT VGT數據不同，并且在空間分辨率和時間上也不同，因此不同數據源對NDVI變化趨勢和穩(wěn)定性的影響有待于進一步探討。同時地形地貌對植被NDVI時空分布具有一定影響，下一步研究可以考慮喀斯特和石漠化對NDVI的變化和穩(wěn)定性有何影響。此外，人類活動和極端氣候對植被NDVI的變化起到重要作用，如何科學評估生態(tài)工程和干旱氣候的對植被NDVI的影響，是今后云貴高原生態(tài)恢復和生態(tài)保護的重要參考，也是未來研究的重點。

參考文獻：

[1] 張 萍，曾信波.植被蓄水保土功能研究[J]. 山地農業(yè)生物學報，1999(5)：300-304.

[2] 李玉山.黃土高原森林植被對陸地水循環(huán)影響的研究[J]. 自然資源報，2001(05)：427-432.

[3] 王德爐，朱守謙，黃寶龍.石漠化過程中土壤理化性質變化的初步研究[J]. 山地農業(yè)生物學報，2003，22(3)：204-207.

[4] 呂 蒙，鐘悅之.NDVI在生態(tài)環(huán)境研究中的應用進展[J]. 農村經濟與科技，2011，22(06)：11-14.

[5] 張喜旺，吳炳方.基于中高分辨率遙感的植被覆蓋度時相變換方法[J]. 生態(tài)學報，2015，35(04)：1155-1164.

[6] Gutman G，Ignatov A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J].InternationalJournalofRemoteSensing，1998，19(8)：1533-1543.

[7] 田慶久，閔祥軍.植被指數研究進展[J]. 地球科學進展，1998(04)：10-16.

[8] 顧祝軍，曾志遠.遙感植被蓋度研究[J]. 水土保持研究，2005(02)：18-21.

[9] 孫紅雨，王長耀，牛 錚，等.中國地表植被覆蓋變化及其與氣候因子關系──基于NOAA時間序列數據分析[J]. 遙感學報，1998(03)：204-210.

[10] Park H S，Sohn B J.Recent trends in changes of vegetation over East Asia coupled with temperature and rainfall variations[J].JournalofGeophysicalResearchAtmospheres，2010，115(D14)：1307-1314.

[11] Piao S，Wang X，Ciais P，etal. Changes in satellite-derived vegetation growth trend in temperate and boreal Eurasia from 1982 to 2006[J].GlobalChangeBiology，2011，17(10)：3228-3239.

[12] 劉 靜，銀 山，張國盛，等.毛烏素沙地17年間植被覆蓋度變化的遙感監(jiān)測[J]. 干旱區(qū)資源與環(huán)境，2009，23(07)：162-167.

[13] 戴聲佩，張 勃，王海軍.中國西北地區(qū)植被NDVI的時空變化及其影響因子分析[J]. 地球信息科學學報，2010，12(03)：315-321.

[14] 謝曉華，賴日文，李永實.基于RS技術的閩江流域植被覆蓋度時空變化分析[J]. 貴州大學學報：自然科學版，2008，25(5)：536-539.

[15] 劉亞龍，王 慶，畢景芝，等.基于Mann-Kendall方法的膠東半島海岸帶歸一化植被指數趨勢分析[J]. 海洋學報(中文版)，2010，32(03)：79-87.

[16] 王新明，王長耀，牛 錚.應用R/S方法分析NDVI時間序列[J]. 地理與地理信息科學，2005(05)：20-23，48.

[17] 王文輝，馬祥慶，田 超，等.福建長汀植被覆蓋度變化的主要驅動影響因子及影響力分析[J]. 福建農林大學學報(自然科學版)，2017，46(03)：277-283.

[18] 袁麗華，蔣衛(wèi)國，申文明，等.2000～2010年黃河流域植被覆蓋的時空變化[J]. 生態(tài)學報，2013，33(24)：7798-7806.

[19] 靖娟利，王永鋒.西南巖溶區(qū)NDVI時空變化及其與氣候因子的關系[J]. 水土保持研究，2016，23(5)：169-174.

[20] 張 君，延軍平.1982-2013年陜西不同植被類型NDVI變化特征分析[J]. 干旱區(qū)資源與環(huán)境，2017，31(04)：86-92.

[21] 張 勃，王 東，王桂鋼，等.西南地區(qū)近14a植被覆蓋變化及其與氣候因子的關系[J]. 長江流域資源與環(huán)境，2015，24(6)：956-964.

[22] Stow D，Daeschner S，Hope A，etal. Variability of the Seasonally Integrated Normalized Difference Vegetation Index Across the North Slope of Alaska in the 1990s[J].InternationalJournalofRemoteSensing，2003，24(5)：1111-1117.

[23] 穆少杰，李建龍，陳奕兆，等.2001～2010年內蒙古植被覆蓋度時空變化特征[J]. 地理學報，2012，67(09)：1255-1268.

[24] 劉 洋，李誠志，劉志輝，等.1982～2013年基于GIMMS-NDVI的新疆植被覆蓋時空變化[J]. 生態(tài)學報，2016，36(19)：6198-6208.

[25] Milich L，Weiss E.GAC NDVI interannual coefficient of variation (CoV) images：ground truth sampling of the Sahel along north-south transects[J].InternationalJournalofRemoteSensing，2000，21(2)：235-260.

[26] 李 卓，孫然好，張繼超，等.京津冀城市群地區(qū)植被覆蓋動態(tài)變化時空分析[J]. 生態(tài)學報，2017(22)：1-9.

[27] 韻 婕，任福民，李憶平，等.1960～2010年中國西南地區(qū)區(qū)域性氣象干旱事件的特征分析[J]. 氣象學報，2014，72(2)：266-276.

[28] 韓蘭英，姚玉璧，李憶平，等.近60年中國西南地區(qū)干旱災害規(guī)律與成因[J]. 地理學報，2014，69(5)：632-639.

[29] 華 維，范廣洲，李洪權，等.西南地區(qū)近21年來NDVI變化特征分析[J]. 成都信息工程學院學報，2008，23(1)：91-97.

[30] 劉世梁，田韞鈺，尹藝潔，等.云南省植被NDVI時間變化特征及其對干旱的響應[J]. 生態(tài)學報，2016，36(15)：4699-4707.

[31] 李仕蓉.2000～2013年貴州省植被覆蓋時空變化特征與趨勢[J]. 貴州農業(yè)科學，2014，42(07)：202-205.