基于最大熵模型的通天河流域巖畫景觀分布研究

張宇程 何捷

景觀考古學（landscape archaeology）是“從大的區(qū)域內人類活動的宏觀角度來關照單個遺跡或聚落”[1]的方法。早期的景觀考古學強調對遺址外的空間及生態(tài)環(huán)境的關注，而隨著后過程主義（post-processual）考古學的興起，逐漸轉向對景觀空間文化和象征意義的解讀[2]。發(fā)展至今，景觀考古學已成為一項區(qū)域性的綜合研究，它以描述地表構成空間結構為基礎，關注于景觀現(xiàn)象與人類空間認知和社會實踐活動之間的互動關系[3]。景觀考古學的發(fā)展同樣影響到了有關巖畫的研究。巖畫的價值不僅僅在于對圖像意義的考釋，還在于對巖畫所處環(huán)境的研究，而后者也日益受重視[4]：一方面，巖畫被嵌入環(huán)境之中，其不可移動性直接將它的創(chuàng)作與環(huán)境聯(lián)系在一起[5]；另一方面，巖畫與其他遺址在選址上的一致性被認為反映著早期人類對于環(huán)境的依賴[6]。巖畫與周邊環(huán)境所構成的巖畫景觀，通過銘刻于巖石之上的視覺標記對特定空間的社會建構形式予以呈現(xiàn)[7]。在此背景之下，與巖畫相關的自然要素被認為是遺產(chǎn)本體構成要素之一，成為巖畫景觀整體保護的重要組成部分[8]。因此對于巖畫環(huán)境的研究，將有助于理解巖畫的創(chuàng)作用途與古人類對環(huán)境的利用方式，進而了解早期的人類行為活動，同時也有助于保護巖畫景觀的整體性和真實性。

考古遺址預測模型作為考古GIS研究中最為廣泛的研究類型[9]，可以通過分析已知遺址點與環(huán)境、社會、文化等多方面變量的關系，建立定量模型，對未知遺址點的發(fā)現(xiàn)概率進行預測[2]，用于指導田野調查、文化資源管理、遺址保護規(guī)劃等相關工作[10]；同時，它還可以從景觀考古學研究的角度揭示自然、文化因素對遺址空間分布特征的影響[2]。在有關研究中，巖畫作為一種文化現(xiàn)象被引入考古遺址預測模型，用于對預測結果的再評估[11]；同時，巖畫自身也可以作為預測建模的對象，用于探討早期社會的人地關系[12]及文化遺產(chǎn)管理與保護[13]工作。

本研究關注青海玉樹通天河流域巖畫的分布特征。首先，采用K均值聚類方法對巖畫分布的空間聚類特征進行提取；其次，選取影響巖畫分布的潛在影響因素，運用空間分析技術提取相關變量信息，構建各巖畫群遺址預測的最大熵（maximum entropy, Maxent）模型，通過不同巖畫群分布的影響因素變化揭示通天河流域早期人類生活變遷與對環(huán)境的適應情況；最后，根據(jù)巖畫分布預測結果，對通天河流域可能存在巖畫的區(qū)域進行保護范圍的劃定。

1 研究區(qū)域與對象

通天河為青海省玉樹藏族自治州境內長江源頭的干流河段，流經(jīng)玉樹、稱多縣、治多縣、曲麻萊縣4個縣、市，流域為楚瑪爾河入口以下至玉樹市巴塘河的集水區(qū)域，海拔多在4 000 m以上。該地區(qū)古人類的活動歷史悠久，在河流沿岸留下大量巖畫、墓葬、細石器遺址等古遺存[14]。這些遺存是對該流域作為高原早期部落遷徙與駐足生息通道的重要反映[15]，也是解讀該地區(qū)早期人類活動與人地關系的重要途徑。

1.1 通天河流域巖畫概況

通天河流域巖畫首次發(fā)現(xiàn)于2011年，隨后又開展了多次巖畫調查工作，且不斷有新的巖畫點陸續(xù)被發(fā)現(xiàn)。巖畫主要分布于通天河及其支流流域，數(shù)量眾多且分布區(qū)域廣闊。該巖畫的發(fā)現(xiàn)填補了青海及藏北高原巖畫銜接上的缺環(huán)，使“羌塘”巖畫帶向東延伸數(shù)百千米，成為青藏高原古羌人遷徙與活動的重要歷史見證[16]。

通過實地調研以及對相關考古調查報告成果和文獻資料[16-18]的整理，最終確定為研究對象的巖畫共計45處，巖面數(shù)320個，圖像數(shù)2 281個，自上游至下游綿延數(shù)百千米（圖1）。通過GIS平臺構建巖畫數(shù)據(jù)庫，記錄的信息包括巖畫點的經(jīng)緯度坐標、高程以及巖面與圖像數(shù)量等。

1 通天河流域巖畫分布The distribution of rock art in Tongtian River basin

1.2 通天河流域巖畫群劃分

通天河流域巖畫分布具有明顯的空間聚集性特征，采用K均值聚類法可以對該流域的巖畫群進行空間區(qū)分。K均值聚類是一種無監(jiān)督學習算法，可以將包含多個樣本的給定集合劃分為若干子集，每個子集代表一個聚類，各樣本會被劃分至其最近均值的聚類中，從而使同一聚類中樣本間實現(xiàn)高度相似性。誤差平方和（sum of the squared errors,SSE）可用于確定K均值聚類最佳分組數(shù)。根據(jù)計算結果（圖2-1）可知，當聚類數(shù)為4時分類效果最佳，因此將巖畫自上游至下游劃分為4組聚合的巖畫群（圖2-2）。這種結果與考古學家結合巖畫分布及風格差異所推斷的劃分結果相吻合[17]。且根據(jù)各巖畫群的風格特點推斷，各組巖畫的創(chuàng)作時期又可按照順流而下的次序劃分為早、中、晚3個時間段，距今約3 500～2 000年不等[17]。巖畫的空間分布、時間分期和風格分類具有耦合性。

2 通天河巖畫的K均值聚類分析K-means analysis of rock art in Tongtian River basin2-1 log%SSE下降曲線The decline curve of log%SSE2-2 K均值聚類最佳分組The optimal packet based on K-means analysis

因巖畫多分布于通天河支流匯入點周邊區(qū)域，所以根據(jù)匯入支流名稱將各巖畫群分別命名為楚瑪爾河匯入點巖畫群、登額曲河匯入點巖畫群、細曲河匯入點巖畫群以及稱多河匯入點巖畫群。為了進一步了解巖畫群空間分布特征上的差異，本研究在以通天河流域作為巖畫整體研究區(qū)域的基礎上，綜合各巖畫群分布情況和古人類潛在活動范圍，以巖畫群周邊60 km×60 km范圍作為各自的分析區(qū)域（圖3）。

3 通天河流域各巖畫群分布The distribution of each rock art group in Tongtian River basin

2 研究方法

本研究通過選取影響巖畫分布的潛在變量，采用最大熵軟件構建考古遺址預測模型，揭示不同時期和區(qū)域巖畫的分布特征，并進一步預測巖畫分布的可能性。

2.1 模型變量

通過田野調查及對過往文獻的梳理，研究中選取了高程、坡度、地形起伏度、坡度變率、河流可達性、遺址點可達性、視域和植被8個對巖畫分布可能存在影響的變量。

2.1.1 高程、坡度、地形起伏度和坡度變率

地理環(huán)境對古人類活動有著重要的限制作用，影響著巖畫創(chuàng)作的選址。在研究中，分析了通天河流域的地理環(huán)境特征，地形數(shù)據(jù)采用ASTER GDEM V2數(shù)字高程數(shù)據(jù)（水平精度為30 m），從中提取出高程、坡度、地形起伏度及坡度變率等相關信息。

2.1.2 河流可達性和遺址點可達性

通天河流域巖畫多分布于河流兩岸，這種選址與河流的關系通常被認為會受到早期人類依水而居理念的影響，也是人類對河水的精神依賴的反映[6]。同時，通天河流域已發(fā)現(xiàn)的巖畫多與其他遺存共存一處，被認為共同代表“一種目前尚不明晰的地域性考古學文化”[15]。因此，本研究主要考慮河流及遺址點2方面的可達性。

本研究的GIS分析中，河流數(shù)據(jù)包括線狀水系數(shù)據(jù)與面狀湖泊數(shù)據(jù)，遺址點數(shù)據(jù)通過整理《玉樹州文物志》①中記錄的距今約6 000～2 000年前的新石器時代至青銅時代遺址點和細石器點共計77處，采用成本表面分析法（cost surface analysis）[18-19]計算研究區(qū)域內各位置到達河流或遺址點所需的時間。在考古學研究中，可達性是對遺址資源域（site catchments）[20]的反映，與古人類的生存生活模式密切相關。通常設定從事狩獵采集活動的資源域為環(huán)繞遺址周邊步行2 h范圍，農業(yè)聚落則為步行1 h范圍[21]。

2.1.3 視域

巖畫作為被固定在巖石上的視覺標記，反映著特定的社會空間建構形式，因而有著可視性層面的需求[7]，且這種需求會因用途及題材差異而有所不同[22]。本研究采用累積可視域法（cumulative viewshed analysis）[23]，依據(jù)人對物體的辨別程度分別計算近、中、遠景下的累積視域值[24]，疊加計算得到綜合累積視域，從而模擬先民對通天河流域地理環(huán)境的視覺感知情況。

2.1.4 植被

通天河流域的巖畫題材多以畜牧、射獵等為主，是對早期人類生產(chǎn)活動的反映[17]，而這類活動與該地區(qū)的植被、草場分布情況密切相關。因此，本研究采用歸一化植被指數(shù)（normalized difference vegetation index, NDVI）的月合成數(shù)據(jù)[25]（水平數(shù)據(jù)精度為500 m）間接反映早期人類生產(chǎn)生活模式對巖畫選址的影響。

通天河流域氣候類型屬高原寒帶半濕潤、半干旱區(qū)，西部上游高海拔地區(qū)以高山草甸為主，而東南部下游地區(qū)嶺谷間高差較大，氣候、植被垂直分布特征顯著[26]。盡管歷史上該地區(qū)的氣候整體上較現(xiàn)在相對溫和[27]，但根據(jù)景觀考古學中通常使用的自然景觀外部影響力在小區(qū)域內的影響呈“均質性”的假設[2]，認為在各研究區(qū)域內部的植被間差異在長時段氣候變化中相對穩(wěn)定，因此NDVI數(shù)據(jù)也可以在一定程度上反映歷史環(huán)境下的植被差異。

2.2 變量相關性分析

為避免共線性對建模與結果解釋的影響，使用斯皮爾曼等級相關系數(shù)（Spearman’s rank correlation coefficient, SRCC）分析各變量之間的相關性。由表1可以看出，坡度與地形起伏度2個變量間的相關系數(shù)超過0.8，存在較強相關性，而其余變量間不具有很強的相關性，故僅保留坡度變量用于建模。

表1 變量的斯皮爾曼等級相關系數(shù)Tab.1 The Spearman’s rank correlation coefficient of variables

2.3 最大熵模型

研究采用最大熵軟件Maxent 3.4.1[28]構建考古遺址預測模型。該模型早期被廣泛用于生物種群分布的預測，隨后在考古遺址預測中也有成功的應用[29-30]。相比于遺址預測常用的邏輯回歸分析模型（Logistic Regression,LR）[9]，最大熵模型在遺址樣本數(shù)量較少時被證明有著更好的預測效果[31]。通天河流域發(fā)現(xiàn)的巖畫盡管數(shù)量眾多，但就構建預測模型需求而言仍舊不足，特別是需要進一步根據(jù)空間聚類結果對各巖畫群進行分析，因此采用最大熵模型更為適合。在模型的參數(shù)設置中，重復運行的模式設置為25次，以提高預測的精度。預留15%的已知點作為樣本來檢驗預測結果，并采用二次采樣的采樣方法。

3 巖畫分布預測模型

在研究中，對通天河流域巖畫整體及各巖畫群分別構建最大熵模型，根據(jù)建模結果深入分析各變量對巖畫分布的影響情況。接著，進一步結合巖畫圖像所描繪的內容，解釋巖畫空間分布格局以及古人類與環(huán)境間的互動關系。

3.1 流域總體特征

以巖畫巖面作為分析樣本，最終選取巖畫45處，共計320個巖面參與建模。最大熵模型采用受試者工作特征曲線下面積（area under the curve, AUC）來評價分析模型的精度[32]。AUC取值范圍為［0，1］，與模型預測精度呈正相關。而通天河流域巖畫整體建模結果AUC值僅為0.622，預測結果較差。推測是因為整個通天河流域巖畫的創(chuàng)作時間差異大且分布范圍廣，彼此間存在巨大差異。通天河流域巖畫圖像的多樣性反映出該地區(qū)早期人群的流動與聚合具有一定規(guī)模與持續(xù)時間[14]，而巖畫分布特征的多樣性同樣也驗證了這一點。

3.2 巖畫群特征

因整體建模精度較差，故改為對通天河流域的4個巖畫群分別使用最大熵軟件進行建模。精度檢驗結果證明，在采用按巖畫群建模的方式后，模型精度顯著提高（表2），說明通天河流域的4個巖畫群彼此之間差異較大，而各巖畫群內部分布特征具有一定相似性。

表2 各巖畫群預測模型的平均AUC值Tab.2 The average AUC values in each rock art group prediction model

最大熵軟件所提供的刀切法（Jacknife）的檢驗結果（圖4）可反映各變量對巖畫分布的貢獻大小，該檢驗方法提供了在“無此變量”“僅此變量”“所有變量”3種情況下進行模擬的訓練增益，其中“僅此變量”訓練增益越高，對預測巖畫分布貢獻越大。同時，最大熵軟件還可以繪制變量與存在概率間的響應曲線，該曲線橫軸為變量的取值，縱軸為預測分布概率，可以反映出一定分布概率下變量對應的取值范圍。各巖畫群主導變量的響應曲線如圖5所示。

3.2.1 楚瑪爾河匯入點巖畫群

楚瑪爾河匯入點巖畫群位于通天河上游長江北源楚瑪爾河匯入點周邊，以高原草甸地形為主，河流兩岸開闊、河床寬淺。由刀切法檢驗結果（圖4）可以發(fā)現(xiàn)：遺址點可達性是影響該巖畫群分布最關鍵的因素，其訓練增益超過1.5；而河流可達性、高程和坡度變率的訓練增益超過1.0。由主導變量的響應曲線（圖5）可以看出，該巖畫群在高程在4 200～4 400 m的地區(qū)分布概率較高，且多分布在距遺址點60 min可達、距河流30 min可達的范圍內。

3.2.2 登額曲河匯入點巖畫群

登額曲河匯入點巖畫群多分布于通天河支流登額曲河的下游河段，地形由上游開闊的高原草甸逐漸向高山峽谷轉變。河流可達性、高程是影響該巖畫群分布的最大因素，訓練增益均超過2.0；而遺址點可達性訓練增益接近1.5（圖4）。巖畫群多分布于高程在4 000 m左右，距河流30 min可達，距遺址點60 min可達的范圍內（圖5），特別是區(qū)域內氣候溫暖的登額曲河谷內，且與河谷內的細石器遺址點關系密切。

3.2.3 細曲河匯入點巖畫群

細曲河匯入點巖畫群主要分布于尕朵鄉(xiāng)的細曲河匯入點周邊，以高山峽谷地貌為主。區(qū)域內尚未發(fā)現(xiàn)有其他遺址點分布。高程對該巖畫群分布的影響程度遠超其他變量，訓練增益超過1.0（圖4）。巖畫群多集中于高程在3 800～4 300 m的河谷區(qū)域（圖5），可能是由于該區(qū)域地形高差變化大造成的。

3.2.4 稱多河匯入點巖畫群

稱多河匯入點巖畫群分布于通天河在稱文鎮(zhèn)附近的蛇曲地帶，為高山峽谷地貌。高程是對該巖畫群分布影響最大的因素，訓練增益超過1.5，而NDVI和河流可達性對其分布也有一定的影響（圖4）。巖畫群多分布于高程在3 600 m左右，氣候溫和，且具有中、高植被覆蓋度的河谷地區(qū)（圖5）。

4 刀切法檢驗中變量對各巖畫群分布影響的重要性The importance of variables to each rock art group by Jackknife analysis

5 各巖畫群主導變量的響應曲線The response curve of the leading variable to each rock art group

3.3 巖畫分布變化解釋

最大熵軟件在進行建模時還會對各變量影響的貢獻率進行評估，貢獻率指各變量的百分比貢獻。通天河流域4個巖畫群分布影響因素貢獻率的變化，在一定程度上可以反映出該地區(qū)古人類活動的演變以及對環(huán)境的適應過程（表3）。

表3 各巖畫群的變量貢獻率比較Tab.3 Comparison of the contribution of variables of each rock art group %

高程、坡度和坡度變率對通天河流域4個巖畫群的分布均有一定影響，其中高程的影響最為顯著，且從上游到下游貢獻率逐漸增加。這反映出相較于上游平緩的地形，下游高山峽谷的地形使得巖畫選址對高程的變化更為敏感。

河流可達性也是影響巖畫分布的重要因素之一，通天河巖畫大多沿河分布，反映了該地區(qū)先民沿河而居的特征。河流提供了人類生產(chǎn)生活所必需的水資源，以及可作為食物的水產(chǎn)資源，同時也有助于抵御外族部落的侵擾[33]，因此早期人類活動的場所多在河流沿岸。而河流可達性對通天河下游巖畫分布的貢獻率顯著減小，貢獻率均低于15%，一定程度上反映出后期人類對自然環(huán)境的適應能力增強、活動范圍擴大的特征。

遺址點可達性對通天河上游巖畫群分布的影響大于下游巖畫群。上游巖畫圖像題材多反映早期游牧狩獵的生活模式[17]，而巖畫的分布也與遺址點聯(lián)系緊密，可能是當時周邊從事放牧或狩獵的先民在活動時創(chuàng)作的產(chǎn)物。下游巖畫多出現(xiàn)宗教符號[17]，可能是出于宗教祭祀的需求，會遠離日常生活的聚落而選址在一些地貌特殊的神圣地點[6]。同時，下游巖畫的創(chuàng)作時間晚于上游，也反映出后期人類的環(huán)境適應力增強，有條件將巖畫創(chuàng)作在距聚落較遠的地區(qū)。

NDVI對通天河下游巖畫分布影響更大，對稱多河匯入點巖畫群的貢獻率達到24%。對植被特別是對草場資源的依賴可以在一定程度上反映出生產(chǎn)模式的差異：由于通天河流域植被垂直分布顯著，上游高原草場資源豐富，因而以游牧、狩獵為主；而下游則為山地灌木草場，可利用的草場資源相對較少[34]，生產(chǎn)生活轉而以定居的農耕模式為主。這種上下游植被覆蓋狀況的差異在一定程度上影響了古人類生產(chǎn)方式以及活動區(qū)域的變化，也間接導致了通天河巖畫分布的變化。

視域對各巖畫群分布的貢獻率均低于5%，未體現(xiàn)顯著影響。這排除了該地區(qū)巖畫作為領地標識、向導的作用，因為這類巖畫往往需要位于較為醒目的位置[22]。而結合巖畫的圖像內容，通天河巖畫也多以日常記錄為主，而非符號標記，因此較少考慮視域需求。

通天河流域巖畫分布特征與圖像內容存在一定關聯(lián)性。例如，以往研究中對通天河流域巖畫中牦牛圖像演變的分析指出，通天河流域巖畫圖像風格的變化是對自然環(huán)境不斷適應的表現(xiàn)[35]。這種演變也體現(xiàn)在巖畫分布上：上游早期巖畫與河流可達性、遺址點可達性等因素關系緊密，反映出早期人類對于自然環(huán)境的依賴，生產(chǎn)模式則以游牧和狩獵為主，巖畫可能被用以記錄日常生活，就近創(chuàng)作于生活或工作的場所；下游晚期創(chuàng)作的巖畫對河流、遺址點的日常可達性需求減弱，體現(xiàn)出了隨著技術發(fā)展，人類的活動范圍擴大的特征。同時，地形、植被覆蓋等因素的影響增加，體現(xiàn)了人類在下游溫暖濕潤的河谷地區(qū)生產(chǎn)生活方式發(fā)生轉變，改為農耕定居為主兼及放牧畜牧的模式。

4 巖畫分布預測與模型應用討論

景觀考古學的發(fā)展使得考古遺址整體以及周邊環(huán)境的綜合性保護日益受到重視，但相關工作的開展仍面臨著提高考古調查效率以及科學界定保護范圍等諸多方面的問題?？脊胚z址預測模型則可預測潛在遺址分布的可能性，所繪制的考古遺址預測地圖不僅是科學模型的可視化成果，同時也是指導規(guī)劃決策的圖紙[36]。荷蘭政府就通過以考古遺址預測模型為基礎的“考古價值示意地圖”（荷蘭語：Indicatieve Kaart Archeologische Waarden, IKAW）項目，明確界定了“考古邊界”（archaeological boundaries），從而成為在空間規(guī)劃編制中判斷考古調查必要性的重要依據(jù)[37]。美國北卡羅來納州交通部門則在所開發(fā)高速公路規(guī)劃決策支持系統(tǒng)中運用考古預測模型識別潛在考古遺址區(qū)，減少了開發(fā)過程中考古調查的成本[38]?？脊胚z址預測模型為文化遺產(chǎn)管理工作提供了明確可界定的考古預測范圍，同時也減少了盲目的田野調查工作，有效地節(jié)約考古調查和開發(fā)建設中的時間和經(jīng)濟成本。

通天河流域范圍廣闊，巖畫數(shù)量眾多但分布相對零散，給巖畫的調查和保護工作造成較大的困難。而本研究結合最大熵模型預測結果，在各研究區(qū)域內按巖畫分布概率（P）將其劃分為4類等級：極低（P≤0.05）、低（0.05＜P≤0.33）、中（0.33＜P≤0.66）、高（P＞0.66），相應分布范圍如圖6所示。對于巖畫景觀的保護應打破巖畫點獨立保護區(qū)劃的限制，劃定統(tǒng)一范圍對巖畫及周邊景觀進行整體保護，從而最大限度地保護巖畫景觀的真實性和完整性[8]。不同分布概率區(qū)域的劃定正可以作為巖畫保護范圍劃定的參考，特別是在巖畫分布中、高概率區(qū)應考慮禁止一切損害崖壁、危害山體、破壞景觀的行為，限制開發(fā)建設活動以及放牧、農墾等生產(chǎn)經(jīng)營活動，及時對已發(fā)現(xiàn)巖畫點和地質脆弱區(qū)域開展監(jiān)測、保護工作，并組織在重點區(qū)域內開展巖畫調查工作，從而實現(xiàn)該地區(qū)在巖畫景觀保護和城鄉(xiāng)發(fā)展間的平衡。

6 通天河流域各巖畫群分布預測Predictive maps for each rock art group in Tongtian River basin

5 結論與展望

本研究運用最大熵模型分析通天河流域巖畫空間分布特征，驗證了該模型可以有效地預測巖畫分布的概率并揭示不同變量對遺址分布的影響，同時也是指導文化遺產(chǎn)保護、劃定相應保護規(guī)劃范圍的有效工具。對于巖畫景觀的研究有助于更好地理解該地區(qū)早期人類創(chuàng)作巖畫的動機和原始社會生活圖景，也有助于探索青藏高原早期的文化傳播和交流以及民族遷徙。

景觀考古研究受復雜的環(huán)境因素影響，需要深入挖掘考古環(huán)境數(shù)據(jù)，而本研究受制于數(shù)據(jù)的獲取精度以及現(xiàn)代環(huán)境資料的局限性，結果仍可能存在一定程度的偏差。在后續(xù)工作中，須結合田野調查對預測結果進行進一步驗證。此外，通過無人機傾斜攝影、三維建模等現(xiàn)代測繪技術，以及水土侵蝕模型等模擬方法，可以改進對考古環(huán)境數(shù)據(jù)的獲取、重現(xiàn)、解譯方式，從而更真實細致地反映歷史環(huán)境，極大地提高模型預測精度，進一步拓展景觀考古理論與GIS技術在文化景觀保護方面的應用前景。

致謝(Acknowledgments)：

感謝青海省文物局和玉樹藏族自治州文物管理局，特別是玉樹藏族自治州文物管理局索南旦周副局長對本項目田野工作及考古資料的支持；感謝聯(lián)合國教科文組織遺產(chǎn)中心專員兼天津大學建筑學院教授林志宏老師的指導；感謝天津大學建筑學院博士研究生許超然作為項目管理員的組織協(xié)調，以及城鄉(xiāng)規(guī)劃專業(yè)軟件實習課程中馬聰、聶月、張真同學協(xié)助巖畫數(shù)據(jù)錄入工作。

注釋(Notes)：

① 數(shù)據(jù)引自2019年玉樹藏族自治州文物管理局《玉樹州文物志》（未刊稿）。

圖表來源(Sources of Figures and Tables)：

文中圖表均由作者繪制。