黄河三角洲典型区域冬小麦播种面积变化与土壤盐分关系研究

贾吉超， 赵庚星， 高明秀， 王卓然， 常春艳， 姜曙千， 李 晋

(土肥资源高效利用国家工程实验室，山东农业大学资源与环境学院，山东泰安 271018)

黄河三角洲典型区域冬小麦播种面积变化与土壤盐分关系研究

贾吉超， 赵庚星*， 高明秀， 王卓然， 常春艳， 姜曙千， 李 晋

(土肥资源高效利用国家工程实验室，山东农业大学资源与环境学院，山东泰安 271018)

【目的】将土壤盐分含量与冬小麦分布变化结合，分析两者之间的时空关系，旨在探索土壤盐碱化对冬小麦种植的影响，为冬小麦生产决策提供科学依据。【方法】以黄河三角洲垦利县为研究区，采用2003年4月、2008年4月和2013年3月三期ETM影像，通过分析典型地物光谱曲线生成决策树模型，提取冬小麦分布信息，将各时相冬小麦种植分布提取结果做空间叠加，分析了近10年来冬小麦面积与分布的变化规律；并结合实地土壤盐分调查分析数据，分析了冬小麦种植面积变化与土壤盐分的关系。一方面，将垦利县冬小麦分布图分别与相应时相的土壤含盐量分布图进行空间叠加分析，并对叠加图的属性进行统计，对比分析冬小麦分布与土壤含盐量分布的关系。另一方面，通过叠加2008和2013年土壤盐分含量分布图，将盐分变化分为盐分升高区和盐分降低区，将其与同时段的冬小麦种植范围变化图进行叠加，分析土壤盐分含量变化对冬小麦分布变化的影响。【结果】 1)垦利县冬小麦的分布具有明显的空间特征，主要分布在垦利县域西南部和东北部黄河沿岸两个区域，与土壤低含盐量区具有一致的空间分布特征。2)垦利县冬小麦种植面积呈现2003～2008时段大幅减少和2008～2013时段的少许增加趋势。3)冬小麦种植范围变化与土壤盐分含量的相关性极高，冬小麦种植无变化区域土壤含盐量都集中在1.5～2.5 g/kg之间，冬小麦种植增加区域的土壤盐分含量集中在2～3 g/kg，而冬小麦种植减少区的土壤盐分含量都在3 g/kg以上，即超过3 g/kg的土壤含盐量已不再适合冬小麦的生长。4)2008～2013年垦利县冬小麦分布区域变化显著受到土壤含盐量的变化。在土壤含盐量降低的小麦区域中，冬小麦种植增加区和不变区的面积占98.07%，而在土壤含盐量升高的小麦区域中，冬小麦种植减少的面积占84.54%。【结论】冬小麦种植范围及其变化显著受到土壤盐分状况及其变化的影响，冬小麦种植减少区的土壤盐分含量都在3 g/kg以上，且随着土壤含盐量的升高冬小麦种植面积骤减，3 g/kg的土壤含盐量是适合冬小麦生长的上限，土壤含盐量调控是维持和扩大冬小麦种植范围的关键手段。

黄河三角洲; 冬小麦； 播种面积； 盐分含量

黄河三角洲是国家级高效生态经济区，拥有未利用的后备土地资源811万亩，是我国重要的中低产田和后备土地资源开发区。该区自然资源禀赋独特，生态类型丰富，具有大规模发展高效生态农业的优越条件。但由于土壤盐碱限制，该区盐渍化土地面积大、分布广泛，小麦产量水平低下，蕴藏巨大的粮食增产潜力。因此及时准确地获取小麦面积、分布及其土壤盐碱化信息，分析其时空关系，对于指导该区小麦生产、调整作物种植结构、实现区域农业的可持续发展具有极为重要的意义。

遥感技术在农业资源调查监测中具有其难以取代的优势，从20世纪70年代开始，国内外的许多科学家和科研部门在农作物面积、长势的遥感测量和作物估产方面开展了大量的研究，其中小麦是主要的粮食作物之一。如Quarmby等[1-3]对农作物种植面积提取，利用NOAA/AVHRR数据采用线性模型对量决策树、多变量决策树及混合决策树进行土地覆盖的分类。李卫国等[4]和赵丽花等[5]基于中巴资源卫星遥感和小麦估产模型，进行冬小麦面积的提取。朱秀芳等[6]和王召海[7]研究了不同特征信息对TM尺度冬小麦面积测量精度的影响等。相关黄河三角洲的研究中，赵庚星等[8]和刘惠敏等[9]利用陆地卫星TM数据以监督分类波谱角法、人机交互等方法，提取了垦利县冬小麦面积及分布信息。潘志强等[10]和张霞等[11]通过求取TM影像的NDVI分布图，提取了黄河三角洲农作物的种植分区。关云秀等[12]和杨小唤等[13]综合运用地理信息系统的各种空间数据分析功能，对黄河三角洲土地盐碱化现状进行分区研究。但总体看，目前针对该区冬小麦种植范围变化与土壤盐分含量关系的研究相对较少，因此，本文尝试将二者结合，分析土壤盐分含量与冬小麦分布变化的时空关系，旨在探索土壤盐碱化对冬小麦种植的影响，为冬小麦生产决策提供科学依据。

1 数据来源

1.1 研究区概况

本研究选择黄河三角洲核心区域垦利县，该县位于黄河入海口，具三角洲典型代表性，位于东经119°82′～117°90′，北纬37°01′～37°99′，总面积2204 km2，总人口21.9万人。地势自西南至东北呈扇形微斜，海拔最高点11.61 m，最低点2 m以下，处于暖温带季风气候区，冬季干冷，夏季湿热，四季分明。年平均气温14.1℃，年平均降水量546.2 mm，年日照时数2765.4 h。黄河为境内唯一的自然河流，上起董集罗家，贯穿县域120 km注入大海。全县共有骨干排水河道10条，呈东西方向均匀分布。垦利县的土壤类型主要为潮土、盐化潮土和滨海潮盐土，主要的农作物类型为小麦、玉米和棉花。该区土地资源丰富，未利用盐碱荒地数量较大，开发潜力巨大。

1.2 数据获取

采用近似时相的美国陆地卫星ETM+遥感数据，分别是2003年4月25日、2008年4月14日和2013年3月3日，其光谱范围覆盖可见光、近红外、短波红外和热红外，空间分辨率为30 m。土壤盐分数据来自实地调查和化验分析，采样日期为2008年3月和2013年4月，分别采集分析样点88个和81个，采样点分布情况见图1，采用五点取样法采集土壤样品，通过实验室化验获得土壤盐分含量。

1.3 遥感数据处理

1.3.1 时相及波段的选择 通过对研究区主要农作物种类和物候历的分析(表1)，选择冬小麦光谱特征明显的3月和4月时相，此时冬小麦处返青拔节期，与其他地物区分明显。根据对ETM+各波段数据统计特征及其合成效果的目视分析，选择对绿色植被反应敏感的543波段进行RGB合成，热红外6波段不参与分析研究。

1.3.2 几何校正及研究区图像获取 利用前期已完成几何精校正的同景图像，采用ENVI软件中Registration的Select Gcps: Image to Image 功能选取控制点，采用二次多项式和双线性内插法进行图像的几何精校正，累积误差(RMS Error)控制在1个像元以内。

以垦利县行政区划图生成的感兴趣区域矢量文件对校正后的卫星图像进行掩膜运算，并结合人工目视解译方法划分海陆边界，以5、4、3波段进行假彩色合成，得到研究区各时相卫星图像(图2)。

1.4 土壤盐分数据处理及盐分等级的划分

利用GIS软件的空间分析模块功能对2008年和2013年各点位的土壤盐分含量数据进行反距离加权(Inverse Distance Weighted)插值处理，得到垦利县土壤盐分含量分布图。

为便于土壤盐分对冬小麦影像的分析，对土壤盐分等级的划分尽量细致，每0.5 g/kg划分为一个等级(表2)。

1.5 冬小麦信息提取与动态研究方法

1.5.1 典型地物光谱特征分析 地物光谱特征是卫星遥感图像信息准确提取的重要依据[14-15]。根据相应的土地利用现状图和实地调查结果，在遥感图像上均匀地选取典型地物点，按照样点平均值构建典型地物光谱曲线图(图3)。结合研究区实际，共划分了冬小麦、居民点、水域、滩涂和荒地5种主要地物。

1.5.2 提取冬小麦种植区域 通过对典型地物光谱曲线的分析和计算发现，水体(河流、水库)在第5波段和其他地物有明显区别易于区分，可首先去除。冬小麦和其他地物在第3和第4波段有较大差异，可通过NDVI值(归一化差值植被指数)提取冬小麦种植范围。图4为2008年冬小麦信息提取的决策树模型。

1.5.3 冬小麦分布动态变化研究方法 将提取的垦利县各时相冬小麦种植范围分布图做空间叠加分析，得到冬小麦分布变化图，并将冬小麦种植区域分为不变区、减少区和增加区三个部分进行动态分析。

1.6 冬小麦分布与土壤盐分含量关系研究方法

一方面，将垦利县冬小麦分布图分别与相应时相的土壤含盐量分布图进行空间叠加分析，并对叠加图的属性进行统计，对比分析冬小麦分布与土壤含盐量分布的关系。另一方面，通过叠加2008和2013年土壤盐分含量分布图，将盐分变化分为盐分升高区和盐分降低区，将其与同时段的冬小麦种植范围变化图进行空间叠加，分析土壤盐分含量变化对冬小麦分布变化的影响。

2 结果与分析

2.1 冬小麦面积与分布

垦利县2003年、2008年、2013年冬小麦空间分布如图5所示，表3为各时相冬小麦面积，并依据同年度统计面积确定其面积提取精度。

由于冬小麦种植范围与耕地分布具有空间一致性，将冬小麦分布提取结果与实地控制点调查数据对比分析，并将冬小麦分布提取结果与垦利县耕地分布进行复合分析，结果显示冬小麦提取的空间位置合理、准确，具有较高的空间精度。可以看出，研究区冬小麦的分布具有明显的空间特征，其集中分布区一是县域西南部，该区地势较高，土壤盐碱总体较轻，为主要的冬小麦种植区；二是县域东北部黄河沿岸区域，受黄河淡水影响，也是冬小麦分布的主要区域。

注(Note): 表中统计面积来源为垦利县各年统计年鉴数据 Statistical area data was from Statistical Yearbooks of Kenli County.

2.2 冬小麦时空动态变化

从三个时相的冬小麦面积可以看出，研究区冬小麦面积呈现2003～2008时段的大幅减少和2008～2013时段的少许增加趋势。由图6可以看出，2003到2008年，冬小麦种植面积共减少11330 hm2，其中种植区域不变的面积2543.60 hm2，主要分布在垦利县的西南部；减少的面积达13685.40 hm2，主要分布在县域中部和北部黄河附近以及西南部的大部分地区；增加的面积2355.40 hm2，主要分布在垦利县东北部黄河河道附近。

2008到2013时段，冬小麦种植面积净增加185 hm2，其中冬小麦区域不变面积1761.8 hm2，主要分布在垦利县西南部；冬小麦种植区域减少的面积为3137.2 hm2，主要分布在垦利县东北部黄河两岸；增加的种植面积是3322.2 hm2，主要分布在垦利县中部黄河附近。

2.3 研究区土壤含盐量及其动态分析

由图7可以看出，2008年和2013年垦利县土壤含盐量的分布基本一致，盐分含量较低的区域主要分布在垦利县西南部区域和垦利县东北部黄河沿岸区域；2013年低含盐量区域较2008年有所扩大，扩大区域主要集中在垦利县东北部。

2.4 冬小麦分布变化与土壤含盐量关系分析

2.4.1 2008年和2013年冬小麦种植区域的土壤盐分含量分布 从图8中可以看出，2008和2013年垦利县冬小麦分布区的土壤盐分含量状况大致相同，小麦分布区土壤含盐量在1～4 g/kg之间，其中占比重最大的土壤含盐量等级为2～2.5g/kg的3级，分别是2008年的31.51%和2013年的32.64%(表4)。

2.4.2 冬小麦种植变化区域盐分含量分析 由图9可以看出, 2003～2008年冬小麦分布不变区的土壤盐分含量主要集中在含盐较低的3、2、4级，其中含量为2～2.5 g/kg的3级盐分面积占整个冬小麦分布不变区面积的30.47%，比例最大；其次是土壤盐分含量为1.5～2 g/kg的2级，占冬小麦不变区域的26.42%。2003～2008年冬小麦分布减少区的土壤盐分含量主要集中在土壤盐分较高的5、6、4等级，其中含量为3～3.5 g/kg的5级盐分面积占整个冬小麦种植分布减少区面积的48.45%，所占比例最大；其次是土壤盐分含量为3.5 g/kg～4 g/kg的盐分6级地，占冬小麦减少区域的21.27%。2003～2008年冬小麦分布增加区的土壤盐分含量主要集中在土壤盐分含量中等的3、4、5级，其中土壤盐分含量为2～2.5 g/kg的3级盐分面积占整个冬小麦分布增加区面积的32.24%，比例最高；其次是土壤盐分含量为2.5～3 g/kg的盐分4级地，占冬小麦增加区域的29.44%。

由图9还可以看出，2008～2013时段冬小麦分布不变区、减少区和增加区的土壤盐分含量状况与2003～2008时段基本相同。其中冬小麦分布不变区的土壤盐分含量主要为3、2和4级，其中3级面积占35.66%，比例最大，2级次之，占20.23%；冬小麦分布减少区的土壤盐分含量集中于5级，其面积占减少区域的30.35%，其次是6级，占12.13%；冬小麦分布增加区的土壤盐分主要为3级和4级，其中3级占31.39% ，4级占30.05%。

可见，冬小麦种植范围变化与土壤盐分含量的相关性极高，冬小麦种植无变化区域土壤含盐量都集中在1.5～2.5 g/kg之间，冬小麦种植增加区域的土壤盐分含量集中在2～3 g/kg，而冬小麦种植减少区的土壤盐分含量都在3 g/kg以上，即超过3 g/kg的土壤含盐量已不再适合冬小麦的生长。3.4.3 土壤盐分变化对冬小麦分布变化的影响 图10为2008～2013年垦利县冬小麦分布及变化区域的土壤盐分含量变化，并进一步统计了土壤含盐量变化对冬小麦种植区域变化的影响(表5)。

可以看出，2008～2013年垦利县冬小麦分布区域变化与土壤含盐量的变化具有极高的一致性，在土壤含盐量降低的小麦区域中，冬小麦种植增加区和不变区的面积占98.07%；而在土壤含盐量的升高的小麦区域中，冬小麦种植减少的面积占84.54%，说明土壤盐分含量的变化是冬小麦种植区域变化的重要影响因素，随着土壤含盐量的升高，冬小麦种植面积呈现骤减趋势。

由此可见，未来研究区冬小麦种植范围的扩大将主要集中在土壤盐分下降的区域，在保证灌排的条件下，通过合理的农业措施和耕作管理手段，降低土壤含盐量，是保障研究区冬小麦生产的关键途径。

3 讨论与结论

本文选取垦利县作为黄河三角洲典型区域，采用多时相春季卫星遥感影像，以决策树分类法提取了研究区冬小麦分布信息，分析了近10年来冬小麦的分布及变化，并进而分析了冬小麦分布及变化与土壤盐分含量变化的关系。结果显示，冬小麦种植范围分布及变化与土壤盐分含量分布及变化具有极高的相关性，土壤盐分含量的变化是冬小麦种植区域变化的重要影响因素，土壤含盐量3 g/kg是适宜冬小麦生长的上限。土壤含盐量超过3 g/kg，冬小麦的种植面积随土壤盐分的升高骤减，已不再适合冬小麦的生长，因此采取必要的农业措施和工程手段保持较低的土壤含盐量是冬小麦生产的重要保证。

冬小麦种植面积的变化除由土壤含盐量因素决定外，还受气候条件、农产品价格变化及农民的种植意愿等因素影响，其中农产品价格变化往往与来年的作物种植面积和产量有较大关系，而农民的种植意愿除与当地种植习惯、价格导向有关外，也受土壤盐渍化等自然条件的制约。黄河三角洲盐渍化土地面积大、分布广泛，土壤盐分含量的变化是冬小麦种植区域变化的关键限制因素，结合其他因素的综合影响有待进一步的探索。

本研究对冬小麦种植范围变化和土壤盐分含量关系的探索，取得了较好的结果，为黄河三角洲地区冬小麦及农作物生产提供了科学参考，为区域农业及经济社会的可持续发展提供了重要依据。

[1] Quarmby N A, Townshend J R G, Settle J Jetal. Linear mixture modeling applied to AVHRR data for crop area estimation[J]. International Journal of Remote Sensing, 1992, 13(3): 415-425.

[2] 秦元伟, 赵庚星, 姜曙千, 等. 基于中高分辨率卫星遥感数据的县域冬小麦估产[J]. 农业工程学报, 2009, 25(7): 118-123. Qin Y W, Zhao G X, Jiang S Qetal. Winter wheat yield estimation based on high and moderate resolution remote sensing data at county level[J]. Transactions of the Chinese Society of Agricultural Engineering, 2009, 25(7): 118-123.

[3] 王乃斌, 覃平, 周迎春. 应用TM图像采集模式识别技术自动提取冬小麦面积[J]. 遥感技术与应用, 1993, 8(4): 28-33. Wang N B. Qin P, Zhou Y C. A Study on extracting winter wheat area automatically from TM imagery using pattern recognition technology[J]. Remote Sensing Technology and Application, 1993, 8(4): 28-33.

[4] 李卫国, 李正金. 基于CBERS卫星遥感的冬小麦产量估测研究[J]. 麦类作物学报, 2010, 30(5): 915-919. Li W G, Li Z J. Study on estimating winter wheat yield by CBERS satellite images[J]. Journal of Triticeae Crops, 2010, 30(5): 915-919.

[5] 赵丽花, 李卫国, 杜培军. 基于多时相HJ卫星的冬小麦面积提取[J]. 遥感应用, 2011, 2: 41-50. Zhao L H, Li W G, Du P J. The area extraction of winter wheat based on multi-temporal HJ remote sensing satellite images[J]. Remote Sensing Application, 2011, 2: 41-50.

[6] 朱秀芳, 贾斌, 潘耀忠, 等. 不同特征信息对TM尺度冬小麦面积测量精度影响研究[J]. 农业工程学报, 2007, 23(9): 122-129. Zhu X F, Jia B, Pan Y Zetal. Effects of various feature information on the accuracy of winter wheat planting area measurement[J]. Transactions of the Chinese Society of Agricultural Engineering, 2007, 23(9): 122-129.

[7] 王召海. 棉花种植面积遥感调查研究[J]. 遥感信息, 1999(1): 27-30 Wang Z H. Study on cotton planting area of remote sensing investigation[J]. Remote Sensing Information, 1999,(1): 27-30.

[8] 赵庚星, 田文新, 张银辉, 余松烈. 垦利县冬小麦面积的卫星遥感与分布动态监测技术[J]. 农业工程学报, 2001,17(4): 135-139. Zhao G X, Tian W X, Zhang Y H, Yu S L. Satellite remote sensing monitoring techniques on winter wheat planting area dynamic changes and distribution at Kenli County[J]. Transactions of the Chinese Society of Agricultural Engineering, 2001, 17(4): 135-139.

[9] 刘惠敏, 何彬方, 张宏群. 安徽省冬小麦长势遥感监测与评估方法研究[J]. 中国农学通报, 2011, 27(33): 18-22. Liu H M, He B F, Zhang H Q. Anhui winter wheat growing remote sensing monitoring and evaluation methods research[J]. Chinese agricultural science bulletin, 2011, 27(33): 18-22.

[10] 潘志强, 刘高焕, 周成虎. 黄河三角洲农作物种植分区的遥感研究[J]. 地理研究, 2003, 22(6): 799-806. Pan Z Q, Liu G H, Zhou C H. The crop distribution of Yellow River Delta using remote sensing method[J]. Geographical Research, 2003, 22(6): 799-806.

[11] 张霞, 帅通, 杨杭, 黄长平. 基于MODIS EVI图像时间序列的冬小麦面积提取[J]. 农业工程学报, 2010, 26(Supp.1): 220-224. Zhang X, Shuai T, Yang H, Huang C P. Winter wheat planting area extraction based on MODIS EVI image time series[J]. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(Supp.1): 220-224.

[12] 关元秀, 刘高焕, 刘劲峰. 基于GIS的黄河三角洲盐碱地改良分区[J]. 地理学报, 2001, 56(2): 198-205. Guan Y X, Liu G H, Liu J F. Regionalization of salt-affected land for amelioration in the Yellow River Delta based on GIS[J]. Acta Geographica Sincia, 2001, 56(2): 198-205.

[13] 杨小唤, 张香平, 江东. 基于MODIS时序NDVI特征值提取多作物播种面积的方法[J]. 资源科学, 2004, 26(6): 17-22. Yang X H, Zhang X P, Jiang D. Extraction of multicrop planting areas from MODIS data[J].Resources Science, 2004, 26(6): 17-22.

[14] 王周龙, 冯学智, 刘晓枚, 都金康. 秦淮河丘陵地区土地利用遥感信息提取及制图[J]. 遥感学报, 2003, 7(2): 131-135. Wang Z L, Feng X Z, Liu X M, Du J K. The techniques of deriving land use information from SPOT images and study on thematic mapping in the field of Qinhuai river[J]. Journal of Remote Sensing, 2003, 7(2): 131-135.

[15] Rembold F, Maselli F. Estimating inter-annual crop area variat- ion using multi-resolution satellite sensor images[J]. International Journal of Remote Sensing, 2004, 25(13): 2641-2647.

Study on the relationship between winter wheat sowing area changes and soil salinity in the typical area of the Yellow River Delta

JIA Ji-chao, ZHAO Geng-xing*, GAO Ming-xiu, WANG Zhuo-ran, CHANG Chun-yan, JIANG Shu-qian, LI Jin

(NationalEngineeringLaboratoryforEfficientUtilizationofSoilandFertilizerResources;CollegeofResourcesandEnvironment,ShandongAgriculturalUniversity,Taian,Shandong271018,China)

【Objectives】 This paper tried to analyze temporal and spatial relationship between soil salinity and distribution of winter wheat, to explore soil salinity effect on winter wheat planting, and to supply scientific advice for winter wheat production decision. 【Methods】 Taking Kenli County，located in the Yellow River Delta, as study area, the winter wheat distribution information was extracted by decision tree model that was generated by analysis of the typical spectral curves with ETM images in April 2003, April 2008 and March 2013. Through spatial overlay of winter wheat planting distribution at each phase, the variation of winter wheat area and the distribution in recent 10 years were analyzed. Based on investigation and analysis of field soil salinity data, the relationship between winter wheat planting area changes and the soil salinity was analyzed. The distribution of winter wheat and the corresponding phase soil salinity distribution were spatially overlaid to compare and analyze the relationship of winter wheat and soil salinity distribution. Related attribute statistic was conducted correspondingly. At the same fince soil salinity distribution in 2008 and 2013 was overlaid, salinity changes have divided into salt reduced and increased area. Soil salinity distribution and the winter wheat planting area at same period were spatially overlaid to analyze the influence of soil salt content on the winter wheat distribution changes.【Results】 1)Winter wheat distribution has obvious spatial characteristics in Kenli County, mainly distributed in the southwest of Kenli and northeast coast of the Yellow River, with a consistent spatial distribution characteristics to low soil salinity zone. 2)The winter wheat planting area significantly reduced from 2003 to 2008 and slightly increased from 2008 to 2013 in Kenli County. 3)The winter wheat planting area change and soil salinity was extremely well correlated. In constant winter wheat planting area, soil salinity was concentrated in the 1.5-2.5 g/kg, in increasing planting area soil salinity focused on the 2-3 g/kg, and in winter wheat planting reduced area, the soil salinity was more than 3 g/kg. 4)The distribution change of winter wheat in 2008-2013 has a very high consistency with the otants of soil salinity. The planting areas of winter wheat in increased and unchanged area account for 98.07% in soil salinity reduced wheat area, and in the soil salinity increasing wheat area, winter wheat planting reduced area accounts for 84.54%.【Conclusion】 Winter wheat planting area is highly aftected by the change of the soil salinity. With increasing soil salinity, the winter wheat planting areas were rapidly reduced. The upper limit for winter wheat normal growth is 3 g/kg. The control of soil salinity is the key method to maintain and expand the scope of the winter wheat planting.

Yellow River Dalta; winter wheat; sowing area; soil salinity

2014-04-29 接受日期: 2014-06-25 网络出版日期: 2015-04-02

“十二五”国家科技支撑计划项目课题(2013BAD05B06-5)；国家自然科学基金(41271235)；山东省自主创新专项(2012CX90202)资助。

贾吉超(1990—)，男，山东禹城人，硕士研究生，主要从事土地遥感与信息研究。E-mail: ycdcjjc@163.com *通信作者E-mail: zhaogx@sdau.edu.cn

S521.1

A

1008-505X(2015)05-1200-09