安徽省太阳辐射能资源的时空分布特征与可利用潜力评估

李丹丹，何 昊，仇恒帅，吴 泽，潘非凡, 杨书运, 2*

安徽省太阳辐射能资源的时空分布特征与可利用潜力评估

李丹丹1，何 昊1，仇恒帅1，吴 泽1，潘非凡1, 杨书运1, 2*

(1. 安徽农业大学资源与环境学院，合肥 230036；2. 农业农村部合肥农业环境科学观测实验站，合肥 230036)

为了明确安徽省太阳能资源的时空分布特征与可利用潜力，基于安徽省20个气象站台1970—2020逐日日照时数数据，以亳州、合肥和黄山作为安徽的代表站点，分析安徽省太阳辐射能的时空变化及可利用潜力。结果表明：安徽省太阳辐射空间分布呈北多南少，太阳辐射量近51年来呈下降趋势。皖北地区太阳辐射量最大、波动也较大，皖中以及皖南太阳辐射量在一定范围内波动。各代表站点太阳辐射量具有11年左右周期变化，与太阳活动周期具有一致性。安徽省总体处于太阳能资源丰富区，利用期较长，日照稳定。安徽省屋顶可装光伏电池面积为1 277.51 km2，集中于安徽省中部及北部，占全省面积的0.9%，发电潜力约为2.05×1014kJ。

太阳能资源；安徽省；资源评估；时空分布特征

煤炭和石油等化石燃料的大量使用是全球变暖的主要原因之一，诸多国家为追求经济的发展，能源需求持续上升，同时严重的环境与气候问题危及人类自身的生存[1-2]。中国人口基数与经济发展规模决定了能源消费总量大，但中国作为负责的大国，主动提出了碳达峰、碳中和的目标，推动能源结构进行重大迅速的转变，寻求清洁高效的新能源[3-4]。太阳能作为一种总量巨大的气候能源，对其高效合理的开发与利用是解决能源危机的有效途径[5-7]。然而太阳能能量具有密度低、时空分布不均的特点，有必要明确中国地表太阳辐射量时空分布，对太阳能开发潜力进行评估[8-9]。

目前中国各地陆续进行太阳辐射能开发潜力评估，其中太阳能资源丰富的西北地区是研究的热 点[10-13]。已有研究讨论了太阳辐射能的分布特征和变化规律，并且基于太阳能丰富度、稳定度、利用价值等指标对太阳能资源可利用潜力进行评估[14-16]。除此之外，郝玉珠等对内蒙古进行太阳能资源评估时还加入了影响太阳辐射的因子研究[10]；顾玮等考虑到新疆天气特点与人口分布特征，结合了沙尘天气频次、人口丰富度、陆路交通可达性及土地利用情况进行太阳能资源开发利用评估[17]；周扬等针对江苏省的土地利用现状，估算了屋顶可装光伏电池面积并估计了发电量[13]。然而，现阶段太阳能资源的利用与发展还存在许多局限，中东部电力供应无法满足其经济发展，而西北地区太阳能发电的稳定性和输送技术还需提升，电力资源的长稳供应将是未来影响中国中东部地区经济社会发展的关键问题，因此加强中东部太阳能的开发和利用对支持中国经济的发展具有重要意义[18-20]。安徽位于中国亚热带核心地区，是中国南北分界线秦岭-淮河所在地的代表地区，地形起伏导致辐射差异较大，并且安徽省在政策上大力支持太阳能产业的发展，光伏研发实力雄厚，光伏生产链初具雏形，具有优越的发展条件与前景[21-23]。明确安徽省的太阳辐射能发展潜力，有利于太阳能的利用和开发。已有学者对安徽省的太阳辐射时空变化进行了研究，并对地形与日照时数之间的关系进行了讨论[22-23]。然而对于安徽地区太阳能资源稳定度评估缺乏系统性的研究，并且需要根据安徽省土地开发现状进行太阳辐射开发潜力的分析。

本研究将安徽省划分为皖北、皖中以及皖南地区，分别以亳州、合肥和黄山作为代表性站点，进行太阳辐射能的变化趋势、突变与周期的研究；利用20个气象站台1970—2020逐日数据，分析辐射空间变化特征，在此基础上分析太阳辐射进行稳定度和可利用潜力，以期为安徽省太阳辐射能资源开发与利用提供依据。

1 数据来源与研究方法

研究基于安徽省20个气象站台1970—2020 年的逐日气象要素观测数据，气象数据来源于“中国气象科学数据共享服务网”（http://cdc.cma.gov.cn）。从皖北、皖中和皖南地区（淮河流域以北为皖北，长江水系以南为皖南）选取代表站点，分别为亳州、合肥和黄山进行太阳辐射量变化规律的研究。安徽省土地利用情况来自于Esri对外公布全球10 m土地覆盖数据，该数据利用欧洲航天局（ESA）的Sentinel-2卫星影像绘制而成。

1.1 太阳总辐射计算模型

本研究采用安徽省20个气象台1970—2020 年的逐日日照时数估算太阳辐射量，并通过反距离权重法获得安徽省太阳能资源空间分布情况。采用卢燕宇等基于理想天文辐射下，将合肥和屯溪两个站点的辐射数据进行合并所得到的太阳总辐射计算公式[23]：

=Q(0.1538+0.5372) （1）

其中为太阳总辐射量，单位为MJ·m-2·d-1；Q为天文总辐射，单位为MJ·m-2·d-1；为日照百分率，根据安徽省20个气象站观测的日照时数计算所得。

1.2 趋势分析

通过一元线性回归分析代表站点1970—2020 年太阳辐射量的多年变化趋势[17]，斜率为正代表变化趋势为增加，斜率为负代表变化趋势为减少。

1.3 突变检验分析

主要对长时序的数据突变性进行检验，可明确数据的突变时间及区域并进行显著性检验。曲线按时间顺序呈正态分布，组成一条UF曲线，经信度检验可以得出序列是否有明显变化趋势，将该方法运用到反序列之中可以得到一条逆序曲线(UB曲线)，突变点为两条曲线在临界值线内的交点。在显著水平=0.05的水平下(两条曲线的临界值为±1.96)，＞0则表示序列呈上升趋势，反之则下降；当大于临界值(＞1.96)时，则表示上升趋势明显，反之则下降趋势明显[10]。

1.4 小波分析

小波分析可以将太阳辐射要素与时间序列相联系，反映太阳总辐射的周期变化和时域分布，本研究对安徽省年辐射总量进行小波分析。

1.5 可利用潜力分析

根据中国气象局颁布的“太阳能资源评估方法”，本试验分别通过丰富度、稳定度和利用价值评估安徽省太阳能资源总体状况[12]。其中丰富度根据太阳年累计平均辐射量分为：一般(<3 780 MJ·m-2)、丰富(3 780～5 040 MJ·m-2)、很丰富(5 040～6 300 MJ·m-2)和极丰富(>6 300 MJ·m-2)4个等级；以年平均日照时数大于6 h的天数作为太阳能资源利用价值评估，将≥280 d评估为利用期极长、280～240 d为很长、<240 d为长；日照稳定程度利用每月日照时数最大值与最小值的比值大于6 h天数表示，以< 2为稳定、2～4为较稳定、≥4为不稳定作为划分标准。

针对安徽省土地开发现状，参考周扬等太阳能应用潜力分析，估算安徽省屋顶光伏发电潜力[13]。安装光伏电池屋顶面积(W)及年光伏发电量(H)计算公式如下：

W为可利用屋顶面积，单位：m2；设可用屋顶全部用于光伏发电，α光伏普及率设定为100%；J为人造地表面积，单位：m2；根据安徽省地方标准《安徽省保障性住房建设标准》[24]，房屋密度为25%；为我国屋顶占居住区面积45%。H为年有效发电量，单位：kWh；W为光伏发电总峰值功率，单位：W；η为蓄电池库伦效率，本研究取0.86；η为逆变器效率，本研究取0.93；为衰变系数约为0.89；D年峰值日照时数为辐射量除系数3.6，单位：h;W为单晶硅电池的峰值功率，取240 W；为单晶硅电池面积4.47 m2。

2 结果与分析

2.1 太阳辐射空间分布特征

由图1可知，安徽省太阳年累计平均辐射量在空间上呈现北多南少，从北到南逐渐递减的趋势。皖北地区以亳州、宿州和蚌埠太阳年累计平均辐射量最高，分别达到4 669.4、4 662.3和4 576.1 MJ·m-2。皖中地区太阳辐射空间分布情况较为复杂，大部分地区太阳年累计平均辐射量处于4 000～4 500 MJ·m-2的范围内，但合肥太阳年累计平均辐射量高于其他地区，其值达到4 535.1 MJ·m-2；东部金寨、霍山太阳年累计平均辐射量较低，分别为3 608.4和3 962.6 MJ·m-2。皖南地区太阳年累计平均辐射量最低，以屯溪为最低仅达到3 568.8 MJ·m-2。

图1 安徽省年均太阳辐射空间分布(a)和资源分区情况(b)

Figure 1 Spatial distribution of annual mean solar radiation (a) and resource zoning (b) in Anhui

表 1 代表站点季节和年累计平均太阳辐射量

注：采用气象划分法划分四季（阳历3-5月为春季；6-8月为夏季；9-11月为秋季；12-次年2月为冬季）。

2.2 太阳辐射时间分布特征

安徽省太阳年累计平均辐射量由北向南递减。由表1可知，皖北地区亳州年累计平均辐射量可达4 669.4 MJ·m-2·a-1，其次为皖中地区合肥年累计平均辐射量达到4 535.1 MJ·m-2·a-1，皖南地区黄山为最小仅达到3 974.1 MJ·m-2·a-1。夏季太阳辐射量为全年中的最大值，其次是春季、秋季，冬季辐射量最少。

图2 安徽代表站点年均太阳辐射变化和M-K检验

Figure 2 Annual average solar radiation variation of representative stations in Anhui and M-K test

对3个代表站点1970—2020年太阳年累计辐射量变化趋势进行分析，亳州、合肥和黄山都呈下降趋势，每年分别以4.472、3.998与4.292 MJ·m-2的速度减小。亳州1995年前波动幅度较小，于1995年后波动幅度明显增大，且于2017年达到峰值（5 188.3 MJ·m-2），2003年为最低值（3 982.0 MJ·m-2）。合肥与黄山太阳辐射量近51年来波动幅度一致无明显变化趋势，合肥太阳辐射量波动范围为4 250～5 500 MJ·m-2，黄山站波动范围为3 500～4 500 MJ·m-2。

亳州UF线自1980年起持续低于0水平线，且存在下降趋势，2008年前后降至临界值水平线以下，于2013年前后回到置信区间内，且UF线、UB线存在多个突变点。合肥UF线呈先下降后上升、最后逐渐下降趋势，除1970—1971年与1983—1995年UF线都处于0水平之下，太阳辐射量总体呈下降趋势，2016—2018年突破临界值水平线，此时下降趋势十分明显，UF线与UB线的交点出现在1996年，出现负突变，与年均辐射量趋势变化一致。黄山UF线处于置信区间内围绕0上下波动，于2016年后呈下降趋势。

图3 安徽代表站点太阳辐射小波等值线图

Figure 3 Solar radiation wavelet contour map of representative stations in Anhui

2.3 太阳辐射周期

利用小波分析对3个代表站点1970—2020年年累计太阳辐射量进行周期分析，同一时间尺度下，数值正负和大小分别代表辐射的增减过程和周期变化的显著性。由图 2可知，亳州太阳辐射存在8～12 年和22～27 年两个不同时间尺度的周期变化。其中8～12 年时间尺度仅在1996—2018 年存在，22～27 年时间尺度具有全域性，经历了增-减-增的变化，闭合线在该周期聚集，振荡周期显著约为2～4 年。合肥太阳辐射存在4～9 年和16～20 年两个周期变化。4～8 年的周期变化仅分布于1970—1990 年，16～20 年的时间尺度具有全域性且经历了增-减的变化，该时间尺度下振荡周期约为2～4 年。黄山在8～15 年有一个小的变化周期，经历了增-减的变化，振荡周期比较紊乱约为2～3 年。太阳活动具有11年和22年两个周期，以小周期11年最为显著[25-26]。亳州和合肥太阳辐射量具有11年和22年周期变化，黄山太阳辐射量则存在11年周期变化，3个代表站点的周期变化均与太阳活动11 年周期具有一致性。

2.4 可利用潜力分析

安徽省太阳辐射量处于3 568.8～4 669.4 MJ·m-2的范围内，总体资源分区情况为丰富（3 780～5 040 MJ·m-2），仅西部及南部少数地区为一般（＜3 780 MJ·m-2）（图 1）。安徽省利用价值与日照稳定度呈现由北向南递减的趋势。由表 2，年平均日照时数大于6 h的天数均大于140 d且小于240 d，表明安徽省太阳能利用期长。亳州年均日照时数大于6 h的天数为最高达到206 d，黄山为最少仅147 d。安徽省日照稳定度处于2～4 d较稳定的范围内，其中以亳州地区日照稳定为最高，屯溪日照稳定度为最低。

表2 安徽省太阳能资源利用价值及日照稳定度情况

图4 安徽省土地利用情况(a)及可开发用地情况(b)

Figure 4 Land use (a) and developable land (b) in Anhui Province

土地利用情况对太阳能发展影响关键，基于下垫面类型对安徽省太阳能资源利用潜力进行讨论，图4为安徽省2020年10 m×10 m分辨率土地利用情况及可开发用地情况。皖北地区以耕地为主，皖中地区有水体、耕地和森林的存在，下垫面复杂，皖南地区森林面积占比较大。为了保护环境和耕地，将耕地、森林、草地、湿地和水体设定为禁止开发区，其中人造地表面积（可开发用地）为14 194.61 km2，而安徽省的裸地主要分布于西部及南部山区中，由于交通的不可达性，不予考虑。本研究假设屋顶面积全部可装光伏电池进行发电，并进行发电潜力的计算。计算结果如下：屋顶可装光伏电池面积为1 277.51 km2，集中于安徽省中部及北部，占全省面积的0.9%，发电潜力约为2.05×1014kJ。

3 讨论与结论

利用安徽省20个气象站点逐日日照时数，进行太阳辐射时空分布特征的研究。结果表明安徽省太阳辐射呈下降趋势，这与四川、湖南以及华南等地区研究结果一致[12,14,16]。何彬方等[27]认为安徽省日照时数的下降与气溶胶粒子浓度增加、水汽压和降水增加等显著相关，与胡景波等[28]和徐梦春等[29]关于气溶胶粒子影响日照时数的研究结果一致，这可能是本研究中太阳辐射呈下降趋势的原因。相关研究多为气象因素对日照时数或太阳辐射的影响，忽略了太阳周期活动的作用，肖子牛等研究表明太阳活动的周期变化与地球的气候变化具有相关性[30]；王刚等发现地球所接受的太阳辐射周期变化与太阳活动周期相符[31]。本研究中，经小波分析发现，安徽省代表站点太阳辐射量变化具有一定的周期性，均显示出了 11年左右变化周期。郝玉珠等在进行内蒙古太阳辐射量变化研究时发现存在11年的完整波动周期[10]。马金玉等对全中国近50年的太阳总辐射时空变化特征进行了研究，发现各地区均存在10～13 年和20～23 年的周期变化特征，与太阳活动周期具有一致性，以上研究均与本研究结果一致[32]。

本研究利用日照时数与经验公式分析安徽省太阳辐射空间分布。相关研究表明，局地地形对太阳辐射空间分布影响明显[33-34]。理论上太阳辐射应该与纬度成反比，但安徽省的辐射分布情况总体呈现北多南少，西部少数地区辐射量也较低。此现象应与安徽省地形有联系，皖南及西部少数地区日照时数少于皖北地区是由于多山地。安徽整体处于太阳能资源丰富区，可利用天数大于140 d，日照稳定度较稳定，太阳能发展可利用土地占全省面积的0.9%，集中于安徽省中部及北部，具有良好的光伏发展潜力。

安徽省太阳辐射量近51年来呈下降趋势。其中皖北地区太阳辐射总量大但变化也剧烈；皖中地区和皖南地区辐射量均在一定范围内波动。经小波分析发现，皖北地区亳州存在8～12年和22～27年两个周期变化，皖中地区合肥存在4～9年和16～20 年两个周期变化，皖南地区黄山在8～15年有一个变化周期。3个代表站点辐射变化具有周期性，均存在11年左右的周期变化，与太阳活动周期具有一致性。

安徽省总体太阳年均辐射量处于3 568.8～ 4 669.4 MJ·m-2·a-1的范围内，夏季辐射量最大。空间分布呈现北多南少的特征，亳州地区太阳年累计平均辐射量最多，安徽西部金寨地区与南部屯溪、祁门地区太阳年累计平均辐射量最少。太阳能资源程度评估如下：安徽省总体处于太阳能资源丰富区，仅西部和南部少数地区为资源一般区；从资源利用价值来看，安徽省太阳能资源可利用天数均大于140 d，利用期较长，日照稳定度处于2～4 d较稳定的范围内。

安徽省太阳能可开发用地集中于皖北及皖中地区，屋顶可装光伏电池面积为1 277.51 km2，集中于安徽省中部及北部，占全省面积的0.9%，发电潜力约为2.05×1 014kJ。

[1] 周祎, 顾阿伦. 中国风力发电成本下降和减排碳价分析[J]. 可再生能源, 2019, 37(7): 1084-1090.

[2] HU A X, LEVIS S, MEEHL G A, et al. Impact of solar panels on global climate[J]. Nat Clim Change, 2016, 6(3): 290-294.

[3] 黄震, 谢晓敏. 碳中和愿景下的能源变革[J]. 中国科学院院刊, 2021, 36(9): 1010-1018.

[4] QI L Q, ZHANG Y J. Effects of solar photovoltaic technology on the environment in China[J]. Environ Sci Pollut Res Int, 2017, 24(28): 22133-22142.

[5] SWEERTS B, PFENNINGER S, YANG S, et al. Estimation of losses in solar energy production from air pollution in China since 1960 using surface radiation data[J]. Nat Energy, 2019, 4(8): 657-663.

[6] LIN B Q, CHEN Y. The rapid development of the photovoltaic industry in China and related carbon dioxide abatement costs[J]. Reg Environ Change, 2020, 20(2): 49.

[7] 齐月, 房世波, 周文佐. 近50年来中国地面太阳辐射变化及其空间分布[J]. 生态学报, 2014, 34(24): 7444-7453.

[8] 黄盼, 赵伟, 李爱农. 川西山区太阳辐射估算及其时空分布特征[J]. 山地学报, 2017, 35(3): 420-428.

[9] LEI Y, LU X, SHI M, et al. SWOT analysis for the development of photovoltaic solar power in Africa in comparison with China[J]. Environ Impact Assess Rev, 2019, 77: 122-127.

[10] 郝玉珠, 李兴华, 胡亚男, 等. 内蒙古57年太阳能资源变化规律及影响因子[J]. 太阳能学报, 2021, 42(9): 145-151.

[11] 冯刚, 李卫华, 韩宇, 等. 新疆太阳能资源及区划[J]. 可再生能源, 2010, 28(3): 133-139.

[12] 梁玉莲, 申彦波, 白龙, 等. 华南地区太阳能资源评估与开发潜力[J]. 应用气象学报, 2017, 28(4): 481-492.

[13] 周扬, 吴文祥, 胡莹, 等. 江苏省可用太阳能资源潜力评估[J]. 可再生能源, 2010, 28(6): 10-13.

[14] 钟燕川, 马振峰, 徐金霞, 等. 基于地形分布式模拟的四川省太阳能资源评估[J]. 西南大学学报(自然科学版), 2018, 40(7): 115-121.

[15] 刘淳, 任立清, 李学军, 等. 1990—2019年中国北方沙区太阳能资源评估[J]. 高原气象, 2021, 40(5): 1213-1223.

[16] 杜东升, 张剑明, 张建军. 湖南省太阳能资源时空分布特征及评估[J]. 中国农学通报, 2015, 31(36): 170-175.

[17] 顾玮, 古丽·加帕尔, 尹瀚民, 等. 新疆南疆地区太阳能资源时空分布特征及区划研究[J]. 干旱区地理, 2021, 44(6): 1665-1675.

[18] GUEYMARD C A, LARA-FANEGO V, SENGUPTA M, et al. Surface albedo and reflectance: review of definitions, angular and spectral effects, and intercomparison of major data sources in support of advanced solar irradiance modeling over the Americas[J]. Sol Energy, 2019, 182: 194-212.

[19] HANAK D P , MANOVIC V. Linking renewables and fossil fuels with carbon capture via energy storage for a sustainable energy future[J]. Front Chem Sci Eng, 2020, 14(3): 453–459 .

[20] 牟初夫, 王礼茂, 屈秋实, 等. 主要新能源发电替代减排的研究综述[J]. 资源科学, 2017, 39(12): 2323-2334.

[21] 杨圣春, 项棵林, 杨帆. 我国太阳能热发电产业现状与展望[J]. 中外能源, 2017, 22(6): 19-23.

[22] 卢燕宇, 田红, 侯恩兵, 等. 实际地形下地表太阳总辐射的简化算法及应用[J]. 中国农业气象, 2017, 38(7): 397-406.

[23] 卢燕宇, 田红, 鲁俊, 等. 近50年安徽省太阳总辐射的时空变化特征[J]. 气象科技, 2016, 44(5): 769-775.

[24] 安徽省住房和城乡建设厅.安徽省保障性住房建设标准: DB34/1524-2019[EB/OL]. (2011-10-31)[2012-10-31]. ah. anhuinews.com/qmt/system/2011/10/31/004531988.shtml.

[25] 郝立生, 毕宝贵, 姚学祥. 太阳活动变化分析[J]. 空间科学学报, 2007, 27(4): 265-270.

[26] MCINTOSH S W, CHAPMAN S, LEAMON R J, et al. Overlapping magnetic activity cycles and the sunspot number: forecasting sunspot cycle 25 amplitude[J]. Sol Phys, 2020, 295(12): 1-14.

[27] 何彬方, 冯妍, 荀尚培, 等. 安徽省50年日照时数的变化特征及影响因素[J]. 自然资源学报, 2009, 24(7): 1275-1285.

[28] 胡景波, 邱杰, 王磊, 等. 南太湖地区紫外辐射强度及影响因子分析[J]. 太阳能学报, 2020, 41(9): 169-174.

[29] 徐梦春, 徐青山. 气溶胶粒子特性和垂直分布对辐射的影响[J]. 红外与激光工程, 2016, 45(2): 161-167.

[30] 肖子牛, 钟琦, 尹志强, 等. 太阳活动年代际变化对现代气候影响的研究进展[J]. 地球科学进展, 2013, 28(12): 1335-1348.

[31] 王刚, 颜双喜, 林敏. 海洋热含量对太阳总辐射11年周期变化的响应[J]. 气象科技进展, 2014, 4(4): 13-18.

[32] 马金玉, 罗勇, 申彦波, 等. 近50年中国太阳总辐射长期变化趋势[J]. 中国科学: 地球科学, 2012, 42(10): 1597-1608.

[33] 许宗文, 骆汉, 赵廷宁, 等. 基于GIS的复杂地形下的太阳直接辐射分布规律[J]. 中国水土保持科学, 2014, 12(3): 113-118.

[34] 文明章, 张容焱, 高建芸, 等. 基于地形的福建省太阳辐射模拟计算及评估[J]. 亚热带资源与环境学报, 2013, 8(3): 65-71.

Spatial and temporal distribution characteristics and evaluation of solar energy resources in Anhui Province

LI Dandan1, HE Hao1, QIU Hengshuai1, WU Ze1, PAN Feifan1, YANG Shuyun1, 2

(1. School of Resources and Environment, Anhui Agricultural University, Hefei 230036; 2. Hefei Agricultural Environmental Science Observation and Experimental Station, Ministry of Agriculture and Rural Affairs, Hefei 230036)

In order to clarify the spatial and temporal distribution characteristics and utilization of solar energy resources in Anhui Province, this study analyzed the spatial and temporal variation and utilization potential of solar radiation energy in Anhui Province based on the daily sunshine hours data of 20 meteorological stations from 1970 to 2020, with Bozhou, Hefei and Huangshan as representative stations in Anhui Province. The results showed that the spatial distribution of solar radiation in Anhui Province was more in the north and less in the south. The solar radiation in northern Anhui fluctuated greatly, while the solar radiation in central Anhui and southern Anhui fluctuated within a certain range. The 11-cycle variation of each representative station was consistent with the solar activity cycle. Anhui Province is generally in the area of abundant solar energy resources, with a long utilization period and stable sunshine. The area of photovoltaic cells that could be installed on the roofs of Anhui Province was 1 277.51 km, concentrated in the central and northern parts of Anhui Province, accounting for 0.9% of the province's area, with a power generation potential of about 2.05×1014kJ.

solar energy resources; Anhui Province; resource assessment; temporal and spatial distribution characteristics

TK511

A

1672-352X (2022)06-0990-07

10.13610/j.cnki.1672-352x.20230106.019

2023-01-10 13:28:30

[URL] https://kns.cnki.net/kcms/detail//34.1162.S.20230109.1150.003.html

2021-12-07

国家重点研发项目(2017YFD0301301-1)资助。

李丹丹，硕士研究生。E-mail：1104813422@qq.com.com

杨书运，博士，教授。E-mail：yangshy@ahau.edu.cn