Spatio-Temporal Pattern of Bioclimatic Indicators and Sensitivity of Vegetation in Qinling-Daba Mountains
-
摘要: 秦巴山区地处我国南北气候过渡带，是气候变化的敏感区和生态环境的脆弱区，也是全球变暖背景下研究植被对气候响应的热点区域。本文选取89个气象站点的观测数据和植被遥感数据作为研究对象，给出1982—2015年秦巴山区年均温、年降水量、积温等10个生物气候指标的时空格局，并基于地理探测器和相关分析探讨了植被对生物气候指标的敏感性。秦巴山区生物气候指标的时空分布特征包括：1）山区年均温由东南向西北递减，年降水量由南向北递减，两者均由低海拔向高海拔递减；2）积温、积温日数和温暖指数的分布表明，山区东部热量条件最优、西部较差，最暖月均温分布格局与温暖指数高度一致；3）山区干燥度由南向北递增，干旱频率由西向东递增；4）生物气候指标随时间变化的特征为热量条件显著改善，水分条件不显著地改善，水热组合条件有变干旱的趋势，区域干旱频率增加。生物气候指标的变化影响了山区的植被覆盖。一方面，反映高温或热量总量的指标和干旱频率对植被分布的解释力较高；另一方面，植被与积温的相关性最显著，大部分站点的植被变化受热量指标影响，水分和水热组合指标主导低纬度地区植被变化。研究结果可为我国南北过渡带的植被变化预估和生态可持续性保护提供理论支撑。Abstract: Qinling-Daba Mountains, located in China's north-south climatic transitional zone in China, have been sensitive to climate change with a vulnerable environment. This region is also a hot area for studying the vegetation responses to climate under global warming. Based on the observation data of 89 meteorological stations and remote sensing vegetation data, we explored the spatio-temporal patterns of ten bioclimatic indicators, including annual average temperature, annual precipitation, and accumulated temperature in the Qinling-Daba Mountains from 1982 to 2015. The sensitivity of vegetation to bioclimatic indicators was discussed according to the geographical detector and correlation analysis. The spatio-temporal distributions of bioclimatic indicators in the Qinling-Daba Mountains were summarized as follows, (1) The annual average temperature decreased from southeast to northwest in Qinling-Daba Mountains, while the annual precipitation decreased from south to north. In addition, both of them decreased from low to high altitude. (2) The distribution of accumulated temperature, accumulated temperature days, and warm index showed that the overall heat condition in the eastern Qinling-Daba Mountains was optimal, while the western part was relatively poor. The warmest month's average temperature distribution was highly consistent with the warm index. (3) The dryness increased from south to north, with the drought frequency increasing from west to east. (4) Meanwhile, the temporal variations of bioclimatic indicators were characterized by significantly improved heat conditions, insignificantly improved water conditions, drying hydrothermal conditions, and increasing regional drought. The bioclimatic indicator changes affected the vegetation coverage of the Qinling-Daba Mountains. On the one hand, bioclimatic indicators reflecting high temperature or accumulated heat and drought frequency had a higher explaining capacity for vegetation distribution. On the other hand, vegetation was significantly correlated to accumulated temperature in most stations. The vegetation change in most areas was affected by the heat indicators, while the moisture and hydrothermal indicators dominated the vegetation change in low-latitude areas. Our study will provide theoretical support for vegetation change prediction and ecological sustainability protection in China's north-south climatic transitional zone.
-
秦岭是我国传统意义上的南北地理分界线，也是亚热带和暖温带的分界线[1]。在2017年国家科技基础资源调查专项“中国南北过渡带综合科学考察”中，将“分界线”这一概念扩充为了以秦岭—大巴山（以下简称“秦巴山区”）为主体的南北过渡带，为我国地理格局、山区经济以及历史文化等方面的研究提供了新的思路[2]。作为一个完整的自然地理单元，秦巴山区内自然资源丰富[3]，森林植被的水平和垂直结构变化复杂，这与其典型的过渡带气候条件密切相关。联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC)第6次报告指出，自工业革命以来，人类活动导致全球平均气温升高1.1 ℃，并在未来20年将达到或超过1.5 ℃。升温导致了中国温度带的显著北移[4]。秦巴山区位于我国南北气候过渡带，是气候变化的敏感区域，也是全球变暖背景下研究植被对气候响应的热点区域[5]。有研究指出，受复杂地形和东亚季风影响，秦巴山区内存在夏季强、冬季弱的显著垂直地带性[6]。因此，秦巴山区地表植被分布及其对气候的响应具有显著的三维空间分异性[7-8]。
生物气候指标在刻画气候特征的同时具有明确的生态学意义。年均温、年降水量、最冷月和最暖月均温、干燥度等生物气候指标被广泛地应用于分析植被的结构、功能与环境的定量关系[9]。有研究表明，年均温的逐年增加导致了我国整体植被改善，而区域的归一化植被指数（Normalized Difference Vegetation Index，NDVI）差异则取决于年降水的空间变化[10-11]。同时，极端的温暖指数与NDVI年际变化呈现显著负相关，而极端的降水和寒冷指数与则与NDVI呈显著正相关[12]。另外，干燥度和标准化降水指数（（Standardized Precipitation Index，SPI）等反映干旱对植被生长的胁迫作用的指数，与区域尺度植被变化具有显著的相关性[13-14]。具体到秦巴山区，从温暖指数和植被分异的角度分析，与大巴山相比，秦岭更符合南北分界线的条件[1]。此外，山区内的油松林和马尾松林分布与年均温、最冷月气温和最暖月气温具有较好的相关关系[15]。
基于气象站点观测数据和全球植被指数变化研究（Global Inventory Modeling and Mapping Studies，GIMMS） NDVI植被数据，本文给出了1982—2015年秦巴山区年均温、年降水量、温暖指数、寒冷指数、最暖月均温、最冷月均温、积温、积温日数、干燥度以及SPI等10个生物气候指标的时空格局，明确了气候变化的区域生态学意义；同时，从空间分布和时间动态2个角度，探讨了植被对生物气候指标的敏感性，并在对秦巴山区的植被变化进行归因，以期为我国南北过渡带的植被变化预估和生态可持续性保护提供理论支撑。
1. 研究区概况
秦巴山区是指汉水上游的秦岭、大巴山及其毗邻地区，占地约29.9万km2。该区域地跨陕西、甘肃、湖北、重庆、四川和河南5省1市，主体位于陕南地区（图1）。秦岭大巴山地形起伏大，主体海拔约为1 000~3 000 m，为中生代末以来全面隆起的褶皱山地。汉江贯穿秦岭大巴山，由于长期差异升降运动，形成了以中山为主体，兼有高山和高中山、中山、低山丘陵、黄土台塬及山间盆地等地貌。高山主要分布在秦岭太白山—鳌山一带，海拔为3 000~3 767 m，比渭河平原约高2 800 m。中山分布于略阳、佛坪—宁陕、镇安—山阳—商州—丹凤等地，海拔为600~1 800 m。低山位于汉中、安康和西乡盆地边缘等地，海拔为170~1 000 m，绝大部分地区海拔为800 m以下。
![]()
图 1 秦巴山区地形和气象站点分布Figure 1. Distribution of topographic and meteorological stations in Qinling-Daba Mountains2. 研究方法
本文选取的气象数据来源于中国气象数据网（http://data.cma.cn/site/index.html），选用1982—2015年间秦巴山区范围内89个气象站点的气温降水数据（表1）；选用的海拔数据为美国国家航空航天局（National Aeronautics and Space Administration，NASA）和日本经济产业省（Ministry of Economy, Trade and Industry，METI）合作开发的全球数字高程模型（the Terra Advanced Spaceborne Thermal Emission and Reflection Radiometer Global Digital Elevation Model data，Aster GDEM，https://lpdaac.usgs.gov/products/astgtmv003/），其空间分辨率为1弧秒（在赤道处约为30 m）。考虑到研究区地形复杂、海拔落差大，本文采用以海拔为协变量的协同克里金差值方案对气象站点的气温和降水数据进行插值，以获得整个秦巴山区气象数据集。此外，本文采用的GIMMS NDVI植被数据来源于NASA。该数据集提供了全球范围内1982—2015年的归一化植被指数，最高时间分辨率为15 d，空间分辨率为1/12°。本文采用最大值合成法（the maximum value composite，MVC）初步消除云、大气和陆地表面等要素的干扰，并得到年最大NDVI数据。在此基础上，本文引入一套基于土地覆被利用和遥感数据时空连续性的质量控制算法，删除由阴影或高地表反射率导致的无效值，进一步优化遥感数据的质量[16]。
表 1 秦巴山区气象站点数据Table 1. List of meteorological stations in Qinling-Daba Mountains站点序号 站点名称 经度(°E) 纬度(°N) 海拔(m) 站点序号 站点名称 经度(°E) 纬度(°N) 海拔(m) 52985 和政 103.3 35.4 2 162.8 57137 宁陕 108.3 33.3 802.4 56071 碌曲 102.5 34.6 3 105.7 57140 柞水 109.1 33.7 818.2 56081 临潭 103.4 34.7 2 810.2 57143 商县 110.0 33.9 742.2 56084 迭部 103.2 34.1 2 374.2 57144 镇安 109.2 33.4 693.7 56091 漳县 104.5 34.9 1 883.3 57153 丹凤 110.3 33.7 581.7 56093 岷县 104.0 34.4 2 315.0 57154 商南 110.9 33.5 523.0 56094 舟曲 104.4 33.8 1 400.0 57155 山阳 109.9 33.6 660.2 56095 宕昌 104.4 34.0 1 753.2 57156 西峡 111.5 33.3 250.3 56096 武都 104.9 33.4 1 079.1 57162 嵩县 112.1 34.1 325.8 56097 九寨沟 104.3 33.3 1 436.5 57176 南召 112.4 33.5 231.1 56180 茂县 103.9 31.7 1 590.1 57204 青川 105.2 32.6 782.0 56182 松潘 103.6 32.7 2 850.7 57206 广元 105.9 32.4 513.8 56184 理县 103.2 31.4 1 896.7 57211 宁强 106.3 32.8 836.1 56185 黑水 103.0 32.1 2 400.1 57213 南郑 106.9 33.0 536.5 56192 文县 104.7 33.0 1 014.3 57216 南江 106.8 32.4 579.3 56193 平武 104.5 32.4 893.2 57217 旺苍 106.3 32.2 485.7 57001 甘谷 105.3 34.8 1 271.9 57231 紫阳 108.5 32.5 503.8 57006 天水 105.8 34.6 1 141.6 57232 石泉 108.3 33.1 484.9 57007 礼县 105.2 34.2 1 404.6 57233 汉阴 108.5 32.9 413.1 57008 西和 105.3 34.0 1 579.0 57237 万源 108.0 32.1 674.0 57014 麦积 105.9 34.6 1 085.2 57238 镇巴 107.9 32.5 693.9 57028 太白 107.3 34.0 1 543.6 57242 旬阳 109.4 32.9 285.5 57046 华山 110.1 34.5 2 064.9 57245 安康 109.0 32.7 290.8 57057 洛南 110.2 34.1 963.4 57247 岚皋 108.9 32.3 438.5 57065 宜阳 112.2 34.5 196.4 57248 平利 109.3 32.4 431.0 57067 卢氏 111.0 34.1 569.9 57249 竹溪 109.7 32.3 448.2 57074 伊川 112.4 34.4 252.2 57251 郧西 110.4 33.0 249.1 57077 栾川 111.6 33.8 750.3 57253 郧县 110.8 32.9 201.9 57078 汝阳 112.5 34.2 336.5 57254 白河 110.1 32.8 322.5 57080 巩义 113.0 34.7 165.2 57256 十堰 110.8 32.7 286.5 57082 登封 113.0 34.5 427.1 57257 竹山 110.2 32.2 307.0 57085 新密 113.3 34.5 259.9 57259 房县 110.8 32.1 426.9 57102 成县 105.7 33.8 970.0 57260 丹江口 111.5 32.6 133.4 57105 康县 105.6 33.3 1 221.2 57261 淅川 111.5 33.1 233.0 57106 略阳 106.2 33.3 794.2 57268 谷城 111.6 32.3 120.0 57110 徽县 106.1 33.8 930.8 57333 城口 108.7 32.0 798.2 57111 两当 106.3 33.9 961.4 57343 镇坪 109.5 31.9 995.8 57113 凤县 106.5 33.9 985.9 57345 巫溪 109.6 31.4 337.8 57119 勉县 106.7 33.2 548.1 57349 巫山 109.9 31.1 275.7 57124 留坝 106.9 33.6 1 032.1 57359 兴山 110.7 31.4 336.8 57126 洋县 107.6 33.2 469.9 57361 保康 111.3 31.9 327.7 57127 汉中 107.0 33.1 509.5 57362 神农架 110.7 31.8 935.2 57128 城固 107.3 33.2 486.4 57363 南漳 111.8 31.8 151.0 57129 西乡 107.7 33.0 447.5 57368 运安 111.6 31.1 116.0 57134 佛坪 108.0 33.5 827.2 2.1 生物气候指标
常用的生物气候指标主要分为3类：热量指标、水分指标和水热组合指标。本文选取的热量指标有平均气温、最暖月均温、最冷月均温、温暖指数、寒冷指数、积温以及积温日数；选取的水分指标为年降水量；水热组合指标有干燥度和SPI。生物气候指标见表2。上述指标均由站点观测气温和降水数据计算得到。其中，干燥度指标采用我国科学家基于中国的实际情况修正的谢良尼诺夫干燥指数[17]。修正后的指数计算公式为：
表 2 生物气候指标Table 2. Bioclimatic indicators指标类型 指标名称 指标意义 备注 热量指标 平均气温 多年平均气温 采用站点观测 2 m 处日均气温计算 最暖月均温 多年平均的最热月气温 最冷月均温 多年平均的最冷月气温 温暖指数 一年内大于5 ℃的各月平均气温累加 寒冷指数 一年内小于5 ℃的各月平均气温累加 积温 多年平均的一年内大于10 ℃的温度累积 积温日数 多年平均的一年内大于10 ℃的日数 水分指标 年降水量 一年中一个地区降水(包括液态和固态降水)的总量 水热组合指标 干燥度 表征地区干湿程度的指标 谢良尼诺夫干燥指数 SPI 采用Γ函数的标准化降水累积频率分布表征某时段降水量出现的概率 基于月尺度SPI提取干旱频率 K=0.16∗AT10AP10， (1) 式（1）中，
K 表示干燥度；AT10 表示全年≥10 ℃的积温；AP10 表示全年≥10 ℃期间的降水量。其中，4.0、1.5和1.0等值线分别可以作为干旱与半干旱区、干旱亚湿润与半干旱区以及湿润与干旱亚湿润区的分界线。此外，SPI是先通过计算降水量的Γ分布概率来描述降水量的变化，再经正态标准化得到的指数，常用于反映区域干旱强度和持续时间，是我国气候生态研究中常用的指数[18]。SPI具有多个时间尺度，本文选择月尺度以更清晰地反映旱涝的变化。表3给出了不同等级干旱对应的SPI值。本文统计了1982—2015年秦巴山地发生干旱事件的频率。干旱发生频率P的计算公式如下：表 3 SPI干旱等级划分[19]Table 3. SPI drought classification重度干旱 中度干旱 轻度干旱 非干旱 SPI ≤ −2.0 −2.0 ＜ SPI ≤ −1.0 −1.0 ＜ SPI ＜ −0.5 −0.5 ≥ SPI p=nN∗100%， (2) 式（2）中，
n 表示干旱事件发生的日数；N 表示资料序列总日数。考虑到秦巴山地的实际情况，本文统计了中等及以上的干旱事件的发生频率以及SPI ≤−1.0日数的占比。2.2 地理探测器
地理探测器是探测空间分异性、揭示其背后驱动力的一组统计学方法[20-21]。地理探测器包括风险探测、因子探测、生态探测和交互探测4个主要部分。本文主要采用因子探测，分析不同生物气候指标对NDVI空间分布的解释力，计算公式为：
q=1−1Nσ2∑Lh=0Nhσh2=1−SSWSST， (3) 式（3）中，
q 值表示不同因子解释力的度量值；N 和σ2 分别表示总体样本量和方差；Nh 和σh 表示h层的总体样本量和方差。q 的取值范围为[0,1]，q 值越接近1，则表明该因素的解释力越强，即对NDVI空间分布更重要的贡献；q 值越小，则说明该因素对NDVI分步的影响越小。本文利用P值来衡量因子解释力的显著性。2.3 回归和相关分析
本文基于Matlab中的regress函数，计算NDVI和生物气候指标的时间序列，得到回归系数、置信区间和显著性概率等信息，分析1982—2015年秦巴山区的植被和生物气候指标的变化趋势。同时，本文利用P值或R2判断变化趋势的显著性。
此外，本文基于相关分析探讨NDVI对生物气候指标时间变化的敏感性，计算了NDVI时间序列和各生物气候指标序列之间的Pearson相关系数
r [22]，即2个变量之间协方差和标准差的商，其计算公式如下：r=∑ni=1(Xi−−X)(Yi−−Y)√∑ni=1(Xi−−X)2√∑ni=1(Yi−−Y)2， (4) 式（4）中，X和Y分别表示NDVI和生物气候指标样本序列；
n 表示样本序列长度；−X 和−Y 表示样本均值。r 的取值范围为[−1,1]，当r >0时，则表示NDVI与生物气候指标变化呈正相关；当r <0时，则呈负相关。|r| 越接近0，则表明相关性越弱。此外，本文采用t检验来分析相关系数的显著性。3. 结果与分析
3.1 生物气候指标空间分布
3.1.1 气候背景
秦巴山区地跨暖温带半湿润气候区和北亚热带湿润气候区。1982—2015年受纬度和海拔制约，秦巴山区气温整体由东南向西北递减，由低海拔向高海拔递减（图2a）。气温高值区出现在山区东部低海拔平原地区，最高平均气温高于15.5 ℃；气温低值区位于山区西部青藏高原东缘高海拔地区，最低平均气温低于10.0 ℃。同时，山区多年平均降水量由南向北，由低海拔向高海拔递减（图2b）。秦巴山区南部降水充沛，年降水量为1 100 mm以上。年降水量最低值位于秦岭西部彰县、岷县附近，其值小于550 mm。
![]()
图 2 1982—2015年秦巴山区（a）平均气温和（b）平均年降水量Figure 2. (a) average temperature and (b) average annual precipitation in Qinling-Daba Mountains from 1982 to 20153.1.2 热量指标空间分布
除年均气温外，本文给出了1982—2015年最暖月均温、最冷月均温、温暖指数、寒冷指数、积温以及积温日数等热量指标的平均空间分布（图3）。这6个热量指标的总体分布格局和平均气温具有较高的一致性。积温、积温日数和温暖指数这3个反映热量总量的指数表明，秦巴山区东部热量条件最优，西部较差，东西部之间热量条件由西北向东南显著改善（图3a—图3c）。最暖月均温分布格局与温暖指数等指标高度一致，这表明在秦巴山区最暖月气温较大程度决定区域的热量条件（图3a和图3e）。此外，寒冷指数和最冷月均温呈现显著的西南东北向带状分布的格局（图3d—图3f）。对比积温、寒冷指数和最冷月均温分布可以发现，虽然秦巴山区西南部年均积温最低，但其寒冷指数明显小于（最冷月均温大于）山区西北部，这表明山区西南部相比西北部夏天更冷，冬天更热，年温差更小。
![]()
图 3 1982—2015年秦巴山区热量指标空间分布注：（a）平均积温；（b）积温日数；（c）温暖指数；（d）寒冷指数；（e）最暖月均温；（f）最冷月均温分布。Figure 3. Spatial distribution of heat index in Qinling-Daba Mountains from 1982 to 20153.1.3 水热组合指标空间分布
1982—2015年秦巴山区干燥度和干旱频率的空间分布特征见图4a。研究区干燥度整体由南向北递增（图4a），干旱区域主要位于秦巴山区北部，最干旱区位于秦岭西段漳县、岷县以及伏牛山以北登封密县附近。前者为秦巴山区降水最少区域，后者则为纬度较高的高温区，气候特征暖干。相对湿润区主要位于山区南部，尤其是气温较低、降水充沛的山区西南部高海拔地区。
![]()
图 4 1982—2015年秦巴山区（a）平均干燥度和（b）干旱频率Figure 4. (a) Average dryness and (b) drought frequency in Qinling-Daba Mountains from 1982 to 20151982—2015年秦巴山区中度和重度干旱事件发生的频率由西向东递增。山区西部干旱事件发生频率较低，最低小于31.5%；山区东部干旱频率较高，最高大于34.5%。干旱频率在山区中部的分布特征较为复杂：高海拔地区（如大巴山东段和秦岭东段），干旱频率较低；低海拔地区（如汉江谷地），干旱频率较高。
3.2 生物气候指标时间动态
本文计算了秦巴山区内89个气象站点处生物气候指标的算术平均值，并分析了其变化趋势（图5和图6）。1982—2015年秦巴山区热量指标整体增加。其中，年均气温和反映热量总量的3个指标（即温暖指数、积温和积温日数）增加趋势最为显著，其增幅分别为0.4 ℃/10a（R2=0.51）、3.5 ℃/10a（R2=0.53）、135.0 ℃/10a（R2=0.55）和5.5 d/10a（R2=0.49）。这表明在全球变暖背景下，秦巴山区热量条件显著改善（图5a—图5d）。同时，最暖月均温变化速率（0.4 ℃/10a，R2=0.24）和年均气温基本保持一致（图5e）。此外，2个反映低温的指标（即寒冷指数和最冷月均温）的上升趋势相对较为平缓（图5f和图5g），寒冷指数的上升速率和显著程度（0.8 ℃/10a，R2=0.18）远低于温暖指数，而最冷月均温上升速率和显著程度（0.15 ℃/10a，R2=0.08）远低于最暖月均温，这表明秦巴山区的增温在较暖的月份相对更为显著（月均气温>5 ℃）。
![]()
图 5 1982—2015年秦巴山区各生物气候指标变化Figure 5. Changes of bioclimatic indicators in Qinling-Daba Mountains from 1982 to 2015![]()
图 6 1982—2015年秦巴山区SPI变化Figure 6. SPI changes in Qinling-Daba Mountains from 1982 to 2015相较于热量指标，水分指标和水热组合指标的变化趋势更不显著。1982—2015年秦巴山区平均年降水量以7.8 mm/10a的速率增加，增加趋势不显著（R2=0.05）（图5h）。同时，山区平均干燥度增加，增加速率为0.03/10a，趋势同样不显著（R2=0.04）（图5i）。此外，研究区月尺度SPI下降显著（图6），这表明秦巴山区干旱事件时间的发生频率增加。
总之，秦巴山区生物气候指标变化可以总结为：热量条件显著改善；水分条件改善不显著；水热组合条件有变干旱的趋势；区域干旱频率增加。
3.3 植被分布及变化
秦巴山区整体植被覆盖水平较高，1982—2015年区域平均NDVI高达0.82，植被类型以森林、草地和耕地为主。秦巴山区植被覆盖随海拔和地形分异显著（图7a），NDVI大值区主要位于高海拔区，如秦岭、米仓山、大巴山周边，最高NDVI为0.9以上，植被类型以落叶阔叶林和混交林为主。NDVI最小值区主要位于秦岭褶皱带西延部分甘谷、礼县等，最低NDVI低至0.4，植被类型以耕地为主。同时，汉江谷地和豫西低山丘陵区等低海拔地区植被覆盖水平显著低于周边山地，NDVI约为0.6~0.7。
![]()
图 7 1982–2015年秦巴山区（a）平均NDVI（b）和NDVI变化趋势注：图7b中空白区域的NDVI变化趋势不显著（p<0.05）。Figure 7. Change trend of (a) average NDVI (b) and NDVI in Qinling-Daba Mountains from 1982 to 20151982—2015年秦巴山区植被覆盖整体显著改善，区域平均NDVI增加率约为0.02/10a。NDVI增加趋势在植被覆盖水平较低的区域更为显著，如汉江谷地和西秦岭部分地区等，最大NDVI增加速率高达0.06/10a。植被显著退化区主要位于山区北部青藏高原东缘岷山、羊拱山等高海拔地区，最大NDVI递减率约为−0.06/10a。
4. 讨论
气候因子是影响全球植被变化的重要指标，相较于传统的气候指标，生物气候指标具有更明确的生态意义，在植被分布和变化的模拟上具有显著的效果。本文从植被空间分布和时间动态２个角度，讨论秦巴山区植被对生物气候指标的敏感性。
4.1 植被空间分布对生物气候指标的敏感性
本文基于地理探测器定量分析不同生物气候指标对植被空间分布的影响。输入气温、降水、积温等9个生物气候指标，地理探测器的因子探测结果表明，9个指标对植被分布均有显著的影响（表4）。温暖指数、干旱频率、积温、最暖月均温和平均气温这5个生物气候指标对植被分布的解释力相对较强（q>0.20）。其中，温暖指数的解释力最大（q=0.243），干旱频率其次（q=0.242）。指标解释力的排名表明，反映高温或热量总量的生物气候指标对植被分布的解释力整体较高，反映低温的指标的解释力最低，这表明暖季气温相较于冷季气温对植被分布的影响更大。此外，干旱频率的解释力远高于干燥度和年降水量的解释力，这表明极端降水事件的发生对植被分布有重要影响，与现有研究的结论保持一致[23]。
表 4 地理探测器因子探测结果Table 4. Geodetector factor detection results生物气候指标 温暖指数 干旱频率 积温 最暖月均温 平均气温 q统计量 0.243 0.242 0.237 0.236 0.223 P值 0.000 0.000 0.000 0.000 0.000 生物气候指标 积温日数 干燥度 年降水量 最冷月均温 寒冷指数 q统计量 0.190 0.168 0.139 0.137 0.118 P值 0.000 0.000 0.000 0.000 0.000 4.2 植被变化对生物气候指标的敏感性
本文通过计算各站点处NDVI时间序列与生物气候指标时间序列之间的Pearson相关系数，分析NDVI对生物气候指标随时间变化的敏感性（表5）。1982—2015年在89个气象站点中，有46个站点处的NDVI时间序列与生物气候指标的相关性通过0.1显著性水平检验，35个站点通过0.05显著性水平检验。NDVI与反映热量总量的生物气候指标（即年均气温、温暖指数、积温和积温日数）在较多站点显著相关，其中，NDVI与积温在最多的站点显著相关（21个，通过0.05显著性检验）。这表明在生物气候指标中，反映热量总量的指标对秦巴山区整体植被变化起到相对更重要的作用，其他指标对NDVI的影响更具有局地的显著性。一方面，最暖月均温在伊川、新密和佛坪3个站点与NDVI显著相关，寒冷指数在碌曲、渑池、城固和嵩县4个站点与NDVI显著相关，普遍位于山区高纬侧（33°N以北）；另一方面，降水和干旱频率各有3个站点与NDVI显著相关，且二者与NDVI相关的站点具有较高的一致性，主要位于降水充沛的低纬度地区。此外，最冷月均温和干燥度对NDVI影响的显著性相对较差。
表 5 生物气候指标与NDVI相关分析结果Table 5. Correlation analysis results of bioclimatic indicators and NDVI生物气候指标 NDVI变化与指标显著相关的站点 年均气温 碌曲、迭部、漳县、松潘、甘谷、麦积、洛南、渑池、伊川、偃师、汝阳、登封、成县、城固、佛坪、宁陕、商县、丹凤、山阳、西峡、嵩县、青川、旺苍、安康、岚皋、竹山、房县 温暖指数 迭部、漳县、甘谷、麦积、洛南、伊川、偃师、汝阳、登封、成县、城固、佛坪、宁陕、商县、丹凤、山阳、西峡、青川、旺苍、安康、岚皋、竹山、房县 寒冷指数 碌曲、漳县、渑池、伊川、城固、西峡、嵩县 积温 迭部、漳县、岷县、松潘、甘谷、麦积、洛南、伊川、偃师、汝阳、登封、成县、康县、留坝、城固、佛坪、宁陕、商县、镇安、丹凤、山阳、西峡、青川、旺苍、安康、竹山、房县 积温日数 迭部、漳县、岷县、松潘、甘谷、麦积、洛南、伊川、偃师、登封、成县、康县、徽县、两当、凤县、留坝、城固、西乡、佛坪、宁陕、柞水、商县、镇安、丹凤、山阳、西峡、青川、旺苍、竹山、房县 最冷月均温 碌曲、渑池、伊川、嵩县 最暖月均温 迭部、洛南、伊川、新密、佛坪、丹凤、镇巴、镇坪 降水 临潭、宕昌、茂县、黑水、嵩县、青川、旺苍 干旱频率 临潭、宕昌、茂县、黑水、嵩县、青川、广元、旺苍、保康 干燥度 茂县、西和、登封、保康 注：加粗站点的NDVI变化与指标的相关性通过0.05显著性水平检验；未加粗站点的NDVI变化与指标的相关性通过0.1显著性水平检验。 为了更直观地表示生物气候指标对NDVI影响的区域性差异，本文基于相关系数的显著性识别各站点（NDVI与生物气候指标的相关性通过0.1显著性检验的站点）NDVI变化的主导生物气候指标，并进行三维可视化（图8）。研究结果表明，大部分站点（39个站点）NDVI变化主要受热量指标影响，水分和水热组合指标主要在低纬度降水充足地区（7个站点）主导NDVI变化。值得注意的是，宕昌和西河的NDVI变化仅与水分或水热组合指标相关。
![]()
图 8 植被变化主要影响要素的三维分布Figure 8. Three dimensional distribution of main influencing factors of vegetation change就整体而言，秦巴山区生物气候指标对植被指数的影响具有显著的三维分异性。山区大部分地区的植被变化主要受热量指标影响，水分和水热组合指标在相对低纬度（33°N以南）的湿润区影响较大。
4.3 与现有研究进展的比较
现有研究表明，自20世纪以来，秦巴山区植被覆盖变化具有显著的时间和空间差异。一方面，山区在2010年之前植被覆盖呈现持续增加的趋势，但在2010年之后呈现连续下降态势[23]；另一方面，2000—2015年秦巴山区NDVI变化趋势以正趋势为主，负趋势主要出现在山区西部、东南部以及中部的少数地区[24]。本文基于更长时序的NDVI数据，进一步证实了在全球增暖趋势下，1982—2015年秦巴山区的植被覆盖水平整体显著提升。同时，1982—2015年NDVI减少的区域同样位于山区西部、东南部以及中部的少数地区，这与2000年以后的格局保持高度一致。
此外，秦巴山区地表植被对气候的响应具有显著的三维空间分异性[7]。有研究表明，秦巴山区植被覆盖与气温变化的相关性较降水更高，在高海拔地区植被变化对温度变化更敏感，在低海拔地区对降水更敏感[11]，这与本文的研究结果一致。在此基础上，本文基于生物气候指标分析植被变化的敏感性进一步发现，相较于气温，植被变化对年热量总量（积温、温暖指数）和最暖月均温更加敏感。而相较于冬季，夏季气温对植被变化有更重要的影响。与此同时，区域极端干旱事件对山区的植被覆盖变化具有关键的影响，其重要性甚至可以比肩气温。由此可以推断，秦巴山区作为我国的南北过渡带，亦是极端气候事件（主要是高温和极端降水）的敏感区。
除气候变化之外，人类活动亦是导致秦巴山区植被改善的重要原因。秦巴山区作为我国生物多样性最为丰富的地区之一，拥有多个国家级自然保护区[25]。各自然保护区内，人类活动对自然的破坏减少，植被生长状况整体呈现显著增加趋势或维持稳定状态[26]。在全球气候变化的背景下，自然保护地对的生态服务功能受到限制，面临着严峻的挑战[27]。本文强调了秦巴山区植被覆盖对暖季温度和极端气候事件的敏感性，以期为山区内自然保护地的气候适应策略提供理论支撑。
5. 结论
本文基于站点观测和植被遥感数据，给出了1982—2015年秦巴山区生物气候指标的时空格局，从空间分布和时间动态两个角度，探讨了植被对生物气候指标的敏感性，得到以下结论：
1）秦巴山区多年平均气温整体由东南向西北，由低海拔向高海拔递减；年降水量由南向北，由低海拔向高海拔递减。山区东部整体热量条件最优，西部较差，东西部之间热量条件由西北向东南显著改善。寒冷指数和最冷月均温呈现显著的西南东北向带状分布格局。同时，研究区干燥度整体由南向北递增，重度干旱事件发生的频率由西向东递增。
2）1982—2015年秦巴山区热量指标整体显著改善，尤其是反映热量总量的指标；年降水量不显著地增加，水热条件有变干旱的趋势，区域干旱频率增加。
3）反映高温或热量总量的生物气候指标对植被的空间分布的解释力较高，并且干旱频率也具有较强的解释力；植被和积温在最多的站点（21个）显著相关，大部分站点的植被变化主要受热量指标影响，水分和水热组合指标在低纬度湿润区影响较大。
-
![]()
图 1 秦巴山区地形和气象站点分布
Figure 1. Distribution of topographic and meteorological stations in Qinling-Daba Mountains
![]()
图 2 1982—2015年秦巴山区（a）平均气温和（b）平均年降水量
Figure 2. (a) average temperature and (b) average annual precipitation in Qinling-Daba Mountains from 1982 to 2015
![]()
图 3 1982—2015年秦巴山区热量指标空间分布
注：（a）平均积温；（b）积温日数；（c）温暖指数；（d）寒冷指数；（e）最暖月均温；（f）最冷月均温分布。
Figure 3. Spatial distribution of heat index in Qinling-Daba Mountains from 1982 to 2015
![]()
图 4 1982—2015年秦巴山区（a）平均干燥度和（b）干旱频率
Figure 4. (a) Average dryness and (b) drought frequency in Qinling-Daba Mountains from 1982 to 2015
![]()
图 5 1982—2015年秦巴山区各生物气候指标变化
Figure 5. Changes of bioclimatic indicators in Qinling-Daba Mountains from 1982 to 2015
![]()
图 6 1982—2015年秦巴山区SPI变化
Figure 6. SPI changes in Qinling-Daba Mountains from 1982 to 2015
![]()
图 7 1982–2015年秦巴山区（a）平均NDVI（b）和NDVI变化趋势
注：图7b中空白区域的NDVI变化趋势不显著（p<0.05）。
Figure 7. Change trend of (a) average NDVI (b) and NDVI in Qinling-Daba Mountains from 1982 to 2015
![]()
图 8 植被变化主要影响要素的三维分布
Figure 8. Three dimensional distribution of main influencing factors of vegetation change
表 1 秦巴山区气象站点数据
Table 1 List of meteorological stations in Qinling-Daba Mountains
站点序号 站点名称 经度(°E) 纬度(°N) 海拔(m) 站点序号 站点名称 经度(°E) 纬度(°N) 海拔(m) 52985 和政 103.3 35.4 2 162.8 57137 宁陕 108.3 33.3 802.4 56071 碌曲 102.5 34.6 3 105.7 57140 柞水 109.1 33.7 818.2 56081 临潭 103.4 34.7 2 810.2 57143 商县 110.0 33.9 742.2 56084 迭部 103.2 34.1 2 374.2 57144 镇安 109.2 33.4 693.7 56091 漳县 104.5 34.9 1 883.3 57153 丹凤 110.3 33.7 581.7 56093 岷县 104.0 34.4 2 315.0 57154 商南 110.9 33.5 523.0 56094 舟曲 104.4 33.8 1 400.0 57155 山阳 109.9 33.6 660.2 56095 宕昌 104.4 34.0 1 753.2 57156 西峡 111.5 33.3 250.3 56096 武都 104.9 33.4 1 079.1 57162 嵩县 112.1 34.1 325.8 56097 九寨沟 104.3 33.3 1 436.5 57176 南召 112.4 33.5 231.1 56180 茂县 103.9 31.7 1 590.1 57204 青川 105.2 32.6 782.0 56182 松潘 103.6 32.7 2 850.7 57206 广元 105.9 32.4 513.8 56184 理县 103.2 31.4 1 896.7 57211 宁强 106.3 32.8 836.1 56185 黑水 103.0 32.1 2 400.1 57213 南郑 106.9 33.0 536.5 56192 文县 104.7 33.0 1 014.3 57216 南江 106.8 32.4 579.3 56193 平武 104.5 32.4 893.2 57217 旺苍 106.3 32.2 485.7 57001 甘谷 105.3 34.8 1 271.9 57231 紫阳 108.5 32.5 503.8 57006 天水 105.8 34.6 1 141.6 57232 石泉 108.3 33.1 484.9 57007 礼县 105.2 34.2 1 404.6 57233 汉阴 108.5 32.9 413.1 57008 西和 105.3 34.0 1 579.0 57237 万源 108.0 32.1 674.0 57014 麦积 105.9 34.6 1 085.2 57238 镇巴 107.9 32.5 693.9 57028 太白 107.3 34.0 1 543.6 57242 旬阳 109.4 32.9 285.5 57046 华山 110.1 34.5 2 064.9 57245 安康 109.0 32.7 290.8 57057 洛南 110.2 34.1 963.4 57247 岚皋 108.9 32.3 438.5 57065 宜阳 112.2 34.5 196.4 57248 平利 109.3 32.4 431.0 57067 卢氏 111.0 34.1 569.9 57249 竹溪 109.7 32.3 448.2 57074 伊川 112.4 34.4 252.2 57251 郧西 110.4 33.0 249.1 57077 栾川 111.6 33.8 750.3 57253 郧县 110.8 32.9 201.9 57078 汝阳 112.5 34.2 336.5 57254 白河 110.1 32.8 322.5 57080 巩义 113.0 34.7 165.2 57256 十堰 110.8 32.7 286.5 57082 登封 113.0 34.5 427.1 57257 竹山 110.2 32.2 307.0 57085 新密 113.3 34.5 259.9 57259 房县 110.8 32.1 426.9 57102 成县 105.7 33.8 970.0 57260 丹江口 111.5 32.6 133.4 57105 康县 105.6 33.3 1 221.2 57261 淅川 111.5 33.1 233.0 57106 略阳 106.2 33.3 794.2 57268 谷城 111.6 32.3 120.0 57110 徽县 106.1 33.8 930.8 57333 城口 108.7 32.0 798.2 57111 两当 106.3 33.9 961.4 57343 镇坪 109.5 31.9 995.8 57113 凤县 106.5 33.9 985.9 57345 巫溪 109.6 31.4 337.8 57119 勉县 106.7 33.2 548.1 57349 巫山 109.9 31.1 275.7 57124 留坝 106.9 33.6 1 032.1 57359 兴山 110.7 31.4 336.8 57126 洋县 107.6 33.2 469.9 57361 保康 111.3 31.9 327.7 57127 汉中 107.0 33.1 509.5 57362 神农架 110.7 31.8 935.2 57128 城固 107.3 33.2 486.4 57363 南漳 111.8 31.8 151.0 57129 西乡 107.7 33.0 447.5 57368 运安 111.6 31.1 116.0 57134 佛坪 108.0 33.5 827.2 
下载: 导出CSV
表 2 生物气候指标
Table 2 Bioclimatic indicators
指标类型 指标名称 指标意义 备注 热量指标 平均气温 多年平均气温 采用站点观测 2 m 处日均气温计算 最暖月均温 多年平均的最热月气温 最冷月均温 多年平均的最冷月气温 温暖指数 一年内大于5 ℃的各月平均气温累加 寒冷指数 一年内小于5 ℃的各月平均气温累加 积温 多年平均的一年内大于10 ℃的温度累积 积温日数 多年平均的一年内大于10 ℃的日数 水分指标 年降水量 一年中一个地区降水(包括液态和固态降水)的总量 水热组合指标 干燥度 表征地区干湿程度的指标 谢良尼诺夫干燥指数 SPI 采用Γ函数的标准化降水累积频率分布表征某时段降水量出现的概率 基于月尺度SPI提取干旱频率
下载: 导出CSV
表 3 SPI干旱等级划分[19]
Table 3 SPI drought classification
重度干旱 中度干旱 轻度干旱 非干旱 SPI ≤ −2.0 −2.0 ＜ SPI ≤ −1.0 −1.0 ＜ SPI ＜ −0.5 −0.5 ≥ SPI
下载: 导出CSV
表 4 地理探测器因子探测结果
Table 4 Geodetector factor detection results
生物气候指标 温暖指数 干旱频率 积温 最暖月均温 平均气温 q统计量 0.243 0.242 0.237 0.236 0.223 P值 0.000 0.000 0.000 0.000 0.000 生物气候指标 积温日数 干燥度 年降水量 最冷月均温 寒冷指数 q统计量 0.190 0.168 0.139 0.137 0.118 P值 0.000 0.000 0.000 0.000 0.000
下载: 导出CSV
表 5 生物气候指标与NDVI相关分析结果
Table 5 Correlation analysis results of bioclimatic indicators and NDVI
生物气候指标 NDVI变化与指标显著相关的站点 年均气温 碌曲、迭部、漳县、松潘、甘谷、麦积、洛南、渑池、伊川、偃师、汝阳、登封、成县、城固、佛坪、宁陕、商县、丹凤、山阳、西峡、嵩县、青川、旺苍、安康、岚皋、竹山、房县 温暖指数 迭部、漳县、甘谷、麦积、洛南、伊川、偃师、汝阳、登封、成县、城固、佛坪、宁陕、商县、丹凤、山阳、西峡、青川、旺苍、安康、岚皋、竹山、房县 寒冷指数 碌曲、漳县、渑池、伊川、城固、西峡、嵩县 积温 迭部、漳县、岷县、松潘、甘谷、麦积、洛南、伊川、偃师、汝阳、登封、成县、康县、留坝、城固、佛坪、宁陕、商县、镇安、丹凤、山阳、西峡、青川、旺苍、安康、竹山、房县 积温日数 迭部、漳县、岷县、松潘、甘谷、麦积、洛南、伊川、偃师、登封、成县、康县、徽县、两当、凤县、留坝、城固、西乡、佛坪、宁陕、柞水、商县、镇安、丹凤、山阳、西峡、青川、旺苍、竹山、房县 最冷月均温 碌曲、渑池、伊川、嵩县 最暖月均温 迭部、洛南、伊川、新密、佛坪、丹凤、镇巴、镇坪 降水 临潭、宕昌、茂县、黑水、嵩县、青川、旺苍 干旱频率 临潭、宕昌、茂县、黑水、嵩县、青川、广元、旺苍、保康 干燥度 茂县、西和、登封、保康 注：加粗站点的NDVI变化与指标的相关性通过0.05显著性水平检验；未加粗站点的NDVI变化与指标的相关性通过0.1显著性水平检验。
下载: 导出CSV
-
[1] Yao Y H, Hu Y F, Kou Z X, et al. Spatial Patterns of Pinus Tabulaeformis and Pinus massoniana Forests in Qinling-Daba Mountains and the Boundary of Subtropical and Warm Temperate Zones[J]. Journal of Geographical Sciences, 2020, 30(9): 1523−1533. DOI: 10.1007/s11442-020-1797-5
[2] 张百平. 中国南北过渡带研究的十大科学问题[J]. 地理科学进展, 2019, 38(3): 305−311. [3] 杨金燕, 赵曦琳, 刘本洪, 等. 四川秦巴山区特色生物资源开发现状与潜力[J]. 国土资源科技管理, 2016, 33(2): 90−95. DOI: 10.3969/j.issn.1009-4210.2016.02.016 [4] 卞娟娟, 郝志新, 郑景云, 等. 1951—2010年中国主要气候区划界线的移动[J]. 地理研究, 2013, 32(7): 1179−1187. [5] 张晓东, 朱文博, 崔耀平, 等. 伏牛山地区森林植被动态变化对水热条件的响应[J]. 地理研究, 2016, 35(6): 1029−1040. [6] 陆福志, 鹿化煜. 秦岭-大巴山高分辨率气温和降水格点数据集的建立及其对区域气候的指示[J]. 地理学报, 2019, 74(5): 875−888. DOI: 10.11821/dlxb201905003 [7] 陈超男, 朱连奇, 田莉, 等. 秦巴山区植被覆盖变化及气候因子驱动分析[J]. 生态学报, 2019, 39(9): 3257−3266. [8] 卢玲, 李新, Veroustraete F. 中国西部地区植被净初级生产力的时空格局[J]. 生态学报, 2005, 25(5): 1026−1032,1237. DOI: 10.3321/j.issn:1000-0933.2005.05.013 [9] 倪健. 全球变化研究中的生物气候指标[J]. 第四纪研究, 2017, 37(3): 431−441. DOI: 10.11928/j.issn.1001-7410.2017.03.01 [10] Piao S L, Fang J Y, Ji W, et al. Variation in a Satellite-Based Vegetation Index in Relation to Climate in China[J]. Journal of Vegetation Science, 2009, 15(2): 219−226.
[11] 李晓兵, 史培军. 中国典型植被类型NDVI动态变化与气温、降水变化的敏感性分析[J]. 植物生态学报, 2000, 24(3): 379−382. DOI: 10.3321/j.issn:1005-264X.2000.03.023 [12] Islam A R M T, Islam H M T, Shahid S, et al. Spatiotemporal Nexus between Vegetation Change and Extreme Climatic Indices and Their Possible Causes of Change[J]. Journal of Environmental Management, 2021, 289: 112505. DOI: 10.1016/j.jenvman.2021.112505
[13] 刘斌, 孙艳玲, 王中良, 等. 华北地区植被覆盖变化及其影响因子的相对作用分析[J]. 自然资源学报, 2015, 30(1): 12−23. DOI: 10.11849/zrzyxb.2015.01.002 [14] 江姗珊, 张增信, 王玮琳, 等. 江苏省植被动态演变规律及其与极端气候事件的关系[J]. 南京林业大学学报(自然科学版), 2016, 40(5): 74−80. [15] 赵芳, 张百平, 朱连奇, 等. 秦巴山地垂直带谱结构的空间分异与暖温带-亚热带界线问题[J]. 地理学报, 2019, 74(5): 889−901. DOI: 10.11821/dlxb201905004 [16] Li X, Zhang X Q, Xu X M. Precipitation and Anthropogenic Activities Jointly Green the China-Mongolia-Russia Economic Corridor[J]. Remote Sensing, 2022, 14(1): 187. DOI: 10.3390/rs14010187
[17] 孟猛, 倪健, 张治国. 地理生态学的干燥度指数及其应用评述[J]. 植物生态学报, 2004, 28(6): 853−861. DOI: 10.3321/j.issn:1005-264X.2004.06.015 [18] 袁文平, 周广胜. 标准化降水指标与Z指数在我国应用的对比分析[J]. 植物生态学报, 2004, 28(4): 523−529. DOI: 10.3321/j.issn:1005-264X.2004.04.011 [19] McKee T B, Doesken N J, Kleist J. The Relationship of Drought Frequency and Duration to Time Scales[C]//Proceedings of the 8th Conference on Applied Climatology. Boston: American Meteorological Society, 1993: 179-183.
[20] Wang J F, Li X H, Christakos G, et al. Geographical Detectors-Based Health Risk Assessment and Its Application in the Neural Tube Defects Study of the Heshun Region, China[J]. International Journal of Geographical Information Science, 2010, 24(1): 107−127. DOI: 10.1080/13658810802443457
[21] Wang J, Hu Y. Environmental Health Risk Detection with GeogDetector[J]. Environmental Modelling & Software, 2012, 33: 114−115.
[22] Sedgwick P. Pearson's Correlation Coefficient[J]. BMJ, 2012, 345: e4483. DOI: 10.1136/bmj.e4483
[23] Liu X F, Zhu X Z, Pan Y F, et al. Spatiotemporal Variation of Vegetation Coverage in Qinling-Daba Mountains in Relation to Environmental Factors[J]. Acta Geographica Sinica, 2015, 70(5): 705−716.
[24] 雷蕾. 基于卫星遥感数据的秦巴山区降水植被变化分析[D]. 成都: 成都信息工程大学, 2018. [25] 张百平, 余付勤, 王晶, 等. 西秦岭自然保护的地位与意义[J]. 自然保护地, 2021, 1(2): 31−37. DOI: 10.12335/2096-8981.2021012101 [26] 王晓雅, 凌子燕, 陈研, 等. 秦岭中部自然保护区植被生长状况遥感监测[J]. 自然保护地, 2022, 2(2): 48−59. DOI: 10.12335/2096-8981.2021121602 [27] 夏少敏, 徐靓. 气候变化对自然保护区的影响及法律对策研究[J]. 华北水利水电学院学报(社会科学版), 2011, 27(4): 132−134. -
期刊类型引用(3)
1. Xueqin ZHANG，Xiaoming XU，Xiang LI，Peng CUI，Du ZHENG. A new scheme of climate-vegetation regionalization in the Hengduan Mountains Region. Science China Earth Sciences. 2024(03): 751-768 . 
必应学术
2. 张雪芹，徐晓明，李想，崔鹏，郑度. 横断山地区气候-植被区划. 中国科学:地球科学. 2024(03): 771-787 . 百度学术
3. 樊晓晨. 2001—2020年秦岭NPP时空演变及其自然和人为驱动的海拔分异研究. 生态与资源. 2024(12): 7-9 . 百度学术
其他类型引用(2)
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_E1.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M1.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M2.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M3.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_E2.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M4.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M5.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_E3.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M6.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M7.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M8.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M9.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M10.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M11.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M12.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M13.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M14.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_E4.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M15.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M16.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M17.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M18.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M19.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M20.png")
![](/fileZRBHD/journal/article/zrbhd/2023/2/href="2022083005_M21.png")
计量
- 文章访问数: 487
- HTML全文浏览量: 1877
- PDF下载量: 74
- 被引次数: 5
邮件订阅
Rss