基于夜間燈光數據的連片特困區GDP估算及其空間化

李宗光， 胡德勇， 李吉賀， 岑建

(首都師范大學資源環境與旅游學院，北京　100048)

基于夜間燈光數據的連片特困區GDP估算及其空間化

李宗光， 胡德勇， 李吉賀， 岑建

(首都師范大學資源環境與旅游學院，北京100048)

摘要：國內生產總值(gross domestic product, GDP)能反映一個國家或地區的經濟發展狀況，構建高精度的特困區GDP空間數據庫對扶貧工作的開展具有重要意義。首先通過建立DMSP/OLS夜間燈光數據與連片特困區GDP的回歸模型，實現利用夜間燈光數據估算特困區GDP； 然后分別對第一和第二、三產業GDP進行空間化建模： 第一產業GDP與土地利用數據相結合建模，第二、三產業GDP與夜間燈光數據相結合建模。研究結果表明，大部分特困區GDP的估算結果較為準確，縣級尺度的估算精度達到87.38%； 連片特困區多為GDP低密度區，GDP基本處于50萬元/km2以下，西北地區甚至出現大片低于5萬元/ km2。因此，高精度的連片特困區GDP密度分布圖能夠準確地反映特困區經濟分布狀況，為扶貧工作的開展提供數據支持。

關鍵詞：GDP； 夜間燈光數據； 土地利用； 空間化； 特困區

0引言

雖然經濟社會不斷發展，但目前消除貧困依然是我國重點關注的問題之一，在實際工作中，往往出現因扶貧目標不明確而造成財力物力利用率較低等問題[1]。這主要是因為政府部門在制定扶貧政策時所依據的資料信息具有一定的延遲性，再加上受統計單元尺度的限制，無法掌握貧困地區內部更為詳細的最新情況[2-4]。比如數據更新周期較長且統計單元較大(最小為縣級尺度)，無法顯示單元內部國內生產總值(grossdomesticproduct,GDP)的差異[5-6]。因此，實現連片特困區的GDP空間化能夠為扶貧工作提供有效的數據服務； 高精度空間數據庫的構建可以在資源環境保護、貧困變化檢測、區域規劃及發展等領域發揮重要作用。

參考國內外對社會經濟數據空間化方面所做的研究可知，當前這項工作正處于不斷探索與發展階段。國外相關研究發現，夜間燈光數據與區域經濟有著密切關系[7-11]：Elvidge等[9]分析了夜間燈光面積與GDP之間的關系，發現可以利用夜間燈光數據較好地估算多項社會經濟數據；Ghosh等[10-11]建立了夜間燈光與經濟數據的回歸模型并成功估計出美國、墨西哥各州的實際經濟情況。近年來，我國學者在經濟數據空間化表達方面也做了大量研究[12-15]。劉紅輝等[14]在我國經濟社會的區域差異綜合分析基礎上，建立了基于土地利用空間格局的社會經濟數據的空間表達模型； 鐘凱文等[15]通過分析社會經濟數據的空間化方法以及空間分布情況，提出了一種基于土地利用數據的GDP空間化表達方法。總體來講，國內對于經濟數據空間化的主要思路： 一是基于土地利用數據通過劃分產業進行空間建模[16-18]； 二是基于夜間燈光數據建立模型。但是上述方法多是基于全國的大尺度區域構建模型，而對于縣級尺度的連片特困區域，由于其土地類型組成復雜、分布分散、夜間燈光較弱，運用該方法構建模型精度較低。

本文針對連片特困區的上述特點，利用夜間燈光數據結合土地利用數據構建連片特困區的GDP空間數據集，旨在通過特困區GDP與夜間燈光數據的分組建模，實現從夜間燈光數據出發估算特困區GDP的目的； 同時，結合夜間燈光數據和土地利用數據建立分產業的GDP空間化模型，生成特困區1km2GDP柵格數據集，最終實現連片特困區社會經濟數據空間化數據庫的快速建立，為扶貧工作的有效開展提供技術支持。

1研究區概況和數據源

1.1研究區概況

研究區包括全國13個連片特困區，主要有六盤山區、秦巴山區、武陵山區、烏蒙山區、滇桂黔石漠化區、滇西邊境區、大興安嶺南麓區、燕山—太行山區、呂梁山區、大別山區、羅霄山區、南疆三角洲和四省(甘、青、川、滇)藏區。整個連片特困區分布范圍主要集中在我國中西部地區以及東北、西北、西南邊境地區(圖1)，而且大多具有土壤質量差、地理位置偏僻、地形復雜、氣候條件惡劣和可供利用資源不足的特點。

1.2數據源

1)夜間燈光數據。該數據通過DMSP/OLS獲取，OLS傳感器擁有可見光、近紅外和熱紅外通道，可獲取幅寬為3 000km的影像，分辨率為0.56km。研究所用的2010年夜間燈光數據來自美國國家地理數據中心，原始數據投影在Krasovsky_1940_Albers坐標系下，利用中國地區的矢量數據裁剪出夜間燈光數據，并重采樣為1km大小的柵格數據(圖2)。柵格DN值范圍為0～63。DN值為0表示沒有燈光，DN值在1～63之間的區域表示有燈光區域，DN值越高表示燈光越強，在城市中心區域大部分處于燈光飽和狀態。

圖2　中國2010年夜間燈光數據

2)土地利用數據。基于TM遙感影像生成的中國土地利用數據[19]，土地利用類型分為6個大類25個小類，用柵格數據層表示，每個柵格記錄該土地利用類型。根據研究需要，將土地利用數據重新劃分為1km大小的柵格數據。

3)GDP數據。研究中使用的2010年連片特困區縣級GDP的統計數據來自于中國統計出版社出版的《中國農村貧困監測報告》[20]。

2研究方法

GDP空間模擬主要由2部分組成： 一是GDP的估算，即運用回歸分析方法建立夜間燈光數據與連片特困區縣級GDP的關系模型，利用該模型模擬連片特困區GDP； 二是GDP空間化處理，一般認為GDP主要由第一產業和第二、三產業組成。其中第一產業生產活動與土地利用類型密切相關，故結合土地利用類型進行空間建模。由于第二、三產業與土地利用類型關系不顯著，但從前人研究中可以發現第二、三產業產值與夜間燈光強度具有較強的相關性，可以由此進行空間化處理，具體流程如圖3所示。

圖3　GDP估算及空間化流程

2.1GDP估算

2.1.1貧困縣分組

利用夜間燈光數據模擬特困區GDP的主要依據是GDP與特困區燈光強度的相關性，由于特困區范圍較為分散不連續，本文特困區GDP以縣級為單位進行分析估算。考慮到不同貧困縣經濟產業組成的不同，有些產業無法在夜間燈光數據上體現，因此采用分組建模估算。首先定義一個比例因子R，其計算方法為

(1)

式中： R為貧困縣GDP與燈光強度的比值； G為貧困縣的GDP總量，萬元； S為貧困縣的燈光強度總量。

為了提高GDP的估算精度，根據R的大小對貧困縣進行分組，將R<100的貧困縣分為第1組，100≤R<200的貧困縣分為第2組，R≥200的貧困縣分為第3組。

2.1.2燈光指數與GDP相關分析

夜間燈光數據具有燈光面積和強度2方面特征,燈光面積描述了夜間燈光的空間延展特征,燈光強度描述了夜間燈光的空間立體特征。根據夜間燈光數據的上述特征，提取每個貧困縣的燈光強度總量和燈光強度平均值2個燈光指數，并作散點圖探討與GDP的相關性，具體分析以下3種情況：

1)GDP總量與燈光強度總量。GDP總量(S)可以從統計數據中直接獲取[20]。燈光強度總量可以用式(2)計算，即

(2)

式中： C為統計單元的柵格數目； Di為每個柵格的燈光強度值。基于GDP總量與燈光強度總量關系得到的GDP估算值G′可表示為

G′=f1(S) 。

(3)

2)GDP總量與燈光強度平均值。燈光強度平均值(M)是統計單元內柵格燈光強度的平均值，即

(4)

基于GDP總量與燈光強度平均值的關系得到的GDP估算模型可表示為

G′=f2(M) 。

(5)

3) 單位面積GDP與燈光強度平均值。單位面積GDP是統計單元的GDP總量和面積的比值，即

(6)

式中： g為單位面積的GDP值，萬元·km-2； A為統計單元的總面積，km2。基于單位面積GDP與燈光強度平均值關系得到GDP估算模型可表示為

g′=f3(M) ，

(7)

式中g′為貧困縣單位面積GDP的估算值，萬元。

在對以上3組參量做相關分析的基礎上找出一組最佳的GDP與燈光指數的關系模型，最終的模型可以表示為

G′=f(S，A) 。

(8)

2.2GDP空間化

2.2.1第一產業產值空間化

土地利用類型主要分為耕地、林地、草地、水域、城鄉工礦居民用地和未利用地6大類，其中與第一產業相關的只有耕地、林地、草地和水域4大類，其他土地利用類型與第一產業無關。根據這4種土地利用類型建立第一產業模型，即

G1=Ga+Gb+Gc+Gd，

(9)

式中： G1為某貧困縣第一產業產值； Ga，Gb，Gc和Gd分別代表農業、林業、牧業和漁業產值。

由于不同地區第一產業的主要構成成分不同，根據每個縣內不同土地利用類型所占比例，將所有貧困縣劃分為以耕地、林地、草地為主和綜合4種類型。參考2010年全國不同土地利用類型單位面積產值將每種類型貧困縣的不同土地利用類型設置不同的權重值，結果如表1所示。

表1　土地類型權重

根據表1中的權重分配，將不同區域的土地柵格值重新分類定義，將第一產業產值結合重新分類定義的土地利用類型進行1km柵格化處理，即

(10)

2.2.2第二、三產業產值空間化

根據前人研究結果，第二、三產業與夜間燈光數據具有較強的相關關系，因此對第二、三產業產值空間化處理主要以夜間燈光數據作為參考進行柵格權重分配。由于夜間燈光數據本身具有統一燈光值，可利用每個柵格的燈光值作為權重對第二、三產業產值進行空間化處理，即

(11)

3結果與分析

3.1貧困縣GDP估算及其結果分析

根據貧困縣GDP與燈光強度的比例因子R，按照2.1.1節所提出的分組方法將所有連片特困區的貧困縣分為3組，并按本文研究方法提出的3組參量(G-S、G-M、g-M)分別作相關性散點圖分析，結果如圖4所示。

(a)第1組 (b) 第2組 (c) 第3組

圖4GDP與燈光強度散點圖

Fig.4ScatterplotofGDPandnightlight

通過對比圖4中3組數據發現，3組貧困縣都是單位面積GDP與燈光強度平均值之間的相關性最高，GDP總量與燈光強度總量次之，GDP總量與燈光強度平均值最差。本文選取單位面積GDP與燈光強度平均值進行深入分析，并參照國內外研究學者的結論對回歸模型的結果取對數，使處理后效果更好，3組貧困縣的對數分析結果散點圖如圖5所示。

(a)第1組 (b) 第2組 (c) 第3組

圖5對數分析結果散點圖

Fig.5Scatterplotanalysisresultsoflogarithm

觀察圖5可以發現，取對數之后3組貧困縣單位面積GDP與燈光強度平均值的回歸模型都達到了十分理想的精度，R2均大于0.9。據此，可以得出3組貧困縣GDP與燈光總量之間的關系分別為

(12)

根據公式(12)代入貧困縣的面積和燈光強度總量就可以得出貧困縣GDP的估算值，圖6表示3組貧困縣GDP估算值與真實值[20]的對比結果。將所有貧困縣的模擬結果與真實結果進行相關性分析，R2達到0.873 8，說明整體估算結果與真實值較為接近。但是第1組的估算結果誤差最大，誤差較大的貧困縣數目所占本組比例較高； 第2組和第3組估算精度較高，僅有少數GDP較高的貧困縣誤差較大。第1組貧困縣估算模型誤差較大的地區主要集中在GDP較高的貧困縣中，而且利用模型估算的GDP普遍要比真實值低。這主要是因為在GDP較高的城鎮中心區域會存在一定程度的燈光飽和現象，這會造成估算結果存在一定誤差，GDP較高的縣估算值會比真實值偏低。一般情況下GDP越高區域，燈光飽和現象越嚴重，在進行GDP估算模擬時產生的誤差越大。相反，GDP越低的區域，燈光飽和現象越小，估算的結果越準確。將估算的結果與真實的結果作殘差對比分析如圖7所示。

(a)第1組 (b) 第2組 (c) 第3組

圖6估算值與真實值對比

Fig.6Comparisonchartofestimatesandrealvalue

圖7　GDP估算誤差分布

從分布范圍來看，西南和西北地區的大部分貧困縣估算精度較高，估算誤差較大的貧困縣主要分布在中部以及東北部地區，且都是在連片特困區的外部邊緣靠近經濟發達地區的縣，如在重慶、武漢周圍分布了一些估算值偏低的貧困縣，而在北京、哈爾濱周圍則分布了一些估算值偏高的貧困縣，說明大城市的經濟活動對周圍縣區的經濟發展具有潛在的影響作用。由于連片特困區的燈光飽和現象較發達地區要弱很多，因此利用夜間燈光數據對連片特困區的GDP進行估算具有較強的針對性，可以充分利用夜間燈光數據的優勢實現縣級尺度連片特困區的GDP估算。

3.2連片特困區GDP空間化及其結果分析

經過實際檢驗，在連片特困區GDP空間化處理時，采用GDP估算值比真實值得到的GDP空間化結果更為準確。因此將3.1節中得到的貧困縣GDP估算值G′根據本文2.2節中提出的GDP空間化方法進行空間化處理，最終得到連片特困區GDP空間化結果如圖8所示，圖中每個柵格的值代表1km×1km柵格范圍內的GDP總量，這里本文簡稱為GDP密度，單位為萬元/km2。

圖8　特困區GDP空間化結果示意圖

從圖8中可以看到,連片特困區內大部分區域GDP密度在50萬元/km2以內，尤其是西部地區GDP密度甚至小于5萬元/km2，這些地方多為人煙稀少、土地缺乏利用價值的區域，很少存在生產活動。而GDP密度較高的區域多集中在中部平原地帶，以及西南、西北部的城鎮區域，這些地方多是人員大量聚集，經濟活動密集的地區。在西北的部分連片特困區存在GDP密度為0的區域，原因有2個： 一是因為西北部地區地廣GDP稀，很多地方無法捕捉到燈光數據； 二是西北部地區沙地、戈壁等土地類型較多，這些區域在進行GDP空間化處理時第一產業和第二、三產業產值分配都為0，因此最終結果GDP密度為0。在中西部的貧困縣GDP密度呈現由城鎮向縣邊界逐步降低的趨勢，在縣與縣的邊界區域GDP密度較為接近，相對于統計型的數據在邊界區域存在的不連續現象有了明顯改善。

4結論與討論

本文利用2010年夜間燈光數據建立模型估算特困區2010年GDP，并通過分產業結合土地利用類型數據得到連片特困區2010年GDP密度分布圖。在研究結果基礎上，利用統計工具對GDP估算及其空間化結果進行統計分析，得到以下結論：

1)利用DMSP/OLS夜間燈光數據估算特困區GDP是一種快速且結果較為準確的方法。本文通過合理的分組建模，利用夜間燈光數據估算出連片特困區GDP，與真實值相關系數R2達到0.873 8。其中西南、西北部地區的特困區GDP估算結果精度較高，而中部和東北部地區估算結果精度較低，并且其分布規律為距離發達城市越遠越準確。

2)連片特困區多為GDP低密度區，GDP高密度區集中在城鎮。連片特困區大部分GDP密度在50萬元/km2以內，西北部地區甚至出現大片區域低于5萬元/km2； 但是在中部地區及鄰近經濟發達城市的特困區也出現了達到1 000～2 000萬元/km2的GDP高密度區，說明在人口較集中，經濟活動相對頻繁，以及受附近經濟發達城市顯著影響的貧困地區易出現GDP高密度區。

3)由于夜間燈光數據存在大量無燈光區以及城鎮中心區域存在燈光飽和現象，這些區域的估算結果存在較大誤差，因此需要結合其他空間數據(如人口數據和土地利用數據)進行綜合分析。如何減少無燈光區和燈光飽和區的誤差將是今后需要深入研究的重點。

參考文獻(References)：

[1]程寶,高良麗.西部脆弱環境分布與貧困關系的研究[J].環境科學與技術,2009,32(2):198-202.

ChenB,GaoLL.RelationshipbetweenecologicalfragilityandpovertyinwesternChina[J].EnvironmentalScienceandTechnology,2009,32(2):198-202.

[2]曹偉超,陶和平,譚理,等.基于多源空間數據的山區人口分布模擬[J].國土資源遙感,2012(2):61-67.doi:10.6046/gtzyyg.2012.02.12.

CaoWC,TaoHP,TanL,etal.Simulationofmountainpopulationdistributionbasedonmulti-sourcespatialdata[J].RemoteSensingforLandandResources,2012(2):61-67.doi:10.6046/gtzyyg.2012.02.12.

[3]陳晉,卓莉,史培軍,等.基于DMSP/OLS數據的中國城市化過程研究——反映區域城市化水平的燈光指數的構建[J].遙感學報,2003,7(3):168-175,241.

ChenJ,ZhuoL,ShiPJ,etal.ThestudyonurbanizationprocessinChinabasedonDMSP/OLSdata:Developmentofalightindexforurbanizationlevelestimation[J].JournalofRemoteSensing,2003,7(3):168-175,241.

[4]李軍,胡云鋒,任旺兵,等.國家主體功能區空間型監測評價指標體系[J].地理研究,2013,32(1):123-132.

LiJ,HuYF,RenWB,etal.TheframeworkofspatialindexformonitoringandevaluatingthenationalmajorfunctionorientedzoneinChina[J].GeographicalResearch,2013,32(1):123-132.

[5]徐夢潔,陳黎,劉煥金,等.基于DMSP/OLS夜間燈光數據的長江三角洲地區城市化格局與過程研究[J].國土資源遙感,2011,23(3):106-112.doi:10.6046/gtzyyg.2011.03.19.

XuMJ,ChenL,LiuHJ,etal.PatternandprocessofurbanizationintheYangtzeDeltabasedonDMSP/OLSdata[J].RemoteSensingforLandandResources,2011,23(3):106-112.doi:10.6046/gtzyyg.2011.03.19.

[6]廖順寶,孫九林.基于GIS的青藏高原人口統計數據空間化[J].地理學報,2003,58(1):25-33.

LiaoSB,SunJL.GISbasedspatializationofpopulationcensusdatainQinghai-Tibetplateau[J].ActaGeographicaSinica,2003,58(1):25-33.

[7]DollCNH,MullerJP,MorleyJG.Mappingregionaleconomicactivityfromnight-timelightsatelliteimagery[J].EcologicalEconomics,2006,57(1):75-92.

[8]SuttonPC,ElvidgeCD,TilottamaG.Estimationofgrossdomesticproductatsub-nationalscalesusingnighttimesatelliteimagery[J].InternationalJournalofEcologicalEconomicsandStatistics,2007,8(7):5-21.

[9]ElvidgeCD,BaughKE,KihnEA,etal.Relationbetweensatelliteobservedvisible-nearinfraredemissions,population,economicactivityandelectricpowerconsumption[J].InternationalJournalofRemoteSensing,1997,18(6):1373-1379.

[10]GhoshT,PowellRL,ElvidgeCD.etal.Sheddinglightontheglobaldistributionofeconomicactivity[J].TheOpenGeographyJournal,2010,3:148-161.

[11]GhoshT,AndersonS,PowellRL,etal.EstimationofMexico’sinformaleconomyandremittancesusingnighttimeimagery[J].RemoteSensing,2009,1(3):418-444.

[12]梁友嘉,徐中民.基于夜間燈光輻射數據的張掖市甘州區GDP空間分布建模[J].冰川凍土,2013,35(1):249-254.

LiangYJ,XuZM.ModelingthespatialdistributionofGDPbasedonnightlightradiation:AcasestudyinGanzhoudistrict,Zhangyemunicipality[J].JournalofGlaciologyandGeocryology,2013,35(1):249-254.

[13]黃瑩,包安明,陳曦,等.基于綠洲土地利用的區域GDP公里格網化研究[J].冰川凍土,2009,31(1):158-165.

HuangY,BaoAM,ChenX,etal.StudyingtheGDPin1kmsquaregrid-cellsbasedonoasislanduse[J].JournalofGlaciologyandGeocryology,2009,31(1):158-165.

[14]劉紅輝,江東,楊小喚,等.基于遙感的全國GDP1km格網的空間化表達[J].地球信息科學,2005,7(2):120-123.

LiuHH,JiangD,YangXH,etal.Spatializationapproachto1kmgridGDPsupportedbyremotesensing[J].Geo-InformationScience,2005(2):120-123.

[15]鐘凱文,黎景良,張曉東.土地可持續利用評價中GDP數據空間化方法的研究[J].測繪信息與工程,2007,32(3):10-12.

ZhongKW,LiJL,ZhangXD.GDPspatializationinlandsustainableuseassessment[J].JournalofGeomatics,2007,32(3):10-12.

[16]WangW,ChengH,ZhangL.PovertyassessmentusingDMSP/OLSnight-timelightsatelliteimageryataprovincialscaleinChina[J].AdvancesinSpaceResearch,2012,49(8):1253-1264.

[17]BuehnA,SchneiderF.Shadoweconomiesandcorruptionallovertheworld:Revisedestimatesfor120countries[J].Economics:TheOpen-Access,Open-AssessmentE-Journal,2007,1:1-53.

[18]ZhaoNZ,CurritN,SamsonE.NetprimaryproductionandgrossdomesticproductinChinaderivedfromsatelliteimagery[J].EcologicalEconomics,2011,70(5):921-928.

[19]劉紀遠,張增祥,徐新良，等.21世紀初中國土地利用變化的空間格局與驅動力分析[J].地理學報,2009,64(12):1411-1420.

LiuJY,ZhangZX,XuXL,etal.SpatialpatternsanddrivingforcesoflandusechangeinChinaduringtheearly21stcentury[J].ActaGeographicaSinica,2009,64(12):1411-1420.

[20]國家統計局.中國農村貧困監測報告[M].北京:中國統計出版社,2011.

NationalBureauofStatistics.PovertyMonitoringReportofRuralChina[M].Beijing:ChinaStatisticsPress,2011.

(責任編輯： 陳理)

SimulationandspatializationofGDPinpovertyareasbasedonnightlightimagery

LIZongguang,HUDeyong,LIJihe,CENJian

(College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China)

Abstract:Gross domestic products (GDP) can represent the economic development conditions of a region, and it is significant for poverty alleviation work to build the GDP spatial databases with high precision. In this paper, a regression model for DMSP/OLS night light data and GDP values in poverty areas was established in groups, and the GDP in continuous poverty areas were retrieved from the night light data. Then the GDP was divided into two parts. One is the GDP of primary industry, and the other is the GDP of second and tertiary industry. Finally, a spatial model for GDP of primary industry was established based on land use data and, in addition, the spatial model for GDP of other two kinds of industries was also built based on night light data. According to the results obtained, the estimation results of GDP are more accurate in most counties; the correlation coefficient between the estimated values and true values is 0.873 8 at the county level; the continuous poverty areas almost consist of GDP low-density areas; nevertheless, there are a few GDP high-density areas concentrated in towns; the GDP of most continuous poverty areas is less than 500 000 yuan per square kilometer except for the center of town poverty areas, and the GDP is even less than 50 000 yuan per square kilometer in the northwest territories. The economic status can be well reflected by the density distributions map of GDP in poverty areas, which can provide data support for poverty alleviation work.

Keywords:GDP; night light data; land use; spatial; poverty region

doi:10.6046/gtzyyg.2016.02.26

收稿日期：2015-01-14；

修訂日期：2015-04-04

基金項目：北京市教委科研計劃面上項目“城市化對地表輻射和能量平衡影響的定位觀測和遙感分析”和衛星測繪技術與應用國家測繪地理信息局重點實驗室開放基金項目“大規模城市化對地表輻射平衡影響的遙感分析”(編號： KLSMTA-201305)共同資助。

中圖法分類號：TP 79

文獻標志碼：A

文章編號：1001-070X(2016)02-0168-07

第一作者簡介：李宗光(1989-)，男，碩士研究生，主要從事資源環境遙感研究。Email： glzong@163.com。

通信作者：胡德勇(1974-)，男，副教授，主要從事遙感和地理信息系統在自然災害、資源環境等領域的應用研究。Email： deyonghu@163.com。

引用格式： 李宗光,胡德勇,李吉賀,等.基于夜間燈光數據的連片特困區GDP估算及其空間化[J].國土資源遙感,2016,28(2)：168-174.(LiZG,HuDY,LiJH,etal.SimulationandspatializationofGDPinpovertyareasbasedonnightlightimagery[J].RemoteSensingforLandandResources,2016,28(2)：168-174.)