氣候變化對新疆意大利蝗潛在分布的影響

李培先, 林 峻, 麥迪·庫爾曼, 吳建國, 劉永強, 鄭江華*

(1. 新疆大學資源與環境科學學院, 烏魯木齊 830046; 2. 新疆大學智慧城市與環境建模普通高校重點實驗室, 烏魯木齊 830046; 3. 新疆維吾爾自治區治蝗滅鼠指揮部辦公室, 烏魯木齊 830001)

氣候變化對新疆意大利蝗潛在分布的影響

李培先1,2, 林 峻3, 麥迪·庫爾曼3, 吳建國3, 劉永強1,2, 鄭江華1,2*

(1. 新疆大學資源與環境科學學院, 烏魯木齊 830046; 2. 新疆大學智慧城市與環境建模普通高校重點實驗室, 烏魯木齊 830046; 3. 新疆維吾爾自治區治蝗滅鼠指揮部辦公室, 烏魯木齊 830001)

意大利蝗Calliptamusitalicus(L.)是新疆草原主要優勢蝗蟲之一,每年給新疆畜牧業經濟帶來嚴重損失,氣候變化對其潛在分布影響的預測對其科學防治有重要意義。本研究采用意大利蝗的分布數據和生物氣候數據,結合MaxEnt模型和ArcGIS軟件,預測了BCC_CSM1.1氣候模式下政府間氣候變化專門委員會第五次工作報告(IPCC AR5)采用的RCP2.6、RCP4.5和RCP8.5三種氣候情景在2021-2040年(2030s)、2041-2060年(2050s)和2061-2080年(2070s)的意大利蝗新疆潛在適生區分布范圍。結果表明:在BCC_CSM1.1的各情景下,意大利蝗適生區在北疆及天山一帶分布格局基本保持不變,但高度適生區面積都有所增加,其中在天山和阿爾泰山地區,意大利蝗中、高度適生區范圍將向更高海拔區域蔓延,在北疆阿勒泰地區高度適生區明顯增加。極端水分條件和水熱條件對意大利蝗在新疆潛在分布發揮主要作用,其中4月、10月、3月和11月降水量對意大利蝗在新疆潛在分布影響最大,因其直接影響土壤相對含水量和土壤溫度,從而決定意大利蝗卵的存活量。

意大利蝗; MaxEnt模型; 氣候變化; RCPs; 氣候情景; 地理信息系統; 預測

全球環境變化特別是氣候變化已成為國內外最受關注的熱點問題[1]。2014年,聯合國政府間氣候變化專門委員會(IPCC)第5次評估報告(AR5)指出:1951-2010年間,溫室氣體造成的全球平均地表增溫在0.5～1.3℃之間;與1986-2005年相比,預計2016-2035年全球平均地表溫度將升高0.3～0.7℃,2081-2100年將升高0.3～4.8℃[2]。1951-2008年新疆南疆地區氣候呈較明顯的變暖變濕趨勢[3]。而北疆在1960-2011年氣溫以0.35℃/10 年的速度顯著增加;冬季和秋季降水引起年均降水量的顯著增加,空間上阿爾泰山南坡和天山北坡顯著增加,準噶爾盆地西部未發現增加[4]。

目前, 預測氣候變化對物種的分布范圍及格局的影響已成為生物地理學和全球變化生物學研究的熱點和重點領域[5-6]。而氣候變化已成為病蟲害發生的主要驅動力之一[7-8]。近年來,在氣候變暖背景下,中國病蟲害呈發生面積逐年增長、暴發種類逐年增加、災害損失逐年擴大的趨勢,而未來氣候持續變暖將導致這種情況進一步加重[9]。

意大利蝗Calliptamusitalicus(L.)屬直翅目Orthoptera,蝗總科Acridoidea,斑腿蝗科Catantopidae,星翅蝗屬CalliptamusAudinet-Serville。在我國主要分布于新疆北部海拔800～2 300 m的荒漠、半荒漠草地[10]。作為新疆草原主要優勢蝗蟲之一,每年給新疆畜牧業經濟帶來嚴重損失[11-12]。在全球氣候變暖背景下,意大利蝗新疆適生區近53年氣候總體呈暖濕趨勢,氣候格局的顯著變化,會導致蝗蟲地理分布格局及災變規律的重大改變[12]。那么未來氣候變化下意大利蝗在新疆潛在適生區分布會發生怎樣的變化？其適生區形成的主要環境氣候因子是否會改變？基于此科學問題,本研究采用新疆實地調查的意大利蝗GPS數據,運用MaxEnt模型和ArcGIS軟件,預測了當前氣候條件(1950-2000年)和BCC_CSM1.1(Beijing Climate Center_Climate System Model version 1.1)未來氣候模式下RCP2.6、RCP4.5和RCP8.5三種氣候情景在2021-2040年(2030s)、2041-2060年(2050s)和2061-2080年(2070s)意大利蝗新疆潛在適生區分布,分析了影響意大利蝗潛在分布的主要環境因子,嘗試完善意大利蝗在新疆發生的災變理論,以期為其重點適生區域及蔓延趨勢進行針對性防控提供參考。

1 材料與方法

1.1 意大利蝗分布數據和地圖數據

2014-2015年新疆畜牧廳治蝗滅鼠指揮部對各地州意大利蝗發生點進行野外GPS采樣,收集到的990個分布點按最大熵軟件要求進行存儲,按照物種名、經度、緯度的格式保存為.csv文件。中國矢量地圖比例尺為1∶400萬,從國家基礎地理信息系統(http:∥nfgis.nsdi.gov.cn/)下載,用ArcGIS10.0裁剪出新疆矢量邊界。

1.2 生物氣候數據

在WorldClim(http:∥www.worldclim.org/)下載的當前氣候(1950-2000)生物氣候數據和降水數據;未來生物氣候數據在CCAF(Climate Change, Agriculture and Food Security)網站http:∥www.ccafs-climate.org中下載,空間分辨率都為30 seconds(表1)。

表1 應用于MaxEnt模型中的環境變量1)

1) 參考http:∥www.worldclim.org/bioclim制作。The table was made by reference to http:∥www.worldclim.org/bioclim.

IPCC AR5采用了4個典型濃度路徑(representative concentration pathways,RCPs)排放情景,這些情景以相對于1750年的2100年近似總輻射強迫來表示。本研究采用RCP2.6、RCP4.5和RCP8.5情景進行未來預測。在RCP 2.6情景下輻射強迫值為2.6 W/m2,是極低強迫水平的減緩情景;在RCP 4.5情景下為4.5 W/m2,是中等穩定化情景;在RCP 8.5情景下是8.5 W/m2,為溫室氣體排放非常高的情景。對RCP2.6情景,輻射強迫先達到峰值,然后下降;對RCP4.5情景,輻射強迫在2100年前達到了穩定;對于RCP8.5情景,到2100年輻射強迫還沒有達到峰值。RCPs情景進一步考慮了應對氣候變化的各種策略對未來溫室氣體排放的影響,更科學地描述了未來氣候變化預估結果[13]。

1.3 軟件與方法

MaxEnt軟件下載于網站http:∥www. cs. princeton. edu /,ArcGIS10.0軟件由美國ESRI公司開發。將意大利蝗的分布數據和生物氣候數據導入MaxEnt模型中,選擇75%的分布點作為訓練樣本,25%的分布點作為驗證樣本。選取刀切法(Jackknife)分析各環境變量對潛在分布影響的重要性。運用刀切法(Jackknife)檢測生物氣候變量對于分布增益的貢獻,即單獨用每一變量建立模型(深藍色條帶),然后環境變量被輪流逐一剔除,并用剩余的變量參與運算模型(淺藍色條帶),同時還會生成一個所有變量都參與運行的結果(紅色條帶),以確定各變量對預測模型的重要性[14]。分布結果取運行10次的平均值以減小MaxEnt模型運行時的誤差。

MaxEnt模型運算出新疆意大利蝗分布區,通過 ArcGIS 10.0中 Spatial Analyst 模塊的Reclassify對意大利蝗各等級的潛在分布區進行重新賦值,將研究區意大利蝗的生境分為5個等級,分別為非適生區(0,0.06]、邊緣適生區(0.06,0.16]、低度適生區(0.16,0.29]、中度適生區(0.29,0.40]和高度適生區(0.40,1.00]。

1.4 精度驗證

在建立模型過程中,通過Jackknife中的AUC評價指標對模型的效果和各個環境特征變量的重要性進行檢測,來驗證模型的準確度[15]。AUC為模型自帶的受試者工作特征(receiver operator characteristic,ROC)曲線下的面積(area under curve,AUC),不同的值代表不同的重要性級別:0.5～0.6,不及格(fail);0.6～0.7,較差(poor);0.7～0.8,一般(fair);0.8～0.9,良好(good);0.9～1.0,優秀(excellent)[16-17]。

2 結果與分析

2.1 MaxEnt模型預測結果檢驗

當前和未來不同氣候模式下19個生物氣候變量的10次MaxEnt模型運行的ROC曲線檢驗結果:訓練集(training data)AUC的10次均值都在0.926～0.927間波動,驗證集(test data)AUC值在0.903～0.927間波動,表明預測結果都為優秀水平。

2.2 當前氣候模式和未來氣候情景下意大利蝗在新疆潛在分布區預測

將MaxEnt模型運行的結果導入ArcGIS中,執行重分類,并利用空間分析疊加顯示模塊,得出當前氣候情景和未來氣候情景下意大利蝗在新疆的空間分布圖(圖1、2)。

從圖1和圖2可看出:空間分布上,未來(2030s、2050s、2070s)不同氣候情景(RCP2.6、RCP4.5、RCP8.5)下意大利蝗的分布格局與當前氣候條件下相比基本保持不變。即意大利蝗適生區主要在北疆地區及天山一帶,其中高度適生區和中度適生區主要分布在:伊犁州、博州中部,塔城地區的西北部,阿勒泰地區的西北部和東南部,昌吉州南部,烏魯木齊的達坂城區和烏魯木齊縣,哈密地區中部,吐魯番地區和阿克蘇地區北部。低度和邊緣適生區主要集中在阿勒泰地區中部和昌吉州北部,以及南疆克州中部和東北部。空間分布變化上,在天山和阿爾泰山地區,未來意大利蝗中、高度適生區范圍將向更高海拔區域蔓延,在北疆阿勒泰地區高度適生區明顯增加(圖1、2)。

ArcGIS空間分析統計各氣候情景下意大利蝗的各級適宜生境占新疆總面積比例(表2)。根據預測結果(與當前條件相比):RCP2.6、RCP4.5和RCP8.5三種氣候情景下到2030s(2021-2040年),新疆意大利蝗適宜生境將分別增加2.23%、1.54%和2.20%,到2050s(2041-2060年),三種氣候情景下分別增加2.89%、1.87%和5.30%,至2070s(2061-2080年),分別增加6.53%、1.79%和3.98%。

高度適生區增加的比重更高:較1950-2000年(current),在RCP2.6情景下意大利蝗新疆高度適生區面積比重在2030s、2050s、2070s分別增加3.74%、4.08%、7.66%;在RCP8.5情景下,分別增加2.28%、4.76%、6.15%。這兩種氣候情景下都表現為從2000年到2030s、2050s、2070s逐漸增加的趨勢。在RCP4.5氣候情景下,意大利蝗新疆高度適生區面積比例隨時間增長分別增加3.58%、1.95%、2.83%,表現為2030s>2080s>2050s>1950-2000年(current)的變化趨勢。在全球變暖的氣候背景下,新疆氣候向暖濕方向發展,總體更利于意大利蝗中度適生區和高度適生區的形成。

圖1 當前氣候條件下意大利蝗適宜生境分布Fig.1 Distribution of habitats for Calliptamus italicus under current climate condition

圖2 未來不同氣候情景下意大利蝗適宜生境分布Fig.2 Distribution of habitats for Calliptamus italicus under different future climate scenarios

氣候情景Climatescenario非適生區Unsuitabledistributionregion面積/×104km2Area比例/%Ratio邊緣適生區Marginal-suitabledistributionregion面積/×104km2Area比例/%Ratio低度適生區Low-levelsuitabledistributionregion面積/×104km2Area比例/%Ratio中度適生區Moderatesuitabledistributionregion面積/×104km2Area比例/%Ratio高度適生區High-levelsuitabledistributionregion面積/×104km2Area比例/%RatioCurrent(19502000)123.4474.1412.527.5210.626.386.543.9313.378.03RCP2.6(2030s)119.7271.9110.076.058.575.158.525.1219.6011.77RCP2.6(2050s)118.6271.259.825.9010.226.147.664.6020.1612.11RCP2.6(2070s)112.5667.619.165.5011.977.196.684.0126.1215.69RCP4.5(2030s)120.8772.609.865.928.124.888.314.9919.3311.61RCP4.5(2050s)120.3272.2712.047.2310.826.506.694.0216.629.98RCP4.5(2070s)120.4672.3511.827.109.775.876.363.8218.0810.86RCP8.5(2030s)119.7771.9410.666.4011.006.617.894.7417.1710.31RCP8.5(2050s)114.6168.8412.447.4711.196.726.964.1821.2912.79RCP8.5(2070s)116.8170.1611.807.098.995.405.283.1723.6114.18

2.3 意大利蝗潛在分布區環境因子分析

刀切法得出單獨使用某個環境變量建立模型時,年降水量(Bio12)、最干月降水量(Bio14)、最干季降水量(Bio17)和最冷季降水量(Bio19)分別對意大利蝗潛在地理分布影響最大,極端降水和水熱條件對意大利蝗的潛在分布發揮重要作用。在干旱與半干旱區新疆,降水量對意大利蝗的適生區分布起到主要作用,為分析意大利蝗潛在分布概率與主要環境因子的關系,將12個月的降水數據導入MaxEnt模型中進行建模,得出4月、10月、3月和11月降水量對意大利蝗在新疆潛在分布影響最大(圖3)。同時得出意大利蝗存在概率對這4個變量的響應曲線(圖4)。3、4、10、11月份降水量分別達到11～22 mm、 18～37 mm、16～35 mm和大于11 mm時意大利蝗存在的概率大于50%。

圖3 MaxEnt 刀切法測試月降水環境變量的重要性Fig.3 Jackknife test for the significance of monthly rainfall environmental variables, performed by MaxEnt

3 討論

氣候變暖促使植物分布向高海拔和高緯度地區遷移的現象已在全球范圍被觀測證實[18-21]。有研究得出氣候變暖導致昆蟲向兩極和高海拔地區擴展:即受低溫限制的昆蟲增加了向兩極和高海拔擴散的機會[22-23],本研究也認為隨著未來新疆氣候變暖變濕,意大利蝗將會沿著氣候環境相似的高海拔地域上移和高緯度區域北移定殖,這是昆蟲對氣候變化的響應和適應。意大利蝗適生區變化與不同情景溫室氣體排放的濃度變化并未表現出一致性;但各情景下高度適生區隨時間推移逐漸增加表明溫室氣體的排放是引起變化的主導原因。

MaxEnt模型顯示的適生分布區格局,反映了昆蟲在基礎生態位和實際生態位中對空間需求的內在生物學特性[24]。意大利蝗各發育階段的死亡率由高到低分別為41.02%(卵)、32.00%(1齡蝗蝻)、18.18%(產卵前期)、8.33%(2齡蝗蝻)、5.71%(5齡蝗蝻)、5.67%(3齡蝗蝻)、3.35%(4齡蝗蝻)[25]可知意大利蝗自然種群的死亡集中于卵期、1齡蝗蝻期,而新疆每年10、11月及次年3、4月降水量對意大利蝗在新疆潛在分布影響最大,因其直接影響土壤相對含水量和土壤溫度,從而決定意大利蝗卵的存活量;也說明這些時段是意大利蝗卵發育和存活的重要時期。

秋季至翌年春季土壤的溫濕度變化對蝗卵的越冬、孵化出土以及蝗蝻生長將產生重要影響[26]。在自然條件下,意大利蝗卵的吸水集中于翌年3月底,卵體含水量迅速從60%左右增加至75%以上;4月蝗卵繼續發育,土壤相對含水量在5%～55%時,卵孵化率隨土壤相對含水量的增加而升高;春季土壤相對含水量直接決定意大利蝗卵的存活量,所以預測意大利蝗發生量以檢測土壤相對含水量為主[25]。本研究得出新疆3-4月降水量作為影響土壤溫濕度的重要因子,分別達到11～22 mm、18～37 mm時意大利蝗適生區存在的概率將大于50%。陳素華等也得出若春季溫度適宜,則降水就成為關鍵,內蒙古草地春季降水過少,既不利于蝗蟲的破土出殼,又不利于蝗蝻取食,而在適宜溫度范圍內每旬有3～10 mm的降水,則蝗卵發育最快,出土成蟲率最高[26]。

同樣，新疆意大利蝗在10月蝗卵處于越冬胚胎發育階段,到11月進入滯育階段。在新疆，11月已進入霜凍期,開始降雪。降雪量越多,形成冬雪保護層越利于蝗卵過冬,雪水也利于越冬卵的水分保持和土壤松軟[27]。本研究也認為11月降雪量高于11 mm后意大利蝗適生區發生概率大于50%，且不斷增加。

大氣二氧化碳濃度升高、溫度上升、降雨分布不均、災害性天氣出現頻次增加等全球氣候變化將不但會影響單種生物,還會影響原有的植物-害蟲-天敵間內在聯系和各營養層間的固有平衡格局,最終導致一些害蟲暴發成災,一些昆蟲種群數量下降甚至物種滅絕[27]。意大利蝗在新疆潛在適生區的變化若能分析氣溫、降水、土壤溫濕度、太陽輻射等因子相互耦合作用的同時,考慮包括寄主植物、天敵和種間關系、土壤、地形、人工防治等多種因素、不同蟲齡對環境因子變化的響應和承受力等,預測精度可進一步提高。

[1] 蔡運龍, 李雙成, 方修琦. 自然地理學研究前沿[J]. 地理學報, 2009, 64(11):1363-1374.

[2] 秦大河, Thomas Stocker, 259名作者和TSU(駐伯爾尼和北京). IPCC第五次評估報告第一工作組報告的亮點結論[J]. 氣候變化研究進展, 2014, 10(1):1-6.

[3] 鄭紅蓮, 嚴軍, 元慧慧. 南疆地區近58年氣溫、降水變化特征分析[J]. 干旱區資源與環境, 2010, 24(7):103-109.

[4] Xu Changchun, Li Jiaxiu, Zhao Jie, et al. Climate variations in northern Xinjiang of China over the past 50 years under global warming [J]. Quaternary International, 2015, 358:83-92.

[5] Bellard C, Bertelsmeier C, Leadley P, et al. Impacts of climate change on the future of biodiversity[J]. Ecology Letters, 2012, 15(4)： 365-377.

[6] Espíndola A, Pellissier L, Maiorano L,et al. Predicting present and future intraspecific genetic structure through niche hindcasting across 24 millennia [J]. Ecology Letters, 2012, 15(7): 649-657.

[7] Guo Kun, Hao Shuguang, Sun Osbertjianxin,et al. Differential responses to warming and increased precipitation among three contrasting grasshopper species [J]. Global Change Biology, 2009, 15(10):2539-2548.

[8] Carly Z, Emily A R, Jonathan A N. Climate change and voltinism in Californian insect pest species: sensitivity to location, scenario and climate model choice [J]. Global Change Biology, 2012, 18(18):2771-2780.

[9] 霍治國, 李茂松, 王麗, 等. 氣候變暖對中國農作物病蟲害的影響[J]. 中國農業科學, 2012, 45(10):1926-1934.

[10]張泉, 喬璋, 熊玲, 等. 意大利蝗生物學特性研究[J]. 新疆農業科學, 1995(6):256-257.

[11]范福來. 新疆蝗蟲災害治理[M]. 烏魯木齊:新疆科學技術出版社, 2011:86-90.

[12]王晗, 于非, 扈鴻霞, 等. 新疆意大利蝗適生區的氣候變化特征分析[J]. 中國農業氣象, 2014, 35(6):611-621.

[13]辛曉歌, 吳統文, 張潔. BCC氣候系統模式開展的CMIP5試驗介紹[J]. 氣候變化研究進展, 2012, 8(5):378-382.

[14]張海娟, 陳勇, 黃烈健, 等. 基于生態位模型的薇甘菊在中國適生區的預測[J]. 農業工程學報, 2011, 27(S1):413-418.

[15]吳慶明, 王磊, 朱瑞萍, 等. 基于MaxEnt模型的丹頂鶴營巢生境適宜性分析——以扎龍保護區為例[J]. 生態學報, 2016,36(12):3758-3764.

[16]Swets J A.Measuring the accuracy of diagnostic systems [J]. Science, 1988, 240(4857):1285-1293.

[17]Phillips S J, Anderson R P, Schapire R E. Maximum entropy modeling of species geographic distributions[J]. Ecological Modeling, 2006,190(3-4):231-259.

[18]Parmesan C, Yohe G.A globally coherent fingerprint of climate change impacts across natural systems [J].Nature,2003,421(6918): 37-42.

[19]Root T L, Price J T, Hall K R, et al. Fingerprints of global warming on wild animals and plants[J]. Nature, 2003, 421(6918):57-60.

[20]Lenoir J, Gégout J C, Marquet P A, et al. A significant upward shift in plant species optimum elevation during the 20th century [J]. Science, 2008,320:1768-1771.

[21]Bertrand R, Lenoir J, Piedallu C, et al.Changes in plant community composition lag behind climate warming in lowland forests [J]. Nature,2011,479(7374):517-520.

[22]Speight M R, Hunter M D, Watt A D. Ecology of insects: concepts and applications [M]. Oxford: Blackwell Science Ltd, 1999.

[23]Hickling R, Roy D B, Hill J K, et al. A northward shift of range margins in British Odonata [J]. Global Change Biology, 2005, 11(3):502-506.

[24]Guisan A, Zimmermann N E. Predictive habitat distribution models in ecology [J]. Ecological Modelling, 2000,135(2-3):147-186.

[25]任金龍. 意大利蝗生物學及生命表的研究[D]. 烏魯木齊:新疆農業大學, 2015.

[26]陳素華, 烏蘭巴特爾, 吳向東. 內蒙古草地蝗蟲生存與繁殖對氣候變化的響應[J]. 自然災害學報, 2007,16(3):66-69.

[27]吳瑞芬. 我國蝗蟲發生的氣候背景及長期預測研究[D]. 北京:中國農業大學, 2005.

[28]戈峰. 應對全球氣候變化的昆蟲學研究[J]. 應用昆蟲學報, 2011, 48(5):1117-1122.

(責任編輯：田 喆)

Effects of future climate change on potential geographic distribution ofCalliptamusitalicus(L.) in Xinjiang

Li Peixian1,2, Lin Jun3, Maidi Kuerman3, Wu Jianguo3, Liu Yongqiang1,2, Zheng Jianghua1,2

(1. College of Resource & Environment Sciences, Xinjiang University, Urumqi 830046, China;2. Key Laboratory of City Intellectualizing and Environment Modeling, Xinjiang University, Urumqi 830046, China;3. Locust and Rodent Control Headquarters of Xinjiang Uygur Autonomous Region, Urumqi 830001, China)

Calliptamusitalicus(L.) is one of the dominant species of grassland locusts in Xinjiang. It is widely distributed and has caused several serious hazards in history of Xinjiang. The predictions of its potential geographic distribution under future climate changes have important significance for its scientific prevention and treatment. Using MaxEnt model and ArcGIS software with GPS data ofC.italicusactual distribution and biological climate data in Xinjiang, the potential geographic distribution ofC.italicusunder the current climate conditions (1950-2000)were predicted, and its potential geographic distribution was also predicted using BCC-CSM1.1 (Beijing Climate Center_Climate System Model version 1.1) in three periods, 2021-2040 (2030s), 2041-2060 (2050s) and 2061-2080 (2070s), under three climate change scenarios, namely RCP2.6, RCP4.5 and RCP8.5, which were adopted by IPCC AR5 (Intergovernmental Panel on Climate Change Fifth Assessment Report). The results showed that Northern Xinjiang and Tianshan Mountains regions were the major potential distribution regions. This distribution pattern remained unchanged in the future, but the area of high-level suitable distribution regions increased. The moderate and high-level suitable distribution regions ofC.italicuswould spread to higher-altitude area of Tianshan Mountains and Altai Mountains. A significant increase of high-level suitable distribution region would occur in Altai region of northern Xinjiang. Extreme moisture and hydrothermal synchronization conditions were the environmental factors for the prediction. The rainfall in April, October, March and November had the greatest impact on the potential distribution ofC.italicusbecause the direct impact on the soil relative water content and soil temperature could determine the survival situation ofC.italicuseggs.

Calliptamusitalicus; MaxEnt model; climate change; RCPs; climate scenario; GIS; prediction

2016-07-20

2016-09-11

新疆維吾爾自治區治蝗滅鼠指揮辦公室委托項目(2016);新疆維吾爾自治區高層次人才培養計劃項目(104-40002);教育部創新團隊項目(IRT1180)

S 433.2

A

10.3969/j.issn.0529-1542.2017.03.015

致 謝： 本研究得到新疆大學智慧城市與環境建模重點實驗室許仲林副教授在模型運行上的指導和幫助，特此謝忱！

* 通信作者 E-mail：zheng_jianghua@126.com