艾比湖地区生态景观格局空间演变分析

张 芳，塔西甫拉提·特依拜，许仲林，依力亚斯江·努尔麦麦提

(1.新疆大学资源与环境科学学院，新疆乌鲁木齐830046；2. 新疆大学生态学博士后流动站，新疆乌鲁木齐830046；3.教育部新疆绿洲生态重点实验室，新疆乌鲁木齐830046)

艾比湖地区生态景观格局空间演变分析

张 芳1，2，3，塔西甫拉提·特依拜1，2，3，许仲林1，3，依力亚斯江·努尔麦麦提1，3

(1.新疆大学资源与环境科学学院，新疆乌鲁木齐830046；2. 新疆大学生态学博士后流动站，新疆乌鲁木齐830046；3.教育部新疆绿洲生态重点实验室，新疆乌鲁木齐830046)

本文以土地盐渍化和风沙化较为严重的新疆艾比湖地区为研究对象，以1990年、2001年和2011年3期Landsat-TM多光谱遥感数据为基础数据源，对当前3种主流分类算法即最大似然分类法(MLC)、决策树分类法(TDC)和支持向量机分类法(SVM)进行优选，生成研究区景观格局图。利用GIS技术和景观生态学方法，运用类型水平和景观水平2个方面上的景观格局指数，对比研究艾比湖地区近20年的生态景观格局空间演变特点，研究结果表明：(1)应用SVM分类方法的精度最高，因此选择SVM分类结果对研究区的景观格局及动态变化进行分析，1990年、2001年及2011年总分类精度分别为97.312 3%、92.778 2%、95.082 1%。Kappa系数分别为0.963 2、0.884 2、0.918 7；(2)艾比湖地区近20年的耕地、盐渍地和沙地面积呈现增加趋势，其中盐渍地增加最多，为374.471 4 km2；而林地、草地、水域和其他地类面积总体呈减小趋势，草地减少最为明显，为366.868 8 km2。(3)研究区景观在研究时段有着明显的差异。总体而言，研究区景观的密度、最大斑块指数、分离度指数、香农多样性指数和香农均匀度指数呈增大趋势，面积加权指数、斑块平均最近距离指数、蔓延度指数、散布与并列指数和斑块结合度指数呈持续减小的趋势。随着研究区景观的破碎度不断增加，多样性程度不断加深，均匀度增强，各景观的分布在较短的时期内趋于稳定，说明研究区景观向着多元化、均匀化方向发展。

遥感；景观格局变化；SVM分类；艾比湖流域

生态景观格局变化分析既是景观生态学研究的核心问题之一[1-3]，同时也是景观生态学和地理学领域长期关注的热点问题和难点问题[4-6]。干旱区内陆河流域拥有干旱区最为稀缺的水资源，由于干旱区特有的气候条件，流域范围内所覆盖地区的生态环境均较为脆弱，景观格局变化明显。因此，客观地评价和分析该类地区的景观格局变化不仅可以揭示其景观演替的规律与机制，同时对于探寻人类活动和景观变化的关系，预测景观的变化趋势、实现景观的可持续利用具有科学和实际意义[7-8]。

艾比湖位于新疆准噶尔盆地西南缘，是新疆最大的咸水湖，该地区集湿地和荒漠化过程为一体，是影响准噶尔盆地生态环境变化的关键地区，同时也是我国北疆地区最重要的生态屏障[9-11]。艾比湖地区的景观，是以荒漠为机制，在干旱气候条件下发育生成的各种植被生态体系，加以荒漠植被和盐生、沼泽草甸植被和依托水系分布的乔灌木林，再迭加诸如农用地、耕地、人工草场和林场的人工生态体系，这样就构成了复杂并且各类植被生态体系难以界定的景观结构[12-13]。因此，了解艾比湖地区生态景观的分布格局和演变，深入分析并揭示外界干扰与该地区景观格局变化之间的关系，对于艾比湖地区合理开发利用土地资源、生态环境分区管理和区域的可持续发展具有重要意义。

遥感和GIS技术具有在处理和分析空间数据方面的优势，因而已成为研究生态景观格局的重要工具，特别是在研究各种景观现象的分布规律、空间镶嵌关系、演变特征以及生态景观格局的模拟等方面起着重要的作用[14]。当前，虽然已有众多学者针对艾比湖地区的生态脆弱性进行了研究[15-18]，但目前针对艾比湖地区进行全面、综合、长时间尺度的景观格局演变的研究并不多见。本文以景观生态学原理为基础，在遥感和GIS技术支持下，研究艾比湖地区1990—2011年间景观格局的时空变化情况，旨在揭示外界因素与该地区变化之间的关系，为艾比湖地区的资源开发与利用、生态环境的改善、生物多样性的保护以及生态系统可持续管理与发展提供科学依据。

1 研究区概况

艾比湖流域介于北纬43°38′—45°52′，东经79°53′—85°02′，位于新疆维吾尔自治区的西北部，准噶尔盆地西南方向。本文选取艾比湖中部偏西，位于艾比湖流域生态系统中的精河和博乐2个绿洲作为研究对象(图1)。该地区生态系统极不稳定，具有很强的脆弱性和敏感性。

图1 研究区地理位置示意图Fig.1 The map of study area

2 研究方法

2.1 数据源的获取

本研究所采用的数据有：(1)1990年10月5日的Landsat-TM遥感影像、2001年9月25日Landsat-ETM遥感影像和2011年9月13日的Landsat-TM遥感影像；(2)艾比湖地区1∶100 000地形图及其矢量化数据，用于遥感影像的几何校正；(3)艾比湖地区多年自然和人文统计资料(气象、水文、社会经济、人口、土地利用状况等)，这些资料将有助于理解景观格局变化的原因，提高影像反演和解译的准确性；(4)2006年以来，每年9—10月均会对研究区进行实地野外考察，所获得的观测资料、定点景观照片等为影像的分类及验证提供了依据。

2.2 遥感影像预处理与分类精度检验

基于研究区地形图对3期遥感影像分别进行几何校正，RMS校正误差分别为0.318 6、0.332 3和0.428 3，误差均在0.5个像元以内。选择COST模型对几何校正后的遥感影像进行大气校正，为了更好地反映出植被信息，选取Band4、5、3波段组合。

本研究拟采用的3种分类方法：最大似然分类法(maximum likelihood classification，MLC)、决策树分类法(decision tree classification，DTC)和支持向量机分类法(support vector machine，SVM)。其中，MLC分类方法是采用一个有效的规则来决定各像元的类别，关键在于根据训练样本的均值和方差评价不同训练样本和像元之间的相似性。DTC分类方法主要在于建立分类树框架，通过其树状的结构来说明各地物之间的关系，并据此对像元进行逐级的识别和归类，以此实现对遥感影像的分类。SVM分类方法是基于统计学理论的机器学习算法，它基于解算最优化问题，在高维特征空间中寻找最优分类超平面，从而用于遥感数据的分类及回归问题[19]。本研究以ENVI4.8为研究平台，核函数为径向基RBF核函数，参数为：1990年C=32，λ=8；2001年C=32，λ=8；2010年C=8，λ=8。通过精度计算和运用Kappa系数对3种分类方法的效果进行评价(表1)。如表1所示，SVM方法的分类精度高于DTC和MLC方法，因此，本研究采用SVM分类方法所得到的分类结果对景观格局的演变进行分析。

表1 3种影像分类方法总体精度及Kappa系数

2.3 景观类型的确定和动态度分析

根据艾比湖地区现有的景观类型，选取耕地、林地、沙地、草地、盐渍地、水域和其他(包括戈壁、裸地、沙砾地等)7种景观类型，研究其景观动态度及变化景观格局特征。景观动态度是指在一定的时间范围内针对研究区的某种景观类型的数量变化状况，采用单一景观类型动态度K，其公式为：

(1)

式中：K为某一景观类型在研究时间段范围内的动态度；Ua、Ub为某一景观类型在研究初期和研究末期的面积；T为研究时间段长度，当T的时段设置为年时，K值就是区域范围内某种景观类型的年变化率[20]。

2.4 景观空间格局指数的选取

景观生态学具有强大的空间格局评价和分析功能，依托生态整体性理论和空间异质性作为基础，常用于土地利用格局动态研究，与土地利用/覆盖研究相结合。景观格局可以运用多种指标进行定量分析，当前针对不同的研究区进行景观空间格局分析时，有60多种景观指数可以选取，但其中大多数指数是高度相关的。因此，本文在景观类型级别上分析景观指数时，选取10种公式简单、生态学意义明确、足以描述景观异质性特征的景观指数，分别为：斑块数目(NP)、斑块密度(PD)、最大斑块指数(LPI)、斑块结合度指数(COHESION)、景观类型面积(CA)、类型百分比(PLAND)、边缘密度(ED)、散布与并列指数(IJI)、景观破碎度指数(FN)、分类度(SPLIT)；在景观级别上分析景观指标时，选取9种景观指数，分别为：斑块密度(PD)、最大斑块指数(LPI)、斑块结合度指数(COHESION)、蔓延度指数(CONTAG)、平均最近距离(ENN-MN)、香农多样性指数(SHDI)、香农均匀度指数(SHEI)、散布与并列指数(IJI)、分离度(SPLIT)，以此对研究区20年的景观格局特征演变进行深入研究和分析。

3 结果与分析

3.1 影像分类

在景观格局的演变研究中，保证较高水平的分类精度至关重要，而指标的过度细化会造成类别间混分率的增加。因此，为保证分类精度，本文根据研究需要，针对干旱区景观的特殊自然环境状况和生态环境问题以及研究区复杂的地物光谱类别，从3种分类方法中优选出SVM分类方法对3期影像进行分类，最终确定7个景观类别：耕地、林地、沙地、草地、盐渍地、水域和其他(包括戈壁、裸地、沙砾地等)。对分类结果进行精度验证得到：1990年的总精度为97.312 3%，Kappa系数为0.963 2；2001年的总精度为92.778 2%，Kappa系数为0.884 2；2011年的总精度为95.082 1%，Kappa系数为0.918 7，达到研究所需要的分类精度，效果较为理想。

图2 1990—2011年研究区分类影像Fig.2 Classified images of study area from 1990 to 2011

3.2 各景观类型动态变化分析

通过对1990年、2001年和2011年3期景观类型图进行分析与统计，获得了艾比湖地区近20年的景观面积变化趋势(表2)。

表2 艾比湖地区景观类型结构

通过表2可以看出，研究区各景观类型中面积最大的为其他(包括戈壁、裸地、沙砾地等)景观类型，所占比例分别约为1990年的33%、2001年的36.1%和2011年的28.1%，其他景观的面积越大表明该地区的生命支持力和生态环境较为脆弱。在1990—2011年，耕地、沙地、盐渍地面积总体呈增加趋势，分别增加了173.732 4、266.541 1、374.471 4 km2；林地、草地、水域和其他面积总体呈减小趋势，分别减少了34.896 5、366.868 8、95.322 6、317.657 0 km2。利用公式(1)计算艾比湖地区研究时段的景观动态度，从图3可以看出，沙地的增加速度最快，其中1990—2001年平均变化率为5.64%，在其余的景观类型中林地的变化最为明显，1990—2001年的平均变化率为-3.4%，2011年则变为3.75%。

图3 1990—2001年和2001—2011年各景观类型动态度Fig.3 Dynamics of landscape types during 1990-2001 and 2001-2011

3.3 景观格局空间演变分析

3.3.1 类型水平上的景观格局演变分析

(1)景观类型百分比、斑块数目和最大斑块指数分析。通过表3可以看出，1990年各景观类型百分比(PLAND)在10%以上的从大到小依次为其他地类(33.048 7%)、草地(24.317 8%)、耕地(13.293 1%)和盐渍地(12.983 9%)；2001年则为其他地类(31.581 3%)、草地(20.309 4%)、盐渍地(16.254 9%)和耕地(14.444 0%)，说明其他地类和草地的面积有所减小，相应的耕地和盐渍地面积有所增加，并且盐渍地的增幅大于耕地；2011年其他地类面积依然持续下降，达到28.095 4%，而盐渍地面积增至为18.839 1%，草地面积减为18.582 7%，耕地面积则增长至16.008 2%。在斑块数目(NP)方面：1990年斑块数目最多的景观类型为草地、沙地、林地和耕地；2001年则为草地、耕地、沙地和盐渍地；2011年则是草地、林地、耕地、盐渍地和沙地。由此可以看出，草地的斑块数目一直很稳定并且显著，这是由于随着农业的发展和人口的增加，大量的草地转化为耕地，一部分草地则转化为沙地，导致该景观的破碎化，相应的沙地斑块数目在20年间由于沙漠的不断扩大，致使沙地斑块成片连接从而呈现减小的趋势。林地面积的增加，是与国家退耕还林还草的政策以及西部生态环境的建设、人工增加了林地面积有关。

1990—2001年由于相应的“退耕还林”政策出台，耕地的斑块数目呈现减小的趋势，2001—2011年随着当地人口的增长和经济发展的需求，大量荒地被开垦成为耕地，致使该时段内的耕地斑块数目呈现出增长的态势。从最大斑块指数(LPI)来看，耕地、沙地和盐渍地的LPI呈现持续增长的趋势，说明这三类景观在研究区空间范围为内呈现片状连接的趋势，而林地、草地和水域呈现先减小再增大的趋势，表明总体上这三类景观在研究区的空间范围内从大面积连片区域到被分割成较小的区域，成片面积被压缩。

(2)景观连通性分析。从斑块结合度指数(COHESION)方面来看：1990—2011年，水域的COHESION最高，说明水域在研究区的空间连通性最好，是艾比湖地区最主要的景观类型。1990—2011年，林地的COHESION最低，说明林地的空间连通性较低，分布较为分散。

(3)景观分离度和生态环境破碎度分析。散布与并列指数(IJI)和景观破碎度指数(FN) 分别表示各景观类型之间相邻的类型多少以及生态环境的破碎状况。从IJI指数可以看出：1990年IJI值较大的景观类型为草地、其他用地和水域；2001年为其他用地、林地和水域；2011年为盐渍地、其他用地、林地和草地，表明上述景观类型的分布聚集度较高，相互临近。通过FN指数的大小可以看出，1990年的其他地类和盐渍地，2001年的其他地类、草地和盐渍地以及2011年的其他地类和草地的FN值和同时期其他景观类型相比较高，说明上述景观类型的生态环境破碎化较为严重，也从侧面反映了研究区景观的复杂性。

表3 1990—2011年艾比湖地区景观水平上的景观格局指数

3.3.2 景观水平上的景观格局指数分析

通过表4可以看出，艾比湖地区整体景观的密度、最大斑块指数、分离度指数、香农多样性指数和香农均匀度指数呈增大趋势，这表明研究区的景观密度在持续增大的同时，斑块与斑块之间的分离度也在扩大，景观破碎程度加深，并且景观的多样性增加，均匀度增强。另一方面，面积加权指数、斑块平均最近距离指数、蔓延度指数、散布与并列指数和斑块结合度指数呈持续减小的趋势，表明形状趋于规则；斑块之间的聚类和延伸度减小，蔓延度由1990年的99.804 6降到2011年的96.678 0，表明艾比湖地区的景观聚集度有所降低，但降低幅度较小，景观的空间连接性下降，各景观的分布在较短时期内趋于稳定。

从景观的破碎化和斑块类型的简单化中可以看出，艾比湖地区景观总体特征的变化受自然条件影响的变化较为微小，而受人类活动的影响较为明显，因为自然条件在短时间内对景观的影响比较微小。景观破碎化是客观存在的，它的存在有利于生态系统的稳定性，而人类的干扰可以产生消极的作用，也可以产生积极的作用(如生态重建、建设扩张等)，但是由于人类活动产生过高的景观破碎度，最终将造成土地资源的不合理利用和生态失衡。艾比湖地区近20年间，随着绿洲内部交通设施的完善与河流、渠道相互交错，改变了绿洲内部原有的网络结构体系，从而影响了绿洲斑块的格局，导致多样性和破碎度增加。随着农业化水平的不断提高，耕地面积不断增大，绿洲不断扩大，绿洲内部斑块的复杂性也进一步减小，同时斑块的连通性增加，其不规则性也进一步增加。

表4 1990—2011年艾比湖地区各斑块类型水平上的景观格局指数

3.4 讨论

本研究利用遥感手段在内陆荒漠区域研究的优势，采用景观生态学方法，分析了近20年来艾比湖区域的景观格局变化。研究区系新疆干旱区典型现代萎缩性盐湖环境，水面扩缩与土壤盐渍化状况是研究区景观格局形成与演变的重要影响因素。遥感数据选择旱季末(9—10月)影像是因为此时盐渍化特征表现最为明显，此种数据选择方式对于以盐渍化作为主要障碍性因素的干旱区生态环境演变研究具有普适性，可以减少由于夏季降水的暂时性洗盐以及春夏短命植物生长造成的环境误判，但是对于非现代盐湖沉积环境或者非盐渍化区域的环境演变进行宏观监测研究时，应根据研究区域主导性的自然、人文因子进行数据和方法的选择。

4 结论

本研究首先对研究区1990—2011年的3期遥感图像应用最大似然分类法(MLC)、决策树分类法(TDC)和支持向量机分类法(SVM)进行分类，通过精度计算和运用Kappa系数选取分类精度最高SVM方法生成研究区的景观格局图，从而对研究区景观格局的演变进行分析。

通过选取和计算19种景观格局指数，对研究区的类型水平和景观水平的景观格局变化进行分析，研究表明：

(1)在1990—2011年，耕地、沙地、盐渍地面积总体呈增加趋势，而林地、草地、水域和其他面积总体呈减小趋势。通过计算艾比湖地区研究时段的景观动态度发现：沙地的增加速度最快，其中1990—2001年平均变化率为5.64%，而林地的变化最为明显，1990—2001年的平均变化率为-3.4%，2011年则变为3.75%。

(2)研究区景观在研究时段有着明显的差异。总体而言，研究区整体景观的密度、最大斑块指数、分离度指数、香农多样性指数和香农均匀度指数呈增大趋势，面积加权指数、斑块平均最近距离指数、蔓延度指数、散布与并列指数和斑块结合度指数呈持续减小的趋势。随着研究区景观破碎度的不断增加，多样性程度不断加深，均匀度增强，各景观的分布在较短的时期内趋于稳定，说明研究区景观向着多元化、均匀化方向发展。

(3)针对艾比湖地区的生态格局演变，必须制定科学有效的保护政策，对艾比湖地区的生态环境进行保护，从而抑制沙地面积的增加和盐渍地面积不断扩大的态势。

[1] 曹慧明， 董仁才， 邓红兵， 等．区域生态系统重心指标的概念与应用[J]. 生态学报，2016，36(12) ：3639-3645．

[2] 占车生， 乔晨， 徐宗学， 等. 基于遥感的渭河关中地区生态景观格局变化研究[J]. 资源科学， 2011， 33(12)：2349-2355.

[3] 刘吉平， 董春月， 盛连喜，等. 1955—2010年小三江平原沼泽湿地景观格局变化及其对人为干扰的响应[J]. 地理科学，2016，36(6)：879-887.

[4] WOOD R， HANDLEY J. Landscape dynamics and the management of change[J]. Landscape Research， 2001， 26：45-54.

[5] 张月， 张飞， 周梅， 等. 干旱区内陆艾比湖区域景观生态风险评价及时空分异[J]. 应用生态学报， 2016，27(1) ：233-242.

[6] 彭建， 党威雄， 刘焱序， 等. 景观生态风险评价研究进展与展望[J]. 地理学报， 2015， 70(4)：664-677.

[7] MUSACCHIO L， OZDENEROL E， BRYANT M， et al. Changing land-scapes， changing disciplines：seeking to understand interdisciplinarity in land scape ecological change research[J]. Landscape and Urban Planning， 2005， 73(4)：326-338.

[8] 刘晓君， 李占斌， 李鹏， 等. 基于土地利用/覆被变化的流域景观格局与水沙响应关系研究[J]. 生态学报，2016，36(18)：1-10.

[9] 毋兆鹏， 金海龙， 王范霞. 艾比湖退化湿地的生态恢复[J]. 水土保持学报， 2012，26(3)：211-221.

[10] 王合玲， 张辉国， 秦璐， 等. 新疆艾比湖流域土壤有机质的空间分布特征及其影响因素[J]. 生态学报， 2012， 32(16)：4969 -4980.

[11] 马姜明， 吴蒙， 占婷婷， 等. 漓江流域岩溶区檵木群落不同恢复阶段物种组成及多样性变化[J]. 生态环境学报， 2013， 22(1)：66-71.

[12] 谢霞， 杨国靖， 王增如， 等. 疏勒河上游山区不同海拔梯度的景观格局变化[J]. 生态学杂志， 2010， 29(7)：1420-1426.

[13] 杨晓东， 吕光辉. 新疆艾比湖湿地自然保护区胡杨根系水分再分配的估算[J].植物生态学报， 2011，35(8)：816-824.

[14] 营利容， 李明阳. GIS分析方法在森林景观格局变化中的应用[J]. 中南林学院学报， 2002，22(1)：86-89.

[15] 钱亦兵， 吴兆宁， 蒋进， 等. 近50a来艾比湖流域生态环境演变及其影响因素分析[J]. 冰川冻土， 2004， 26(1)：17-26.

[16] 王宏， 塔西甫拉提·特依拜， 谢霞， 等. 新疆艾比湖地区不同土地利用类型的土壤盐渍化敏感性评价[J]. 地理科学进展， 2011， 30(5)：593-599.

[17] 贡璐， 韩丽， 任曼丽， 等. 塔里木河上游典型绿洲土壤水盐空间分异特征[J]. 水土保持学报， 2012， 26(4)：251-278.

[18] 蒋德明， 苗仁辉， 押田敏雄， 等. 封育对科尔沁沙地植被恢复和土壤特性的影响[J]， 生态环境学报， 2013， 22(1)：40-46.

[19] 张睿， 马建文. 支持向量机在遥感数据分类中的应用新进展[J]. 地球科学进展， 2009，24(5)：555-562.

[20] 张飞， 塔西甫拉提·特依拜， 丁建丽， 等. 干旱区绿洲土地利用/覆被及景观格局变化特征：以新疆精河县为例[J]. 生态学报， 2009， 29(3)：1251-1263.

(责任编辑 马殷华)

Ecological Landscape Patterns in Ebinur Lake RegionBased on Remote Sensing

ZHANG Fang1，2，3，Tashpolat Tiyip1，2，3，XU Zhonglin1， 3，Ilyas Nurmuhammat1， 3

(1. College of Resources and Environment Science， Xinjiang University， Urumqi Xinjiang 830046，China；2. Postdoctoral Station of Ecology， Xinjiang University， Urumqi Xinjiang 830046，China；3. Key Laboratory of Oasis Ecology (Xinjiang University) Ministry of Education, Urumqi Xinjiang 830046，China)

Knowing the changes of ecological landscape in lake areas of arid region is of particular importance to monitor land use change and adjust land use strategies. The current study focuses on Ebinur Lake region， Xinjiang， which suffers from severe salinization and desertification in recent years， to generate land use changing maps using Landsat-TM multispectral images of 1990， 2001 and 2011. Three commonly used classification approaches were compared， i.e.， Maximum Likelihood Classification (MLC)， Decision Tree Classification (DTC)， and Support Vector Machine (SVM)， to generate landscape metrics for stndying the landscape change during the past two decades in Ebinur Lake area. Three findings emerge from the study. First， among the three classification approaches， SVM produces the most accurate classification. For the year of 1990， 2001， and 2011， the classification accuracy rates are 97.312 3%， 97.778 2%， and 95.082 1%， respectively， Kappa coefficients are 0.963 2， 0.884 2， and 0.918 7， respectively. Second， for the past two decades， salinized and desertified lands are increasing drastically (salinized land increased 374.471 4 km2)， along with increased cultivated land. While forest， grassland， water body and other land use types decrease in the same period， with grassland lost over 366.868 8 km2. Third， there is a significant landscape difference among different periods. In general， calculated landscape metrics such as landscape density， maximum patch index， isolation index， Shannon diversity index and Shannon evenness index are increasing during the two decades. On the other hand， area weighted index， mean patch distance index， contagion index， interspersion juxtaposition index and patch cohesion index are decreasing. It seems that the landscape of study area becomes more fragmented during the study period， which leads to relatively higher diversity， and more even distribution of various land use types. Our study results also suggest that the current landscape distribution is relatively stable and even. However， the increasing salinization and desertification of land due to increased human activities (cultivation) requires close monitoring and constant evaluation.

remote sensing; landscape pattern change; SVM classification; Ebinur lake area

10.16088/j.issn.1001-6600.2016.04.024

2016-08-05

国家自然科学基金资助项目(41261049， 41130531， 41361098)；中国博士后基金面上资助项目(2013M532100)

塔西甫拉提·特依拜(1958—)，男(维吾尔族)，新疆伊宁人，新疆大学教授，博导。E-mail：tash@xju.edu.cn

X171.1

A

1001-6600(2016)04-0156-09