張軒　費(fèi)占洋　郝宇　連易　王鴻　賀娟

基于運(yùn)氣理論研究北京地區(qū)流行性腦脊髓膜炎發(fā)病與氣象因素的相關(guān)性

張軒費(fèi)占洋郝宇連易王鴻賀娟

【摘要】目的依據(jù)中醫(yī)五運(yùn)六氣學(xué)說，研究北京地區(qū)流行性腦脊髓膜炎(以下簡稱“流腦”)的高發(fā)與同期及前期(包括1～3年前)氣象因素的關(guān)聯(lián)性，并建立BP人工神經(jīng)網(wǎng)絡(luò)的醫(yī)療氣象預(yù)測模型。方法基于北京地區(qū)1970年～2004年35年的氣象資料和流腦發(fā)病資料，利用BP人工神經(jīng)網(wǎng)絡(luò)方法，從不同時間維度分別建立流腦的氣象預(yù)警模型。結(jié)果流腦的高發(fā)期主要集中在每年的初之氣(即2、3月份)。利用當(dāng)年、1年前、2年前、3年前的氣象因素皆可成功建立流腦高發(fā)的預(yù)測模型，其預(yù)測精度分別是50%、75%、86%、99%，其中貢獻(xiàn)度最大的氣象因素分別是當(dāng)年初之氣的平均相對濕度、1年前五之氣的平均氣溫、2年前初之氣的平均風(fēng)速、3年前五之氣的平均風(fēng)速。結(jié)論北京地區(qū)流腦的高發(fā)與當(dāng)年及前3年的氣象因素均具有關(guān)聯(lián)性，利用前期(尤其是3年前)的氣象因素建立傳染病高發(fā)的預(yù)測模型具有深入研究的價值。

【關(guān)鍵詞】北京；流行性腦脊髓膜炎；氣象因素；五運(yùn)六氣；三年化疫；BP人工神經(jīng)網(wǎng)絡(luò)

流行性腦脊髓膜炎簡稱流腦，是由腦膜炎奈瑟菌引起的急性化膿性腦膜炎。其主要臨床表現(xiàn)為突然高熱、劇烈頭痛、頻繁嘔吐、皮膚黏膜瘀點(diǎn)、瘀斑及腦膜刺激征，嚴(yán)重者可有敗血癥休克和腦實質(zhì)損害，?？晌＜吧?。部分病人暴發(fā)起病，可迅速致死[1]。流腦多流行于冬春季節(jié)，其傳播途徑是經(jīng)呼吸道，通過飛沫傳播。本病任何年齡均可發(fā)生，以兒童多見[2]。近些年對流腦的研究，愈發(fā)重視從氣象學(xué)角度進(jìn)行探討，旨在為其防治和發(fā)病預(yù)測提供依據(jù)[3-4]。

運(yùn)氣學(xué)說是古人探討自然變化的周期性規(guī)律及其對疾病影響的一門學(xué)問，其中不僅包括了年、季、月、節(jié)、日、時等時空節(jié)律，而且總結(jié)了六十年甲子甚至更長時間的規(guī)律[5]。古人觀察到疫病的出現(xiàn)與氣候變化有著密切的聯(lián)系，不但與當(dāng)時的氣候，而且與近三年的運(yùn)氣都有關(guān)系，即“三年化疫”理論[6]。如《素問遺篇·本病論》云“假令甲子陽年，……如此則甲己失守，后三年化成土疫，……晚至丁卯，早至丙寅，土疫至也，……”[7]，指出甲年土運(yùn)，若運(yùn)氣失常，三年后引發(fā)疫病流行，名曰“土疫”，應(yīng)為與脾胃相關(guān)的傳染病，其病到來存在“早至”或“晚至”的情況。因此推斷所謂“三年化疫”，實際上應(yīng)指病發(fā)時間為運(yùn)氣失常年之后的第二年或第三年[8]。

北京地區(qū)屬于典型的暖溫帶半濕潤大陸性季風(fēng)氣候，四季分明。有學(xué)者研究發(fā)現(xiàn)北京全年五運(yùn)時段的實際氣候特點(diǎn)與中醫(yī)五運(yùn)模式“初運(yùn)風(fēng)、二運(yùn)暑熱、三運(yùn)濕、四運(yùn)燥、五運(yùn)寒”基本一致[9]；而北京全年六氣階段的實際氣候特點(diǎn)與中醫(yī)六氣模式“厥陰風(fēng)木、少陰君火、少陽相火、太陰濕土、陽明燥金、太陽寒水”特點(diǎn)基本符合[10]。因此，北京地區(qū)的氣候特點(diǎn)比較適合于五運(yùn)六氣學(xué)說的研究。在本課題“北京地區(qū)60年疫病發(fā)生、氣象變動規(guī)律性與五運(yùn)六氣理論關(guān)聯(lián)性研究”的既往研究結(jié)果中，已發(fā)現(xiàn)某些傳染病的發(fā)生與前期的氣象因素有關(guān)：如痢疾[11]和傷寒副傷寒[12]均與3年前的氣候變化存在確切的相關(guān)性；通過前1年的氣象變化可以預(yù)測當(dāng)年感染性腹瀉高發(fā)月份的病例數(shù)[13]；利用2年前的氣象因素可建立流行性腮腺炎發(fā)病的回歸預(yù)測模型，且擬合效果最佳[14]。因此，本研究將利用北京地區(qū)1970年～2004年35年的氣象數(shù)據(jù)資料和流腦的發(fā)病數(shù)據(jù)資料，采用統(tǒng)計學(xué)方法，從當(dāng)年、1年前、2年前、3年前四個不同時間角度，系統(tǒng)而全面地分析流腦的高發(fā)與氣象因素之間的相關(guān)性，并嘗試建立預(yù)測模型，以期為現(xiàn)代傳染病的預(yù)防提供參考。

BP人工神經(jīng)網(wǎng)絡(luò)[15]是一個非線性的數(shù)據(jù)建模工具集合，它包含輸入層、輸出層和隱藏層，神經(jīng)元之間的連接賦予相關(guān)的權(quán)重，訓(xùn)練算法在迭代過程中不斷調(diào)整這些權(quán)重，從而使得預(yù)測誤差最小化，并給出預(yù)測精度。由于其具有獨(dú)特的信息存儲方式、良好的容錯性、大規(guī)模的非線性并行處理方式以及強(qiáng)大的自組織、自學(xué)習(xí)和自適應(yīng)能力，故近些年來，該方法廣泛應(yīng)用于傳染病預(yù)測及與氣象因素關(guān)系的分析中[16-18]。針對傳染病數(shù)據(jù)的非線性特點(diǎn)，本研究將采用BP人工神經(jīng)網(wǎng)絡(luò)建立四個流腦高發(fā)的氣象預(yù)測模型。

1資料與方法

1.1資料來源

北京市疾病預(yù)防控制中心提供1970年～2004年記錄存檔的流腦年度及逐月發(fā)病數(shù)據(jù)，以及北京市觀象臺提供的同期5項基本氣象因子的數(shù)據(jù)資料，包括日平均氣溫、日平均風(fēng)速、日降水量、日平均相對濕度、日平均水汽壓。

1.2數(shù)據(jù)處理

本研究選擇以立春為起始點(diǎn)[19]，將每年按24節(jié)氣均分為六個時段，即初之氣(立春～春分)、二之氣(清明～小滿)、三之氣(芒種～大暑)、四之氣(立秋～秋分)、五之氣(寒露～小雪)、終之氣(大雪～大寒)。以六氣時段為單位，統(tǒng)計35年間各時段內(nèi)氣溫、風(fēng)速、降水量、相對濕度、水汽壓五項氣象因子的平均值；以及1970年～2003年流腦逐年的六段發(fā)病數(shù)。(注：因缺少2005年發(fā)病數(shù)據(jù)，故無法統(tǒng)計2004年六段發(fā)病數(shù))

1.3研究方法

應(yīng)用SPSS 17.0統(tǒng)計軟件中BP人工神經(jīng)網(wǎng)絡(luò)的多層感知器(MLP)模塊，將5個氣象因子數(shù)據(jù)和流腦高發(fā)時段的發(fā)病數(shù)據(jù)，按六氣時段劃分，統(tǒng)計出6個組別，各自包含31組數(shù)據(jù)。將日平均氣溫、日平均風(fēng)速、日降水量、日平均相對濕度、日平均水汽壓5個氣象因素作為輸入變量，將流腦高發(fā)時段的發(fā)病數(shù)作為輸出變量，采用統(tǒng)計學(xué)中常用且默認(rèn)的7∶3比例，隨機(jī)抽取數(shù)據(jù)進(jìn)行訓(xùn)練及預(yù)測。

其中，模型1的輸入變量為1973年～2003年的5個氣象因子初之氣的六段平均值，輸出變量為1973年～2003年流腦高發(fā)時段(初之氣)的發(fā)病數(shù)。模型2的輸入變量為1972年～2002年5個氣象因子的六段平均值，輸出變量為1973年～2003年流腦高發(fā)時段(初之氣)的發(fā)病數(shù)。模型3的輸入變量為1971年～2001年5個氣象因子的六段平均值，輸出變量為1973年～2003年流腦高發(fā)時段(初之氣)的發(fā)病數(shù)。模型4的輸入變量為1970年～2000年5個氣象因子的六段平均值，輸出變量為1973年～2003年流腦高發(fā)時段(初之氣)的發(fā)病數(shù)。

如上法依次建立預(yù)測模型，分別評價其預(yù)測精度，并分析同期、1年前、2年前、3年前不同時段的各氣象因子對流腦發(fā)病的影響程度。

2結(jié)果

2.1流腦六氣時段的發(fā)病特點(diǎn)

流腦發(fā)病呈明顯的季節(jié)性分布，表現(xiàn)為初之氣(即2、3月份)高發(fā)，經(jīng)卡方檢驗，初之氣的發(fā)病與其他時段發(fā)病情況具有顯著性差異(χ2=67.498，P<0.01)，此外，流腦在二之氣(即4、5月份)的發(fā)病數(shù)較高，在終之氣(即12、1月份)的發(fā)病數(shù)也會出現(xiàn)小幅上升。由此可見，冬春，尤其是初春，是流腦發(fā)病的主要時期。見圖1。

圖1　北京地區(qū)1973～2003年流腦六氣發(fā)病趨勢

2.2流腦高發(fā)與當(dāng)年同期氣象因素的相關(guān)性及氣象預(yù)測模型

結(jié)果顯示，該模型訓(xùn)練樣本占數(shù)據(jù)的71.0%，測試樣本占數(shù)據(jù)的29.0%。訓(xùn)練相對錯誤值為0.447，

測試的相對錯誤值為0.678，均小于1，說明模型建立成功，預(yù)測精度約為50%。其中，僅平均相對濕度與流腦高發(fā)的相關(guān)性最強(qiáng)，其標(biāo)準(zhǔn)化重要性為100%，其余各氣象因素的標(biāo)準(zhǔn)化重要性均未超過50%。見圖2。

圖2　當(dāng)年各氣象因素對流腦高發(fā)的影響

2.3流腦高發(fā)與1年前氣象因素的相關(guān)性及氣象預(yù)測模型

結(jié)果顯示，該模型訓(xùn)練樣本占數(shù)據(jù)的71.0%，測試樣本占數(shù)據(jù)的29.0%。訓(xùn)練相對錯誤值為0.155，測試的相對錯誤值為0.362，均小于1，說明模型建立成功，預(yù)測精度約為75%。其中，與流腦高發(fā)密切相關(guān)的氣象因素有：1年前五之氣的平均氣溫、1年前四之氣的平均相對濕度、1年前初之氣的平均水汽壓、1年前三之氣的平均水汽壓、1年前四之氣的平均降水量、1年前二之氣的平均氣溫、1年前終之氣的平均風(fēng)速。以上各氣象因素的標(biāo)準(zhǔn)化重要性均超過50%，其中，1年前五之氣的平均氣溫對流腦高發(fā)影響最大，其標(biāo)準(zhǔn)化重要性為100%。見圖3。

2.4流腦高發(fā)與2年前氣象因素的相關(guān)性及氣象預(yù)測模型

結(jié)果顯示，該模型訓(xùn)練樣本占數(shù)據(jù)的71.0%，測試樣本占數(shù)據(jù)的29.0%。訓(xùn)練相對錯誤值為0.134，測試的相對錯誤值為0.151，均小于1，說明模型建立成功，預(yù)測精度約為86%。其中，與流腦高發(fā)密切相關(guān)的氣象因素有：2年前初之氣的平均風(fēng)速、2年前終之氣的平均降水量、2年前四之氣的平均相對濕度、2年前四之氣的平均風(fēng)速、2年前終之氣的平均風(fēng)速。以上各氣象因素的標(biāo)準(zhǔn)化重要性均超過50%，其中，2年前初之氣的平均風(fēng)速對流腦高發(fā)影響最大，其標(biāo)準(zhǔn)化重要性為100%。見圖4。

圖3　1年前各氣象因素對流腦高發(fā)的影響

圖4　2年前各氣象因素對流腦高發(fā)的影響

圖5　3年前各氣象因素對流腦高發(fā)的影響

2.5流腦高發(fā)與3年前氣象因素的相關(guān)性及氣象預(yù)測模型

結(jié)果顯示，該模型訓(xùn)練樣本占數(shù)據(jù)的71.0%，測試樣本占數(shù)據(jù)的29.0%。訓(xùn)練相對錯誤值為0.016，測試的相對錯誤值為0.085，均小于1，說明模型建立成功，預(yù)測精度約為99%。其中，與流腦高發(fā)密切相關(guān)的氣象因素有：3年前五之氣的平均風(fēng)速、3年前初之氣的平均風(fēng)速、3年前終之氣的平均氣溫。以上各氣象因素的標(biāo)準(zhǔn)化重要性均超過50%，其中，3年前五之氣的平均風(fēng)速對流腦高發(fā)影響最大，其標(biāo)準(zhǔn)化重要性為100%。見圖5。

3討論

《黃帝內(nèi)經(jīng)·素問》兩遺篇中的“三年化疫”理論指出疫病的發(fā)生，不一定在氣候失常的當(dāng)年，常常在氣候失常后的2～3年，容易發(fā)生疫病流行。而且，氣候異常變化的強(qiáng)弱程度也影響著疫病流行的輕重程度。氣候變化輕微則疫病發(fā)生也輕微，氣候變化劇烈則疫病發(fā)生也嚴(yán)重。由于氣候變化有強(qiáng)有弱，故疫病的發(fā)生也有快有慢，但終不超過3年。有學(xué)者[6]就歷史上發(fā)生的幾次重大疫情分析其與前2年或3年的氣候異常的關(guān)系，發(fā)現(xiàn)了2～3年易化疫癘理論的重要性。另外，有學(xué)者[20]對2003年SARS的發(fā)生進(jìn)行了研究，也認(rèn)識到了“三年化疫”理論的重要價值。

本研究基于中醫(yī)運(yùn)氣理論，首次研究了北京地區(qū)流腦發(fā)病與同期及前期(1～3年)氣象變化的相關(guān)性。研究選擇流腦初之氣高發(fā)時段以及5項基本氣象因子作為主要研究指標(biāo)，從不同時間維度，共建立四個流腦高發(fā)的氣象預(yù)測模型。經(jīng)過對數(shù)據(jù)樣本按照7∶3的比例反復(fù)訓(xùn)練，發(fā)現(xiàn)當(dāng)四個模型的訓(xùn)練樣本和測試樣本分別占總體71%和29%，模型的錯誤率呈現(xiàn)比較穩(wěn)定的情況。結(jié)果顯示，利用當(dāng)年、1年前、2年前、3年前的氣象因素皆可成功建立流腦高發(fā)的預(yù)測模型，當(dāng)訓(xùn)練樣本和測試樣本所占比例一致時，四個模型的預(yù)測精度分別為50%、75%、86%、99%，其中利用3年前的氣象因素建模預(yù)測精度最高，在一定程度上驗證了運(yùn)氣“三年化疫”理論的客觀性及實用性。

本研究結(jié)果還發(fā)現(xiàn)：與流腦高發(fā)相關(guān)的氣象因素，在當(dāng)年就只有1個因子，即相對濕度；而在前1～3年中，相關(guān)的氣象因素要明顯增多。如1年前的氣溫、風(fēng)速、降水量、相對濕度和水汽壓5個氣象因素均與流腦高發(fā)密切相關(guān)，2年前的風(fēng)速、降水量、相對濕度與流腦高發(fā)密切相關(guān)，3年前的氣溫和風(fēng)速與流腦高發(fā)密切相關(guān)。從中不難看出，風(fēng)速作為前期氣象因素對流腦的高發(fā)具有十分重要的影響。對比有學(xué)者[21]研究發(fā)現(xiàn)，風(fēng)速是影響流腦發(fā)病率的主要?dú)庀笠蛩?，由此可以推斷，不論在前期還是同期，風(fēng)速都有可能是影響流腦發(fā)病的一個主要因素。在預(yù)測精度較高的兩個模型中，即利用2年前和3年前的氣象因素建立的模型顯示，2年前初之氣的平均風(fēng)速和3年前五之氣的平均風(fēng)速都是貢獻(xiàn)度最大的因子。由此可見，初之氣(2、3月份)和五之氣(10、11月份)北京地區(qū)風(fēng)速的異常變動可能是影響氣候異常變化以及2～3年后流腦高發(fā)的關(guān)鍵因素。

本研究通過與當(dāng)年的氣象變化作對比，重點(diǎn)探討了前1～3年的氣象變化對流腦高發(fā)的影響，分析了流腦高發(fā)與不同時間段單個氣象因子之間的相關(guān)性，并建立預(yù)測模型，此方法具有一定的局限性。因為氣候的異常變化是多個氣象因素綜合作用的結(jié)果，各氣象因子之間存在著不同的影響權(quán)重。在接下來的研究中，筆者認(rèn)為應(yīng)著重考慮氣象的綜合變化情況，擴(kuò)大入選的氣象指標(biāo)，引入氣象綜合參數(shù)等概念，以反映氣象綜合變動的數(shù)學(xué)模型來解析運(yùn)氣理論中形容氣候異常變化的專業(yè)術(shù)語，分析氣象綜合變動的強(qiáng)弱等級，推斷其后傳染病發(fā)生的時間及輕重程度，以期采用更準(zhǔn)確的數(shù)學(xué)表達(dá)來闡釋五運(yùn)六氣學(xué)說，尤其是“三年化疫”理論的豐富內(nèi)涵。

參考文獻(xiàn)

[1]楊紹基，任紅. 傳染病學(xué)[M].北京：人民衛(wèi)生出版社，2011:201.

[2]王秀蓮. 古今瘟疫與中醫(yī)防治[M].北京：中國中醫(yī)藥出版社，2010:345.

[3]施海龍，曲波，郭海強(qiáng)，等. 干旱地區(qū)呼吸道傳染病氣象因素及發(fā)病預(yù)測[J].中國公共衛(wèi)生，2006,22(4)：417-418.

[4]曲波，關(guān)鵬，周寶森，等. 干旱地區(qū)氣象因素對常見傳染病疫情影響的研究[J].中國醫(yī)科大學(xué)學(xué)報，2004,33(1)：34-35，39.

[5]顧植山. 疫病鉤沉-從運(yùn)氣學(xué)說論疫病的發(fā)生規(guī)律[M].北京：中國中醫(yī)藥科技出版社，2003:8.

[6]蘇穎. 中醫(yī)運(yùn)氣學(xué)[M].北京：中國中醫(yī)藥出版社，2009:93.

[7]王洪圖，賀娟. 黃帝內(nèi)經(jīng)素問白話解[M].北京：人民衛(wèi)生出版社，2014:424.

[8]蘇穎. 五運(yùn)六氣探微[M].北京：人民衛(wèi)生出版社，2014:173.

[9]丁誼,張德山,賀娟，等.北京地區(qū)中醫(yī)“五運(yùn)”的氣候特點(diǎn)分析及論證[C]//第27屆中國氣象學(xué)會年會論文集，2010:1-8.

[10]張德山,高思華,李鴻濤，等. 北京地區(qū)中醫(yī)六氣的氣候分析[J].中醫(yī)研究，2010,23(9)：1-3.

[11]劉忠第，張軒，賀娟. 基于“3年化疫”理論探討氣象因素與北京地區(qū)痢疾發(fā)病的關(guān)系[J].北京中醫(yī)藥大學(xué)學(xué)報,2013,36(4):258-262.

[12]張軒，祖麗胡瑪爾·艾尼瓦爾，劉忠第，等. 基于運(yùn)氣理論探討傷寒副傷寒與氣象因素的相關(guān)性并建立預(yù)測模型[J].北京中醫(yī)藥大學(xué)學(xué)報,2013,36(12):797-801.

[13]湯巧玲，付幫澤，黃羚，等. 北京市感染性腹瀉與氣象及六氣的關(guān)聯(lián)性研究[J].中醫(yī)雜志，2013,54(7)：570-572.

[14]張軒，賀娟. 北京地區(qū)1990年—2004年流行性腮腺炎發(fā)病與氣象因素的相關(guān)性研究(英文)[J].中華中醫(yī)藥雜志，2014,29(5)：1740-1745.

[15]孫振球. 醫(yī)學(xué)統(tǒng)計學(xué)[M].北京：人民衛(wèi)生出版社，2007:478.

[16]曲波，黃德生，郭海強(qiáng)，等. 流行性腦脊髓膜炎與氣象因素關(guān)系的BP神經(jīng)網(wǎng)絡(luò)模型研究[J].中國醫(yī)科大學(xué)學(xué)報，2006,35(2)：158-159，165.

[17]胡婧媛，蔣夢姣，景元書，等. 基于神經(jīng)網(wǎng)絡(luò)的氣象條件對瀘州市肺結(jié)核發(fā)病率預(yù)測[J].科技通報，2013,29(5)：19-23.

[18]鄧斌，周志剛，馬澤粦，等. 肺結(jié)核病與氣象因素關(guān)系的BP神經(jīng)網(wǎng)絡(luò)模型研究[J].國際醫(yī)藥衛(wèi)生導(dǎo)報，2008,14(1)：17-20.

[19]劉玉慶,高思華,張德山，等.從北京市60年氣象資料看王冰注釋運(yùn)氣計算模式的謬誤[J].北京中醫(yī)藥大學(xué)學(xué)報,2010,33(12):813-816.

[20]顧植山.“三年化疫”說非典[J].中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2003,9(12):1-3.

[21]羅愛芳，鄧健，孫立明，等. 邯鄲市流腦發(fā)病率與氣象因素關(guān)系的探討[J].醫(yī)學(xué)綜述，2013,19(20)：3782-3784.

(本文編輯：蒲曉田)

·理論探討·

作者單位：300193天津中醫(yī)藥大學(xué)中醫(yī)學(xué)院[沈麗果(在讀碩士研究生)、孟靜巖、馬佐英、袁衛(wèi)玲、耿曉娟]

Correlation between the incidence of epidemic cerebrospinal meningitis and meteorological factors in Beijing based on the theory ofYunqiZHANGXuan,FEIZhan-yang,HAOYu,etal.SchoolofBasicMedicalSciences,BeijingUniversityofChineseMedicine，Beijing100029,China

【Abstract】ObjectiveTo investigate the correlation between high incidence of epidemic cerebrospinal meningitis (ECM) and meteorological factors during the same and previous periods based on the theory of five movements and six climatic changes, and then to establish the medical meteorological predictive models of BP artificial neural network. MethodsBP artificial neural network analysis was adopted to establish the ECM predictive models from different temporal dimensions, based on the data of meteorological factors and ECM from 1970 to 2004. ResultsThe highest incidence of ECM was in the 1stqi (i.e. February and March). All predictive models can be successfully established with meteorological data of the year, one year before, two years before and three years before the ECM with the predictive accuracy of 50%, 75%, 86% and 99% respectively. The study also shows the most significant meteorological factors include the average relative humidity in the 1stqi of the year, the average temperature in the 5thqi one year prior to the ECM, the average wind speed in the 1stqi two years prior to the ECM, and the average wind speed in the 5thqi three years prior to the ECM. ConclusionThe high incidence of ECM in Beijing is related to meteorological variables in current year and the past three years. Furthermore, the predictive models with meteorological variables of previous years (especially three years prior to ECM) are of value to be further investigated.

【Key words】Beijing;Epidemic cerebrospinal meningitis;Meteorological factors;Five circuit phases and six atmospheric influences;Pestilence occurring after three years;BP artificial neural network

通訊作者：馬佐英(1971- )，女，博士，副教授。研究方向：中醫(yī)治則治法。E-mail：ma2101@163.com

作者簡介:沈麗果(1987- )，女，2013級在讀碩士研究生。研究方向：中醫(yī)藏象理論研究。E-mail：slg1624020192@163.com

基金項目：國家重點(diǎn)基礎(chǔ)研究發(fā)展計劃(973計劃)(2013CB531701)

(收稿日期：2014-06-04)

Corresponding author:HE Juan, E-mail:hejuan6428@sina.com

【中圖分類號】R226

【文獻(xiàn)標(biāo)識碼】A

doi:10.3969/j.issn.1674-1749.2015.03.017