宋阿偉 ，王勝，段春鋒，謝五三，唐為安，戴娟，丁小俊，吳蓉

(1.安徽省氣候中心，合肥230031；2.安徽省大氣科學與衛(wèi)星遙感重點實驗室，合肥230031)

引言

干旱是全世界最嚴重、最常見的自然災(zāi)害之一，其特點是影響范圍廣、持續(xù)時間長、發(fā)生頻率高，往往對國民經(jīng)濟特別是農(nóng)業(yè)生產(chǎn)造成重大影響。我國農(nóng)業(yè)受旱面積20 世紀50 年代年均超過25.5×108hm2，到20 世紀90 年代年均達54.6×108hm2，因旱災(zāi)損失的糧食由年均43.5×108kg增加到195.7×108kg，給農(nóng)業(yè)生產(chǎn)和人民生活帶來嚴重影響(程靜，2011)。政府間氣候變化專門委員會(IPCC，2013；2014)系列評估報告表明，未來全球溫度將持續(xù)升高、水循環(huán)加快，尤其是中緯度地區(qū)干旱將有加重趨勢。夏玉米是淮河流域的主要秋糧作物，在食品安全和國民經(jīng)濟發(fā)展中具有舉足輕重的地位。干旱是夏玉米生育期的主要氣象災(zāi)害，水分條件又成為夏玉米豐歉的決定因素(陳長青等，2011；田紅等，2012；史本林等，2013；李德等，2013；郝宏飛等，2017)。有研究表明(周冬梅等，2014；徐英等，2017)，抽雄前后是夏玉米需水量最大的時期，抽雄－乳熟期則是水分脅迫的關(guān)鍵期，此期間干旱造成缺水將嚴重影響夏玉米正常生長和授粉，進而影響夏玉米后期生長發(fā)育及產(chǎn)量形成，嚴重時還會導致絕收，所以此期間出現(xiàn)的干旱俗稱卡脖子旱。

盡管未來氣候變化趨勢不可逆轉(zhuǎn)，但現(xiàn)有研究中對淮河流域未來氣候變化及干旱風險預估涉及較少。干旱風險是某地區(qū)一段時間內(nèi)降水短缺以及該地區(qū)承災(zāi)體暴露度和脆弱性共同作用的產(chǎn)物(Wilhite et al.，2000)。隨著人們對旱災(zāi)損失加劇及其認識的不斷深入，干旱風險理論研究不斷深入(黃崇福，2012；許玲燕等，2013)。任魯川(1999)和許凱等(2013)直接利用災(zāi)害損失數(shù)據(jù)確定風險水平；張琪等(2011)在綜合考慮干旱發(fā)生概率、作物抗旱能力和種植面積等因素的基礎(chǔ)上，建立了農(nóng)業(yè)干旱風險評估模型。本研究在以往相關(guān)工作(Wu et al.，2011；王勝等，2015)的基礎(chǔ)上，不局限于以氣象致災(zāi)因子為主或?qū)⒅聻?zāi)因子與承災(zāi)體分開的傳統(tǒng)風險評估方法，從干旱致災(zāi)因子危險性出發(fā)，選擇旱災(zāi)風險識別指數(shù)，確定干旱致災(zāi)閾值；再利用氣候模式資料，預估淮河流域未來夏玉米卡脖子旱氣候變化風險，期望為該流域夏玉米種植科學布局及應(yīng)對氣候變化影響提供參考，也為政府部門提升農(nóng)業(yè)災(zāi)害風險管理和決策水平提供科學依據(jù)。

1 資料與方法

1.1 資料說明

本研究使用的資料包括相關(guān)氣候資料以及夏玉米生育期和生產(chǎn)資料。分別對其說明如下：

(1)氣候資料。1)國家氣象信息中心1961—2019年淮河流域170個氣象臺站逐日氣溫和降水量觀測數(shù)據(jù)，該資料主要用于計算歷年氣象干旱指數(shù)。2)部門間影響模型比較計劃(ISI-MIP)項目氣候模式數(shù)據(jù)，該數(shù)據(jù)用于對未來干旱危險性預估。其中，水平分辨率為0.5°×0.5°的3種典型濃度路徑(RCPs)下的逐日預估數(shù)據(jù)集(Hempel et al.，2013；Vetter et al.，2015)，是通過對第5次耦合模式比較計劃(CMIP5)中的5個全球海氣耦合模式即GFDL-ESM2M(GFDL，美國)、HaDGem2-ES(HadGem，英國)、IPSL_CM5A_LR(IPSL，法國)、MIROCESM-CHEM(MIROC，日本)和NorESM1-M(NorESM，挪威)進行降尺度和偏差訂正后得到。RCPs情景是以單位面積輻射強迫為特征的氣候變化情景，其中，RCP4.5 為中低排放情景，假定輻射強迫在2100 年之后穩(wěn)定在4.5 W·m-2；RCP6.0為中高排放情景，假定輻射強迫在2100年之后穩(wěn)定在6 W·m-2；RCP8.5為高排放情景，假定輻射強迫在2100年之后超過8.5 W·m-2。

模擬歷史回算時段為1950年1月—2005年12月；預估時段為2006 年1 月—2099 年12 月。近年有研究(Warszawski et al.，2014；McWeeney and Jones，2016)證實，ISI-MIP項目5個模式在季節(jié)平均氣溫和降水預估方面的FRC(fractional range coverage)指數(shù)分別為0.75和0.59，優(yōu)于從CMIP5中隨機選取的5個模式，更適合代表區(qū)域平均氣溫和降水變化。

(2) 夏玉米資料。包括1961—2019 年淮河流域153 個縣市夏玉米生育期、播種面積、單位面積產(chǎn)量、干旱災(zāi)情等資料，該資料用于確定干旱致災(zāi)臨界條件。夏玉米主要種植品種包括魯單981、鄭單958、登海605等，基本為中晚熟型。

1.2 研究方法

1.2.1 氣象干旱綜合指數(shù)的計算

2016年國家氣候中心在CI指標基礎(chǔ)上修訂了國家標準《氣象干旱等級》(張存杰等，2016)，建立了MCI干旱指數(shù)，計算公式如下：

其中，SPIW60為近60 d標準化權(quán)重降水指數(shù)；Pn為距離當天前第n天降水量；MI30為近30 d 濕潤度指數(shù)，計算MI30涉及的可能蒸散量采用Thornthwaite方法計算(楊瑋等，2018)；SPI90和SPI150分別為90 d 和150 d標準化降水指數(shù)。其中a、b、c、d 為經(jīng)驗權(quán)重系數(shù)，隨著地區(qū)和季節(jié)變化進行調(diào)整。經(jīng)在淮河流域開展的業(yè)務(wù)試驗確定，4—9 月a、b、c、d 分別為0.5、0.6、0.2、0.1，其他月份則分別為0.3、0.4、0.3、0.2。

MCI 物理意義明確，不但解決了以往干旱監(jiān)測過程干旱等級忽高忽低的不合理現(xiàn)象，還解決了干旱監(jiān)測比實際偏輕問題，能較好地反映區(qū)域干旱發(fā)生、發(fā)展與結(jié)束過程。本文計算逐日MCI 用的是CMIP5 模式資料，再通過MCI預估21世紀不同時期夏玉米卡脖子旱風險演變。

1.2.2 夏玉米氣候減產(chǎn)率的計算

同一地區(qū)、同一種作物年際間的產(chǎn)量變化主要是由氣候因子的波動造成，作物的最終產(chǎn)量是受生產(chǎn)力發(fā)展水平影響的趨勢產(chǎn)量和由氣候因子決定的氣候產(chǎn)量共同作用的結(jié)果。夏玉米的實際產(chǎn)量(Y)和氣候減產(chǎn)率(R)可表示為(曲思邈等，2018)

其中，Yc為氣候產(chǎn)量；Yt為5 a 滑動趨勢產(chǎn)量；ε為受隨機因素影響的分量(常忽略)。

1.2.3 卡脖子旱期的劃分

干旱脅迫造成的夏玉米減產(chǎn)程度，不但取決于干旱的嚴重程度，還取決于干旱的發(fā)生階段。就淮河流域而言，卡脖子旱發(fā)生在夏玉米從抽雄到乳熟過程這一受干旱脅迫的關(guān)鍵期。為準確預估未來情景下干旱災(zāi)害風險，首先要確定21世紀不同時期淮河流域夏玉米抽雄—乳熟期的時段。考慮到氣溫在夏玉米生長發(fā)育過程中起主導作用，本文以≥10 ℃的累積積溫(T10℃)確定其發(fā)育時段。歷年實際觀測資料顯示，淮河流域夏玉米抽雄—乳熟期在7月中旬至8月上旬。假定未來時段保持現(xiàn)有的夏玉米種植制度和品種不變，以1981—2010年實測資料作為氣候態(tài)，利用同期氣溫資料計算其各生育期的T10℃，并將其帶入未來氣候情景。然后，以氣候態(tài)5 d 滑動穩(wěn)定≥23 ℃的初日平均值作為其適播期(于波，2013)，再采用5 d 滑動平均法以及T10℃確定其生育期。以1976—2005 年為基準年，考慮到未來氣候變化的差異，分別選取2020—2039年、2040—2069 年、2070—2099 年作為21 世紀的近期、中期和遠期。表1給出不同RCPs情景下未來淮河流域夏玉米抽雄—乳熟期的時段變化。從中看到，該流域21 世紀不同時期的抽雄—乳熟期較其基準期(7月22 日—8 月20 日)均明顯提前，遠期提前尤為明顯?；谀Ｊ酵扑愕南挠衩壮樾邸槭炱谂c1981—2010年實測資料較為接近，表明模式推算的基準期具有較好的參考價值。

表1 不同RCPs情景下未來不同時期淮河流域夏玉米抽雄—乳熟期的時段變化Table 1 Heading-milking periods of summer maize in the Huaihe River basin under the different RCPs scenarios.

1.2.4 干旱致災(zāi)閾值的確定

基于干旱致災(zāi)機理，以干旱持續(xù)期內(nèi)單位時段旱災(zāi)風險的累加反映其累積效應(yīng)，并從干旱致災(zāi)因子危險性出發(fā)確定旱災(zāi)風險識別指數(shù)(王勝等，2015)。從以往研究(楊帥等，2014)及業(yè)務(wù)應(yīng)用經(jīng)驗看，MCI只有達到中等及以上氣象干旱(MCI≤-1.0)時才會引起減產(chǎn)。鑒于此，統(tǒng)計1961—2019年淮河流域夏玉米抽雄—乳熟期MCI≤-1.0的日數(shù)，并以此作為致災(zāi)危險性指數(shù)。基于歷年的夏玉米減產(chǎn)資料，挑選出夏玉米卡脖子旱代表年(即輕、中、重等不同干旱程度年份)，即1961、1962、1977、1978、1988、1995、2000、2006、2011、2013 年共10 個年份，構(gòu)建致災(zāi)危險性指數(shù)(Dr)與相應(yīng)氣候減產(chǎn)率(R)的關(guān)系如下

上述10 a夏玉米卡脖子旱期致災(zāi)危險性指數(shù)與其氣候減產(chǎn)率均呈顯著的線性關(guān)系(相關(guān)系數(shù)r=0.833 4，通過0.01 顯著性水平檢驗)?；诨春恿饔蛳挠衩诇p產(chǎn)情況和以往相關(guān)研究(李佳等，2015)，根據(jù)氣候減產(chǎn)率(R)設(shè)定卡脖子旱造成的夏玉米減產(chǎn)程度，即R在10%～20%之間為輕度減產(chǎn)、＞20%～30%為中度減產(chǎn)、＞30%～35%為重度減產(chǎn)、＞35%～40%為嚴重減產(chǎn)；據(jù)此計算得到的各等級干旱致災(zāi)閾值見表2。

1.2.5 干旱災(zāi)害風險評估模型的建立

基于災(zāi)害風險理論，災(zāi)害風險取決于致災(zāi)因子和承災(zāi)體(胡波等，2014；余田野等，2019)。在干旱致災(zāi)閾值確定的基礎(chǔ)上，本文提出一個融合了致災(zāi)因子危險性、承災(zāi)體暴露度和脆弱性的風險評估模型，即

式(7)中，HI為干旱災(zāi)害風險指數(shù)；Dr為干旱致災(zāi)危險性指數(shù)，即夏玉米抽雄—乳熟期MCI≤-1.0 的日數(shù)；W為承災(zāi)體的暴露度，即播種面積占耕地面積比重；V為承災(zāi)體的脆弱性，以經(jīng)歸一化處理的各市縣夏玉米單產(chǎn)來表示。

表2 基于氣候減產(chǎn)率的淮河流域夏玉米卡脖子旱致災(zāi)閾值等級Table 2 The thresholds of summer maize choking drought disaster risk in the Huaihe River basin based on climate reduction rate.

本文假定未來夏玉米播種面積占耕地面積比重、單產(chǎn)貢獻率均不改變，即承災(zāi)體信息不變，然后基于上述模型預估未來不同時期淮河流域夏玉米卡脖子旱風險。

2 結(jié)果與分析

從干旱致災(zāi)因子危險性出發(fā)，建立基于歷史災(zāi)損的干旱致災(zāi)閾值模型。在此基礎(chǔ)上，結(jié)合承災(zāi)體暴露度和脆弱性構(gòu)建風險評估模型，開展淮河流域夏玉米卡脖子旱風險預估。下文分別從氣候模式對區(qū)域模擬性能、干旱演變趨勢和未來夏玉米卡脖子旱風險等方面，預估未來不同情景下淮河流域夏玉米卡脖子旱風險。

2.1 氣候模式對淮河流域的模擬能力

圖1 CMIP5的5個全球海氣耦合模式(GFDL、HaDGem、IPSL、MIROC、NorESM)與其集合平均(MME)模擬的年平均氣溫與降水量泰勒圖Fig.1 Taylor diagram of the annual mean temperature and precipitation climatology simulated by the five CMIP5 models(GFDL,HaDGem,IPSL,MIROC and NorESM)and the multi-model ensemble mean(MME)compared with the observation.

泰勒圖以方位角的余弦代表模式與實況的相關(guān)系數(shù)，用與參考點(Reference，REF)的距離反映模式相對于實況的均方根誤差，可全面反映多個模式的模擬能力(Taylor，2001)。選取1961—2005年觀測與模式歷史回算的平均氣溫和降水量，通過相關(guān)系數(shù)和標準差比對比可知(圖1)，GCMs對淮河流域平均氣溫和降水量具有一定的模擬能力，年平均氣溫模擬相關(guān)系數(shù)為0.23～0.58，均通過0.05顯著性水平檢驗，其中HaDGem相關(guān)系數(shù)最大；與氣溫相比，GCMs對降水的模擬性能略差，以MIROC相關(guān)系數(shù)最大(0.41)。對5個GCMs采用等權(quán)重集合平均(Multi-model ensemble mean，MME)，平均氣溫模式模擬場與觀測場的相關(guān)系數(shù)為0.61，高于單個模式；集合平均的降水模擬性能不及MIROC。鑒于此，平均氣溫選取MME，而降水量選取MIROC結(jié)果。

2.2 夏玉米卡脖子旱期氣象干旱日數(shù)預估

圖2 RCP4.5(a)、RCP6.0(b)、RCP8.5(c)情景下基于氣象干旱綜合指數(shù)(MCI)對淮河流域2020—2099年夏玉米卡脖子旱氣象干旱日數(shù)(折線)與降水量(柱體)變化的預估結(jié)果Fig.2 Projection of critical meteorological drought days(broken line)for summer maize and precipitation(column)in the Huaihe River basin from 2018 to 2099 based on MCI under(a)RCP4.5,(b)RCP6.0 and(c)RCP8.5 scenarios.

圖2是RCP4.5、RCP6.0、RCP2.6 三種排放情景下基于MCI 預估的2020—2099 年淮河流域夏玉米抽雄—乳熟期中等以上氣象干旱日數(shù)及降水量變化。從中看到，在RCP4.5 情景下(圖2a)，氣象干旱日數(shù)及對應(yīng)時段降水量年際波動大，氣象干旱日數(shù)略有減少而降水量略有增加，但均未通過0.05 顯著性水平檢驗。在RCP6.0(圖2b)和RCP8.5(圖2c)情景下，干旱日數(shù)均呈線性增大趨勢，增加率分別為0.8、0.2 d·(10 a)-1；對應(yīng)時段降水量呈線性減少趨勢，減少率分別為11.1 mm·(10 a)-1和7.4 mm·(10 a)-1，其中RCP6.0 情景下氣象干旱日數(shù)及降水量變化趨勢均通過0.05顯著性水平檢驗。

總體看，淮河流域未來夏玉米卡脖子旱將有可能會加重，盡管RCP4.5情景下氣象干旱日數(shù)略呈減少趨勢，但由于其年際波動較大，部分年份干旱日數(shù)也較多，旱災(zāi)風險仍較大。

2.3 夏玉米卡脖子旱不同危險性指數(shù)等級頻率預估

基于表1 中淮河流域卡脖子旱致災(zāi)閾值，計算未來不同時期夏玉米干旱致災(zāi)風險頻率。結(jié)果表明，不同RCPs 情景下遠期干旱風險頻率最高，為22%～35%；近期次之，為18%～35%；中期最低，僅17%～25%。從不同風險等級看，該流域未來夏玉米干旱低風險出現(xiàn)頻率最高，三種情景下平均致災(zāi)頻率為10%～12%；中等風險次之；較高風險和高風險出現(xiàn)頻率較低(2%～5%)。從空間分布看(圖略)，淮河流域西北部及東部卡脖子旱致災(zāi)風險頻率高，而流域中部及西南部相對較低。

與基準期相比，淮河流域未來中期干旱致災(zāi)風險頻率有所減小，未來近期和遠期干旱致災(zāi)風險頻率總體變化不大，但其不同風險等級及不同情景下的差異明顯(圖3)：RCP4.5 和RCP6.0 情景下未來近期低風險頻率減小，而RCP8.5情景下其增加達9.6%；RCP4.5情景下中等風險增加，而RCP6.0 和RCP8.5 情景下則減?。惠^高風險總體上呈增加趨勢，而高風險與基準期差異不大?；春恿饔蛭磥硐挠衩卓ú弊雍颠h期低風險和高風險致災(zāi)頻率總體降低，但中等及較高風險總體增加，尤其是在RCP6.0和RCP8.5情景下增加明顯。

圖3 RCP4.5、RCP6.0、RCP8.5情景下淮河流域未來近期(2020—2039年)、中期(2040—2069年)和遠期(2070—2099年)夏玉米卡脖子旱不同致災(zāi)風險等級出現(xiàn)的頻率Fig.3 Frequency of different choking drought disaster risks for summer maize in the Huaihe River basin from 2020 to 2039,2040 to 2069 and 2070 to 2099 under RCP4.5,RCP6.0 and RCP8.5 scenarios.

圖4 RCP4.5(a1—c1)、RCP6.0(a2—c2)、RCP8.5(a3—c3)情景下淮河流域21世紀近期(a1—a3)、中期(b1—b3)和遠期(c1—c3)夏玉米卡脖子旱災(zāi)害風險分布Fig.4 Projection of spatial distribution of choking drought disaster risk for summer maize in the Huaihe River basin in the(a1-a3)near,(b1-b3)medium and(c1-c3)long term in the 21st century under(a1-c1)RCP4.5,(a2-c2)RCP6.0 and(a3-c3)RCP8.5 scenarios.

2.4 未來情景下夏玉米卡脖子旱風險預估

基于不同RCP 情景下計算得到的干旱危險性指數(shù)序列，利用干旱災(zāi)害風險評估模型(式7)對21 世紀淮河流域近期、中期和遠期夏玉米卡脖子旱災(zāi)害風險進行預估，其結(jié)果見圖4（見上頁）。

從圖4中看到，21世紀近期(圖4a)，RCP4.5情景下淮河流域北部及中西部夏玉米干旱風險較高或高，流域東部風險低；RCP6.0情景下全流域卡脖子旱災(zāi)風險低；RCP8.5 情景下流域西北部風險較高，其他地區(qū)風險較低或中等。21世紀中期(圖4b)，RCP4.5情景下淮河全流域卡脖子旱災(zāi)風險低；RCP6.0情景下該流域中南部和東部風險較高、西部和北部為低或中等風險；RCP8.5情景下流域東北部為中等或較高風險，其他大部地區(qū)風險低。21世紀遠期(圖4c)，RCP4.5情景下流域北部夏玉米卡脖子旱災(zāi)風險較高或中等，流域南部風險低；RCP6.0 情景下除流域南部為中等風險，其他大部地區(qū)風險較高或高；RCP8.5情景下全流域夏玉米卡脖子旱風險較高。

綜上所述，受致災(zāi)因子及承災(zāi)體的綜合影響，淮河流域夏玉米干旱災(zāi)害風險存在明顯的空間差異，總體上，該流域北部風險高于南部、西部高于東部；從21世紀不同時期看，干旱風險遠期最高，近期次之，中期相對較低；不同RCPs 情景下干旱風險由低向高逐漸增加，即RCP4.5＜RCP6.0＜RCP8.5。

3 結(jié)論與討論

全球氣候模式被認為是認識和歸因過去氣候變化并對未來進行預估的最有效工具。本文針對淮河流域夏玉米卡脖子旱，建立了基于歷史災(zāi)損的干旱致災(zāi)閾值模型，計算不同RCP情景下致災(zāi)閾值以上氣象干旱發(fā)生頻率，結(jié)合承災(zāi)體暴露度和脆弱性構(gòu)建風險評估模型，開展淮河流域夏玉米卡脖子旱風險預估。主要得到如下結(jié)論：

(1)不同GCMs對淮河流域具有較好的模擬能力，不同模式對氣溫都具有較好的模擬性能，其中MME模擬效果優(yōu)于單個模式；降水模擬的不確定性較大，相對而言，以MIROC模擬性能較好。

(2)未來不同RCPs 情景下，淮河流域夏玉米抽雄—乳熟期較基準期均明顯提前、生育期日數(shù)均縮短。2020—2099 年該生育期氣象干旱日數(shù)及對應(yīng)時段降水量年際波動大，氣象干旱日數(shù)RCP4.5情景下略有減少，RCP6.0和RCP8.5情景下增加，尤其是RCP6.0情景下線性增加趨勢明顯。與之相反，該生長階段降水量RCP4.5 情景下略有增加，RCP6.0 和RCP8.5 情景下減少，其中RCP6.0情景下線性減少趨勢明顯。

(3)不同RCPs情景下夏玉米卡脖子旱致災(zāi)風險頻率以21 世紀遠期最高(22%～35%)，近期次之(18%～35%)，中期最低(17%～25%)。與基準期相比，未來中期干旱致災(zāi)風險頻率有所減小，未來近期和遠期其總體變化不大，但21世紀遠期中等和較高干旱風險發(fā)生頻率將可能增加。

(4)在致災(zāi)因子及承災(zāi)體綜合影響下，未來淮河流域夏玉米卡脖子旱年際波動大，干旱風險總體增大，21世紀不同時期以遠期風險最高；干旱風險隨排放情景由低到高依次增大。預估的干旱風險空間差異明顯，總體上淮河流域北部風險高于南部、西部高于東部。

淮河流域地處南北氣候過渡地帶，未來氣候變化年際波動大，夏玉米卡脖子旱氣候變化風險可能增大，造成該流域農(nóng)業(yè)生產(chǎn)不穩(wěn)定性增大。針對該流域未來卡脖子旱變化及其對夏玉米生產(chǎn)的影響，可以采取如下應(yīng)對措施：一方面，不斷優(yōu)化該流域夏玉米種植制度、作物布局、品種布局，使之較好地適應(yīng)未來氣候變化；另一方面，加強水資源管理和旱災(zāi)應(yīng)急管理雙管齊下，做到趨利避害。需要指出的是，本文在夏玉米干旱災(zāi)害風險預估研究方面取得的部分結(jié)論，雖可為未來淮河流域夏玉米生產(chǎn)應(yīng)對氣候變化、干旱災(zāi)害風險等提供一些科學依據(jù)，但基于未來情景的夏玉米干旱災(zāi)害風險預估過程較為復雜，本研究結(jié)果尚存在一定的不確定性，其原因有二：一是預估精度主要依賴氣候模式的可靠性。CMIP5 氣候模式情景數(shù)據(jù)是由氣候模式數(shù)值試驗得到的，雖經(jīng)過修正，但受制于數(shù)值模式完備程度、未來輻射強迫情景及模式參數(shù)化(高學杰等，2010；吳佳等，2011)，其不確定性是氣候變化研究必須考慮的重要部分。二是任一風險評估模型均是建立在一定的假設(shè)前提下，如減產(chǎn)受氣候、生產(chǎn)管理等多重因素影響，在對氣候因子進行剝離以及對干旱承災(zāi)體脆弱性等復雜過程進行簡化處理時，忽略掉了一些非決定性細節(jié)，必然會增大預估結(jié)果的不確定性(Janacek，1997；殷曉潔等，2013)。