京津冀地区冬半年空气污染天气分型研究

杨 旭,张小玲,康延臻,张 莹,王式功,*,李梓铭,李 昊(.兰州大学大气科学学院,甘肃省干旱气候变化与减灾重点实验室,甘肃 兰州 730000；.成都信息工程大学大气科学学院,高原大气与环境四川省重点实验室,四川成都 605；3.中国气象局北京城市气象研究所,北京 00089；.京津冀环境气象预报预警中心,北京 00089)

大气污染与控制

京津冀地区冬半年空气污染天气分型研究

杨 旭1,张小玲2,3*,康延臻1,张 莹2,王式功1,2*,李梓铭4,李 昊1(1.兰州大学大气科学学院,甘肃省干旱气候变化与减灾重点实验室,甘肃 兰州 730000；2.成都信息工程大学大气科学学院,高原大气与环境四川省重点实验室,四川成都 610225；3.中国气象局北京城市气象研究所,北京 100089；4.京津冀环境气象预报预警中心,北京 100089)

利用ERA-Interim再分析资料,采用PCT方法,对2013～2015年冬半年京津冀地区海平面气压场进行了客观分型;利用同期空气污染资料和常规气象观测资料,分析了不同天气类型下京津冀地区空气污染和气象要素特征,并选取典型重污染月份,分析了京津冀地区重污染天气过程特征及形成原因.结果表明,京津冀地区天气形势可分为9种类型,包括高压前部和高压南部等不易污染天气类型,以及高压场、高压后部、鞍型场和冷锋前部等污染天气类型;污染天气类型多表现为高湿小风,稳定能量大,最大混合层厚度低,不利于污染物扩散,各城市AQI均值多在150以上;2014年2月两次重污染过程均发生在连续多日维持高压场等污染天气型的情况下;污染过程期间高压系统演变引起北部偏北风增大,抑制了北部城市空气污染持续加重的趋势,而偏南风输送使得北部城市污染物浓度迅速升高.

天气分型；空气污染；京津冀

空气污染会导致人群呼吸系统和心脑血管疾病发病率增加[1-3],严重危害人体健康,是近年来公众关注的焦点问题.京津冀地区作为我国北方最大的城市群和重要的经济核心区,根据环保部发布的“2015年中国环境状况公报”显示,2015年京津冀及周边地区70个地级以上城市共发生1710d次重度及以上污染,占2015年全国的41%,是全国空气重污染高发地区,区域空气污染问题形势严峻.

研究表明[4-6],空气污染与风向风速、大气温度层结及湍流等气象条件密切相关,而大尺度天气背景很大程度上影响和制约了局地气象条件,因而持续型污染天气多发生在典型的高、低空环流背景下[7-9].分析不同天气形势下空气污染特征,识别典型污染天气类型,对于空气污染机理研究和日常业务预报具有重要意义.孟燕军等[10]对影响北京地区大气污染物扩散的地面天气形势进行了分类,认为当低压类地面天气形势控制时,容易引起污染物在北京地区的汇聚和累积.戴竹君等[11]等探讨了江苏秋冬季重度霾的形成机制,将重度霾发生时的地面天气形势分为均压型、冷锋前部型和低压倒槽型3类.张晓勇等[12]研究指出高压底部型、均压场型和弱气压型为不利于天津市 PM10扩散的天气形势,易造成局地污染物积累.

已有研究主要针对典型污染个例或依据主观经验进行污染天气分型,而将主成分分析、K均值聚类等客观天气分型方法应用于空气污染研究中的例子尚少.因此,本文利用PCT(Principal Component Analysis in T-mode)方法对 2013～2015年冬半年(每年的1～3月和10～12月)京津冀地区地面天气形势进行分类,探究不同天气形势下京津冀地区空气污染特征,确立污染天气类型;并选取典型重污染月份着重分析,探讨京津冀地区重污染天气过程的特征及形成原因,以期为京津冀地区空气重污染预报预警和大气污染防治工作提供科学依据.

1 资料与方法

1.1 资料来源

再分析资料来源于欧洲中期天气预报中心(ECMWF)官网下载的 2013年1月1日～2015年12月31日的ERA-Interim再分析资料,空间分辨率为 0.75°× 0.75°,时间间隔为 6h.研究范围为100°E～130°E, 30°N～50°N;气象观测资料为2013年1月1日～ 2015年12月31日京津冀地区常规地面观测资料和探空观测资料.

空气污染资料包括两部分,一部分来源于环保部官网下载的2014年1月1日～2015年12月31日空气质量日报资料,包括空气质量指数(AQI)、首要污染物、污染等级;另一部分来源于全国空气质量实时发布平台收集的2013年5月14日～2015年12月31日京津冀地区污染物浓度资料,包括国控站6种污染物(PM2.5、PM10、SO2、NO2、CO、O3)小时浓度均值.

1.2 分型方法

天气分型方法采用欧盟cost733项目开发的天气分型软件[13]中的 PCT(Principal Component Analysis in T-mode)方法,原理基于Huth[12]改进的 T-mode主成分分析法.基本原理是将原始数据矩阵Z表示为两个矩阵的乘积Z=FAT.原始数据矩阵Z为i行×j列,主成分元矩阵F为i行×m列,载荷矩阵A为j行×m列,其中i表示空间格点数,m和j表示时次,即矩阵Z的每一行代表一个网格点,每一列代表一个时次.根据主成分方差贡献的大小,保留前 r(r≤n)个方差贡献较大的主成分用于后续分析,其对应的特征向量组成载荷矩阵.将保留的主成分斜交旋转,最后依据载荷大小对每个时次的天气形势进行分类.Richman[14]首次建议将主成分分析法用于天气分型,Huth等[15]比较了主成分分析法、聚类分析法等多种客观天气分型方法,指出 T-mode主成分分析法在分类结果的稳定性和对预设参数的低依赖性等方面表现良好.

2 结果分析

2.1 天气分型结果

利用PCT方法对研究区域2013～2015年冬半年逐日 4次的海平面气压场进行天气分型,根据以往学者的研究经验[16-17],将地面天气形势分为9种类型(图1).

图1 2013～2015年冬半年海平面气压场及10m风场分型Fig.1 Sea level pressure and 10m wind for each circulation type during winter from 2013 to 2015

2.1.1 类型1、4为两类高压前部型 京津冀地区位于高压中心前等压线密集处,近地面风场以西北风和北风为主.类型1为西部高压前,海平面气压场呈西高东低的形势,高压中心位于京津冀以西;类型4为西北高压前,海平面气压场呈西北高东南低的形势,高压中心位于蒙古地区.类型 9为高压南部型,海平面气压场呈北高南低的形势,京津冀位于高压中心以南,近地面风场以东北风为主.

2.1.2 类型3和5为两类高压后部型 海平面气压场呈西北低东南高的特点,低压中心位于蒙古地区,高压中心位于山东、江苏及黄海地区,京津冀及其以南地区(河南、山东)近地面风场均以偏南风为主.相比之下,类型3高压中心范围较小,京津冀位于高低压中心之间的过渡区,而类型 5高压中心范围大,中心气压高,京津冀仍处于高压中心影响下,气压梯度较小.

2.1.3 类型2和7为两类冷锋前部型 类型2高压中心位于甘肃地区,低压中心位于东北地区,京津冀近地面风场以西风为主.类型7冷空气主体位于京津冀的东北方向,其前部到达京津冀北部地区,张家口、北京等北部城市近地面风场为偏北风,而中南部仍为弱南风.

2.1.4 类型 8为鞍型场 海平面气压场由西北至东南呈高-低-高分布,京津冀位于两高压中心之间的低压区,气压梯度小.近地面风场北部为西风,中南部为弱南风.

2.1.5 类型 6为高压场型 我国北方大部分地区均由高压系统控制,京津冀位于高压系统内部,气压梯度很小,受其影响京津冀及其周边地区出现大范围小风速区,天气静稳,容易造成污染物持续积累.

各类天气类型发生频率见表 1.其中,类型 1和类型6出现频率最高,分别为17.1%和17.9%,类型4、5、9出现频率在10%左右,其他几种类型发生频率较低,均低于10%.类型1和类型6与冬季大陆冷高压和冷空气频繁活动密切相关,因此11月～次年2月出现的频率明显高于3月和10月.而在3月和10月,冷空气过程减少,强度减弱,很少出现大范围冷空气爆发,高压系统经过京津冀地区后往往迅速变性减弱,或继续东移南下,因此,类型1和6出现频率大幅减少,而类型3出现的频率最高.

表1 2013～2015年冬半年各类天气类型出现频率统计(%)Table 1 The frequency of each circulation type during winter from 2013 to 2015 (%)

2.2 天气类型与空气污染

由于空气质量日报为日资料,而天气分型使用的数据为逐日 4次的海平面气压场数据,因此选取每天 08:00(BTC)天气形势代表当天的天气类型,统计了2014～2015年冬半年各类天气形势下京津冀主要城市AQI均值(表2).结果表明,1、4、9型天气形势下,京津冀地区 AQI均值在90～120左右,各城市AQI均值也明显低于其它几种类型,为不易污染天气类型.其中类型1的AQI均值最低,表明此类天气形势对于京津冀地区污染物扩散和清除十分有利,北部城市AQI均值都低于 100,中南部城市空气污染程度比北部城市严重,AQI均值在100～150之间.其他几种天气类型下,京津冀地区AQI均值在160～190左右,除张家口、承德和秦皇岛以外各城市AQI均值基本都在150以上,为污染天气类型.类型7冷空气前部到达京津冀北部,北部地区偏北风增强,扩散条件有所改善,而南部地区风速仍较小,且存在风场辐合,容易造成污染物的聚集.因此,对于北部城市(如北京),类型7的AQI均值在几种污染天气型中相对偏低,而南部城市(如邢台)则相对偏高.

以北京市为例,统计了各类天气类型北京市AQI分布特征(图2).结果表明, 几种污染天气类型北京市AQI分布范围较广,从低值到高值均占据一定比例.究其原因,当天气形势不利于污染物扩散时,污染物浓度变化往往呈逐渐积累升高的特征.在污染过程前期,虽然天气形势不利于污染物的扩散清除,但是污染物浓度仍处于较低水平.随着污染天气持续,污染物持续积累导致浓度逐渐升高,空气污染程度逐渐加重.相比之下,污染物的清除是一个快速的过程,当天气形势有利于污染物的扩散时,污染物能够在短时间内得到扩散和清除,空气质量迅速转好,因此, 类型1、4、9AQI分布集中,除个别异常高值外,大多分布在低于100的一个小区间内.

天气类型对空气污染状况的影响归因于不同天气形势下影响污染物扩散、输送、生成和转化的气象条件有所差异,如水平风场、湿度、大气稳定度等.以北京市为例,表3选取了部分影响空气污染的气象参数.近地面风是影响污染物水平扩散的重要因子.类型1和4京津冀地区位于高压前部等压线密集处,风速较大,平均风速为2.7m/s,而其他几种类型风速较小,多在2.0m/s以下,类型3和5的日均风速最小,为1.6m/s.相对湿度增大有利于气溶胶吸湿增长和二次转化[18],从而加重近地面空气污染程度.几种污染天气类型北京市日均相对湿度均在50%以上,类型3和6的日均相对湿度最大,分别为 58.2%和 58.4%,对应的AQI均值也最大,分别为192和186.类型1和 4的天气形势下,近地面风场以北风和西北风为主,相对湿度低,分别为28.7%和43.5%.类型9受偏东风影响,相对湿度较大,但是与几种污染天气型下的偏南风相比,偏东风比较洁净,因此空气污染程度较轻.

表2 2014～2015年冬半年各类天气类型京津冀AQI均值统计表Table 2 AQI mean of each circulation type during winter from 2014 to 2015

图2 2014～2015年冬半年各类天气类型北京市AQI分布特征统计Fig.2 Distribution characteristics of AQI in Beijing during winter from 2014 to 2015

大气层结稳定度和湍流强度也是影响近地面空气污染程度的重要因素.尚可政等[19]提出了一种从能量学角度描述大气层结稳定度的参数——稳定能量,由表3可知, 类型3、5、7、8的1200m稳定能量均超过600J/cm2,类型2和6的稳定能量略低于其他几种污染天气型,但也在500J/cm2以上.相比而言,类型1、4、9冷空气活动破坏了原有的稳定层结,低空稳定能量明显减小,有利于污染物的垂直扩散.最大混合层厚度表征了污染物通过湍流运动在垂直方向上扩散和稀释的范围,是反映日间大气湍流强弱的重要参数[20].几种污染天气型最大混合层厚度多在1000m及以下,而类型1和4的最大混合层厚度为1500m左右,有利于污染物通过湍流运动扩散至大气上层,从而有效降低近地面附近污染物的浓度.

2.3 重污染月份分析

为了进一步探讨京津冀地区重污染天气过程的特征及形成原因,选取京津冀地区重污染月份2014年2月进行分析.

表3 2014～2015年冬半年各类天气类型北京市气象参数特征统计表Table 3 The characteristics of meteorological parameters in Beijing during winter from 2014 to 2015

2014年2月京津冀地区发生了2次典型的重污染过程(图3),分别为10～16日和20～26日.第一次过程为高压场型,8、9日冷空气过程结束后,10-16日,京津冀地区始终处于高压场控制下(类型6),石家庄AQI迅速增大并维持在400以上,北京和天津AQI增加比较平缓,13日以前主要为轻度和中度污染,之后达到重度污染.14～16日,京津冀13个城市中,除了北部的张家口和承德市,其它城市均达到重度污染,其中石家庄AQI连续3d接近500,是整个区域污染最严重的城市.第二次过程前期为高压场型,后期转为高压后部型和鞍型场.20日起,各城市AQI均迅速增大并维持在重度污染水平,石家庄AQI最高,天津AQI相对较低.23～24日各城市AQI略微降低,随后继续增加至此次过程峰值.

图3 2014年2月京津冀地区AQI及天气类型变化特征Fig.3 AQI and circulation types in Beijing-Tianjin-Hebei region in February 2014

图4为2014年2月北京市PM2.5小时浓度变化曲线.第一次过程(10～16日)北京市 PM2.5浓度整体呈升高的趋势,但日变化十分明显.其中11、14日PM2.5浓度日变化幅度小,而12、15、16日PM2.5日间浓度则明显降低.对比两种情况下的地面天气形势(图5),11日京津冀及其周边地区均处于大范围高压均压场中,气压梯度弱,风速小,无持续风向,有利于污染物积累增加.12日,依据天气分型结果,地面天气形势仍为类型6的高压场,但是高压系统发生了更替,新的高压中心位于京津冀地区以北,且中心气压有所增大,高压底部延伸至京津冀北部形成偏北风.11日和12日北京市最大混合层厚度都在1100m左右,而混合层厚度内平均风速前者明显小于后者,分别为 2.5m/s和5.5m/s.对流层低层偏北风增强,配合日间低层大气湍流运动,使得日间 PM2.5浓度明显降低.随着高压中心东移,偏北风减弱以及夜间大气层结趋于稳定,PM2.5浓度又迅速增加.在此次污染过程期间,影响京津冀地区的高压系统一直处于变化中,多股冷空气不断东移,替代原来的系统.新旧系统交替中,高压中心气压增加,气压梯度增强,在京津冀北部形成偏北风,一定程度上抑制了北部城市空气污染持续加重的趋势,但是由于冷空气势力较弱,且位置偏北,区域的天气形势没有发生明显改变,京津冀地区始终处于高压系统控制下,因 此,污染物浓度变化呈波动增加的特征.

图4 2014年2月北京市10m风场、最大混合层厚度及PM2.5浓度变化Fig.4 The change curve of 10m wind, maximum mixing depth and hourly PM2.5concentration in Beijing in February 2014

图5 2014年2月11日(左)、12日(右)08:00地面天气形势Fig.5 Surface weather situation at 8:00 on 11th (left) and 12th(right) in February 2014

与第一次过程相比,第二次过程北京市PM2.5浓度日变化幅度较小.由图 4可知,20～26日北京市最大混合层厚度持续偏低(约为 500～ 800m),表明此次过程期间北京市日间大气湍流运动较弱,湍流对污染物的扩散能力降低,从而导致日间PM2.5浓度下降幅度减小.在第二次过程初期(图 6),高压系统位置偏东,中心位于我国东北地区,京津冀区域近地面风场以偏南风为主.偏南风能够将河北中南部的污染物源源不断地向北输送,使得北京以及其他北部城市污染物浓度迅速增加,21日京津冀13个城市空气污染程度均达到了重度污染.22～24日,冷高压增强并向南移动,京津冀近地面风场由偏南风转为东北风和东风,由于冷高压移动路径偏东,所以北京市 PM2.5浓度虽略有降低,但幅度很小.25～26日,地面天气形势由高压场型转变为高压后部型(图 6),受高压后部偏南风影响,北京市 PM2.5浓度再次升高,直至26日夜间西北冷空气过境,PM2.5浓度迅速降低,重污染过程结束.

图6 2014年2月20日(左)、25日(右)08:00地面天气形势Fig.6 Surface weather situation at 8:00 on 20th(left) and 25th(right) in February 2014

上述分析表明两次区域重污染过程均发生在天气形势连续多日维持重污染天气型的情况下.污染过程期间,高压系统演变、近地面风场变化以及日间大气湍流活动等因素对京津冀地区(尤其是北部城市)污染物浓度变化影响显著.高压中心增强,北部偏北风增大,能够一定程度抑制北部城市空气污染持续加重的趋势,而偏南风输送使得北部城市污染物浓度迅速升高.

3 结论

3.1 采用客观分型方法,将2013～2015年冬半年京津冀地区海平面气压场分为高压前部、高压场、高压后部等9种类型.其中,西部高压前和高压场发生频率最高,分别为 17.1%和 17.9%,其他几种类型发生频率在10%左右及以下.

3.2 高压前部和高压南部为不易污染天气类型,京津冀地区 AQI均值较低;其他几种天气类型(高压场、高压后部等)则为污染天气类型,京津冀地区各城市AQI均值多数在150以上;对于北部城市,类型 7 (冷锋前部)AQI均值在几种污染天气型中相对偏低,南部城市则相对偏高.

3.3 不同天气类型下影响污染物扩散、输送、生成和转化的气象条件有所差异.以北京市为例,几种污染天气型平均风速多小于 2.0m·s-1,相对湿度大于50%,1200m稳定能量在500～600J·cm-2以上,最大混合层厚在1000m及以下,不利于污染物扩散.

3.4 当天气形势连续多日维持污染天气类型时,京津冀地区容易发生重污染天气过程.重污染过程期间,高压系统演变、近地面风场变化以及日间大气湍流活动等因素对京津冀地区(尤其是北部城市)污染物浓度变化影响显著.

[1]张 莹,邵 毅,王式功,等.北京市空气污染物对呼吸系统疾病门诊人数的影响 [J]. 中国环境科学, 2014,34(9):2401-2407.

[2]郑 山,王敏珍,王式功,等.大气污染物对兰州心脑血管疾病住院影响的病例交叉研究 [J]. 中国环境科学, 2012,32(7):1182-1187.

[3]胡 伟,魏复盛.空气污染对儿童及其父母呼吸系统健康的影响[J]. 中国环境科学, 2000,20(5):425-428.

[4]刘咸德,李 军,赵 越,等.北京地区大气颗粒物污染的风向因素研究 [J]. 中国环境科学, 2010,30(1):1-6.

[5]杜荣光,齐 冰,郭惠惠,等.杭州市大气逆温特征及对空气污染物浓度的影响 [J]. 气象与环境学报, 2011,27(4):49-53.

[6]杜川利,唐 晓,李星敏,等.城市边界层高度变化特征与颗粒物浓度影响分析 [J]. 高原气象, 2014,33(5):1383-1392.

[7]唐宜西,张小玲,熊亚军,等.北京一次持续霾天气过程气象特征分析 [J]. 气象与环境学报, 2013,29(5):12-19.

[8]廖晓农,张小玲,王迎春,等.北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析 [J]. 环境科学, 2014,35(6):2031-2044.

[9]李云婷,王占山,安欣欣,等.2015年“十一”期间北京市大气重污染过程分析 [J]. 中国环境科学, 2016,36(11):3218-3226.

[10]孟燕军,程丛兰.影响北京大气污染物变化的地面天气形势分析[J]. 气象, 2002,28(4):42-47.

[11]戴竹君,刘端阳,王宏斌,等.江苏秋冬季重度霾的分型研究 [J].气象学报, 2016,74(1):133-148.

[12]张晓勇,张裕芬,冯银厂,等.天气类型对天津大气PM10污染的影响分析 [J]. 环境科学研究, 2010,23(9):1115-1121.

[13]Philipp A, Beck C, Huth R, et al. Development and comparison of circulation type classifications using the COST 733dataset and software [J]. International Journal of Climatology, 2016,36(7): 2673-2691.

[14]Huth R. A circulation classification scheme applicable in GCM studies [J]. Theoretical & Applied Climatology, 2000,67(1/2): 1-18.

[15]Richman M B. Obliquely rotated principal components: An improved meteorological map typing technique? [J]. Journal of Applied Meteorology, 1981,20(10):1145-1159.

[16]Huth R, Beck C, Philipp A, et al. Classifications of atmospheric circulation patterns [J]. Annals of the New York Academy of Sciences, 2008,1146(1):105–152.

[17]Zhang J P, Zhu T, Zhang Q H, et al. The impact of circulation patterns on regional transport pathways and air quality over Beijing and its surroundings [J]. Atmospheric Chemistry & Physics & Discussions, 2012,11(12):33465-33509.

[18]Ye X, Song Y, Cai X, et al. Study on the synoptic flow patterns and boundary layer process of the severe haze events over the North China Plain in January 2013 [J]. Atmospheric Environment, 2016,124:129-145.

[19]陈 媛,岑 况, Norra S,等.北京市区大气气溶胶PM2.5污染特征及颗粒物溯源与追踪分析 [J]. 现代地质, 2010,24(2):345-354.

[20]尚可政,王式功,杨德保,等.兰州城区稳定能量及其与空气污染的关系 [J]. 高原气象, 2001,20(1):76-81.

[21]王式功,姜大膀,杨德保,等.兰州市区最大混合层厚度变化特征分析 [J]. 高原气象, 2000,19(3):363-37.

Circulation weather type classification for air pollution over the Beijing-Tianjin-Hebei region during winter.

YANG Xu1, ZHANG Xiao-ling2,3*, KANG Yan-zhen1, ZHANG Ying2, WANG Shi-gong1,2*, LI Zi-ming4, LI Hao1(1.Key Laboratory of Arid Climate Change and Disaster of Reduction of Gansu Province, School of Atmospheric Science, Lanzhou University, Lanzhou 730000, China；2.Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, School of Atmospheric Science, Chengdu University of Information Technology, Chengdu 610225, China；3.Institute of Urban Meteorology, China Meteorological Administration, Beijing, 100089, China；4.Environmental Meteorology Forecast Center of Beijing-Tianjin-Hebei, Beijing 10089, China). China Environmental Science, 2017,37(9)：3201～3209

Circulation weather types were identified over the Beijing-Tianjin-Hebei (BTH) region during winter based on sea surface pressure fields from ERA-Interim reanalysis dataset from 2013 to 2015 using the PCT (principal component analysis in T-mode) method. The characteristics of air pollution associated with key meteorological parameters under different atmospheric conditions was analyzed using the corresponding time period of air pollution data and conventional meteorological observations. Also the causes of the occurrence of high pollution episodes and the characteristic weather features over the BTH region were investigated by analyzing typical data collected in the most polluted month. The results showed that there were nine main circulation types over the BTH region, i.e., non-polluted circulation types with high pressure to the front of the BTH region or to south of this region, and polluted circulation types with high pressure fields, the rear of high pressure, col pressure field or ahead of the cold front. Overall, the polluted circulation types were characterized by high relative humidity with weak winds, high stable energy and low maximum mixing depth, which reduced the possibility of dilution of pollutants from the local area, therefore, the observed averaged air quality index (AQI) values in most cities were above 150. Two heavy air pollution episodes occurred in February 2014 caused by the persistent high pressure fields which lasted for a few days. The evolution of the high pressure system led to strengthening of the northerly wind, which reduced the concentrations of pollution over north cities of the BTH, however, southerly winds carried air pollutants to make the concentration increase rapidly in the north cities of the BTH.

circulation classification；air pollution；Beijing-Tianjin-Hebei

X513

A

1000-6923(2017)09-3201-09

2016-11-30

国家科技支撑计划课题(2014BAC23B01);国家重点研发计划课题(2016YFA0602004);北京市科技计划项目(Z141100001014013) * 责任作者, 张小玲, 教授, xlzhang@ium.cn;王式功, 教授, wangsg@lzu.edu.cn

杨 旭(1994-),男,河南三门峡人,兰州大学硕士研究生,主要从事环境气象预报方面研究.发表论文1篇.