張云芝 阿拉騰·圖婭 戴昭鑫 董 昱

(1.內蒙古師范大學地理科學學院，內蒙古 呼和浩特 010022；2.中國科學院地理科學與資源研究所，北京 100101)

基于地面監(jiān)測數據的2014年京津冀地區(qū)PM2.5時空分布研究*

張云芝1,2阿拉騰·圖婭1#戴昭鑫2董 昱2

(1.內蒙古師范大學地理科學學院，內蒙古 呼和浩特 010022；2.中國科學院地理科學與資源研究所，北京 100101)

近幾年來，京津冀地區(qū)灰霾天氣頻發(fā)，PM2.5污染問題日益突出?；?014年京津冀地區(qū)及周邊緩沖區(qū)內共156個國家空氣質量監(jiān)測站點的PM2.5逐時監(jiān)測數據，運用克里金插值法，從年、季、月尺度上分析了PM2.5的空間區(qū)域分布和時間動態(tài)變化。結果表明：(1)2014年京津冀地區(qū)PM2.5濃度空間分布明顯呈現整體南高北低，局部地區(qū)略有突出的分布特征；京津冀地區(qū)PM2.5年均值為78.80 μg/m3；PM2.5年均值由高到低依次為河北省(83.85 μg/m3)、天津市(78.52 μg/m3)、北京市(74.04 μg/m3)。(2)季節(jié)尺度上，PM2.5濃度變化表現出秋冬季高，春夏季低的變化趨勢，與區(qū)域內冬季取暖、化石燃料的燃燒和燃煤關系密切。(3)京津冀地區(qū)PM2.5月均濃度變化大致呈U形分布，1—2月PM2.5濃度相對最高，3月后開始呈逐步下降趨勢，5—9月區(qū)域PM2.5處于U形谷底，而10月后迅速攀升，并持續(xù)保持高值。

PM2.5地面監(jiān)測 空間區(qū)域分布 時間動態(tài)變化 京津冀地區(qū)

近年來，伴隨中國工業(yè)經濟的持續(xù)、高速發(fā)展，各地區(qū)燃燒大量化石燃料，機動車尾氣排放急劇攀升，造成我國大部分城市和地區(qū)普遍出現了空氣質量嚴重惡化的現象[1]。如2013年1月，全國出現了4次較大范圍的灰霾天氣過程，有30個省(市、自治區(qū))出現灰霾天氣[2]；2014年2月22日，全國超過80萬km2的國土呈現持續(xù)重度污染狀態(tài)。引起上述環(huán)境問題的首要污染物是大氣顆粒物[3-5]。京津冀地區(qū)是與長三角、珠三角并立的中國經濟3個增長極之一。由于京津冀地區(qū)特殊的政治區(qū)位特點，其經濟社會及環(huán)境問題具有特殊意義[6]。過去十余年來，該地區(qū)環(huán)境污染物排放呈現高度集中態(tài)勢[7],無論從污染發(fā)生頻率還是嚴重程度來看，京津冀地區(qū)灰霾天氣都較為突出，是我國大氣污染的重災區(qū)。國家環(huán)境保護部的監(jiān)測表明，2014年全國空氣最差的10個城市中，京津冀地區(qū)占據8席。京津冀地區(qū)嚴重的大氣污染不僅對人們的身體健康造成極大威脅[8]，同時對區(qū)域工業(yè)生產、交通運輸等造成了不利影響。

當前，國內外已經有相當數量的關于大氣灰霾格局、變化、成因和機制的研究。文獻調研表明：大尺度區(qū)域上的灰霾空間分布特征研究多是基于遙感反演，如郭建平等[9]利用中分辨率成像光譜儀(MODIS)/Terra氣溶膠光學厚度(AOD)產品對中國東部地區(qū)進行了模擬，并利用5個地面監(jiān)測站點數據進行驗證；傅為[10]利用MODIS L1B數據反演AOD，并基于同一時間段PM10小時均值數據，應用線性模型開展擬合模擬。王晶杰等[11]利用MODIS數據及SARA算法對京津冀及臨近地區(qū)污染過程中的氣溶膠進行遙感反演，并利用13個地面監(jiān)測站點數據進行驗證分析。徐祥德等[12]利用2003年1—2月MODIS遙感AOD數據，結合10個地面監(jiān)測站點的PM10濃度進行北京市及周邊城市氣溶膠空間分布分析?；诘孛嬲军c的這類研究主要聚焦于北京市[13]345-353,[14-15]，如趙越等[16]利用2002年7月至2003年6月二十多個監(jiān)測站點的PM10數據，分析了北京市PM10的濃度水平和地域分布特征。但是，在京津冀地區(qū)，基于長時間序列地面觀測數據的PM2.5空間分布特征和動態(tài)變化的研究比較缺乏。

為此，本研究基于環(huán)境保護部2014年地面大氣質量監(jiān)測站點數據，應用地理信息系統(tǒng)(GIS)空間插值和空間統(tǒng)計、分析技術，對京津冀地區(qū)PM2.5空間分布特征和動態(tài)變化進行了分析。該研究有助于增強對京津冀地區(qū)PM2.5空間分布和動態(tài)變化的認知，為衛(wèi)星遙感反演大氣灰霾實驗和產品生產提供地面驗證資料，為當地政府大氣污染治理提供決策依據。

1 數據與方法

1.1 數據來源

本研究數據來源于中國環(huán)境監(jiān)測總站PM2.5逐時監(jiān)測數據。2013年后，京津冀地區(qū)共設置了79個國家級空氣質量監(jiān)測站點。為減小空間插值過程中可能的邊緣效應，研究還使用了京津冀周邊一定緩沖區(qū)范圍內的其他77個國家級空氣質量監(jiān)測站點數據。全部156個監(jiān)測站點的空間分布如圖1所示。在時間上，由于2013年大部分地面監(jiān)測站點運行尚不規(guī)范，該年的監(jiān)測數據中有不少缺失項。因此，本研究僅使用了2014年全年的監(jiān)測數據。

1.2 數據處理與分析

數據預處理：156個監(jiān)測站點每日有24個PM2.5空間插值：將點尺度數據向面尺度信息轉換的最佳方法即為空間插值。具體方法很多，如：反距離加權法(IDW)、樣條函數插值法(Spline)、克里金插值法等[17]。晏星等[18]在大氣污染要素空間插值方法的研究表明：與其他方法相比，克里金插值法更靈活，且能夠充分利用數據探索性工具，有效提高空間插值分析的效率，對正態(tài)數據的預測精度較高，其結果具有空間二階平穩(wěn)性[19-22]。本研究在ArcGIS軟件支持下，應用克里金插值法，實現了對研究區(qū)PM2.5濃度空間分布的空間插值。

圖1 空氣質量監(jiān)測站點分布Fig.1 The spatial distribution of air quality monitoring stations

監(jiān)測數據，則研究區(qū)在2014年大約共有137萬個監(jiān)測數據，手動處理或半自動化處理幾乎不可能。為此，應用Python科學計算語言編程，快速計算每個站點PM2.5濃度的日均值、月均值、季均值、年均值等4個指標。

2 結果分析

2.1 年尺度PM2.5空間分布

2014年，京津冀地區(qū)PM2.5年平均濃度在空間上的插值結果如圖2所示。京津冀地區(qū)PM2.5年均濃度呈現整體南高北低，局部地區(qū)略有突出的大格局。南部的保定市、石家莊市、邢臺市、邯鄲市等4個地級市的PM2.5年均質量濃度大致在95 μg/m3以上；而北部的張家口市、承德市、秦皇島市等3個地級市的PM2.5年均質量濃度大致在70 μg/m3以下；而中東部的唐山市與周邊地區(qū)相比，其PM2.5年均質量濃度較高，為80～115 μg/m3。

圖2 京津冀地區(qū)2014年PM2.5空間分布Fig.2 The spatial pattern of annual PM2.5 concentration in the Beijing-Tianjin-Hebei region in 2014

從地區(qū)角度上看，2014年京津冀地區(qū)的PM2.5濃度均超過了《環(huán)境空氣質量標準》(GB 3095—2012)二級標準年平均限值(35 μg/m3)。其中，河北省PM2.5年均值最高，為83.85 μg/m3；其次為天津市，其PM2.5年均值為78.52 μg/m3；北京市PM2.5年均值最低，為74.04 μg/m3。整個京津冀地區(qū)的PM2.5年均值為78.80 μg/m3，遠超過GB 3095—2012二級標準年平均限值，說明京津冀地區(qū)的大氣質量較惡劣。

導致京津冀地區(qū)空氣質量惡劣的原因主要有：(1)能源消耗量大、污染排放強度高。京津冀地區(qū)(特別是河北省)集聚了大量水泥、鋼鐵、煉油、石化等“三高”(高耗能、高污染、高排放)企業(yè)，由此導致化石燃料消耗量大，大氣污染極為嚴重[23]。(2)地形氣候因素影響較大。京津冀地區(qū)整體呈現西北高、東南低的地形特點。北風由北向南依次刮過京津冀地區(qū)，華北平原中南部成為空氣污染擴散的下風向，京津冀東南平原區(qū)全年風速較小、不利于污染物的擴散[24]，導致石家莊市、邢臺市、邯鄲市等地污染較為嚴重。

2.2 季節(jié)尺度PM2.5空間分布和變化

京津冀地區(qū)PM2.5各季節(jié)平均濃度在空間上的插值結果如圖3所示。其中，冬季為2014年1月、2月和12月，春季為3—5月，夏季為6—8月，秋季為9—11月。

從PM2.5的空間區(qū)域分布上看，京津冀地區(qū)季節(jié)尺度與年尺度上的PM2.5空間區(qū)域分布格局相似。夏季PM2.5濃度的空間梯度相對較??；但是在春、秋、冬3季，PM2.5濃度的空間梯度變化較顯著，空間區(qū)域分布格局特點也更明顯。

從季節(jié)動態(tài)上看：京津冀地區(qū)PM2.5濃度明顯呈現秋冬季高、春夏季低的年內變化趨勢，與田謐[25]的研究結果一致。冬季PM2.5平均質量濃度明顯高于其他3個季節(jié)，達到104.88 μg/m3；秋季PM2.5平均質量濃度水平次于冬季，為82.40 μg/m3；春季和夏季PM2.5平均質量濃度分別為74.43、60.19 μg/m3。冬季與夏季的PM2.5差值較大，為44.69 μg/m3。

上述季節(jié)變化主要受季節(jié)性污染源及氣候條件影響。秋冬季為京津冀地區(qū)采暖期，工業(yè)鍋爐和采暖鍋爐排放的煤煙型污染物顯著增加；同時冬季大氣層較穩(wěn)定，逆溫出現的頻率和強度高，持續(xù)時間長，這樣的氣候條件不利于污染物稀釋擴散[26-27]。春季氣候干燥，多風少雨，具備揚塵條件，故PM2.5濃度相對夏季較高；夏季溫度上升、大氣穩(wěn)定度降低且降雨集中，均有利于大氣污染物擴散、濕沉降和稀釋[13]347-348。

2.3 月尺度PM2.5空間分布和變化

京津冀地區(qū)2014年1—12月各月PM2.5濃度的空間分布如圖4所示。

從PM2.5的空間分布上看，京津冀地區(qū)春末到秋初(5—9月)PM2.5濃度空間梯度變化不大；但在其他月份，PM2.5濃度的空間梯度變化顯著，相比5—9月，與年尺度上PM2.5空間分布格局更相似。

根據京津冀地區(qū)PM2.5逐月變化趨勢(見圖5)可以看出，京津冀地區(qū)PM2.5月均濃度變化大致呈U形分布。1—2月PM2.5濃度相對最高；3月起受春季大風增多、地表溫度逐步升高、地表植被逐漸茂盛等因素影響，大氣PM2.5濃度開始呈逐步下降趨勢；在5—9月，PM2.5處于U形的谷底，但在7月，京津冀地區(qū)PM2.5出現了局部的峰值，這可能與夏季多發(fā)性霧霾天氣有關[28-29]；大氣PM2.5濃度在10月迅速攀升，并長期居高不下，這與京津冀地區(qū)氣候條件、采暖期到來有很大關系。

圖3 京津冀地區(qū)各季節(jié)PM2.5分布格局Fig.3 The spatial patterns of seasonal PM2.5 concentration in the Beijing-Tianjin-Hebei region in 2014

需要注意的是，北京市大氣PM2.5濃度在2014年11—12月出現了明顯的下降，這與天津市、河北省在同一時期PM2.5處于高值且基本保持穩(wěn)定的情況有顯著不同。究其原因，一方面可能與當時的氣象條件有關，北京市在11—12月出現了累計16次3～5級大風天氣及10次5～6級大風天氣(根據北京市天氣網記錄統(tǒng)計)；另一方面，可能也與當時北京市及整個華北地區(qū)為籌備亞洲太平洋經濟合作組織(APEC)會議而大力限排、限放等環(huán)境治理措施有密切關系[30-32]。歸根結底，北京市在11—12月PM2.5濃度降低是氣象條件和人為努力共同作用的結果[33]。

圖4 京津冀地區(qū)PM2.5月均濃度空間分布Fig.4 The spatial patterns of monthly PM2.5 concentration in the Beijing-Tianjin-Hebei region in 2014

圖4 京津冀地區(qū)PM2.5月均濃度空間分布(續(xù))Fig.4 The spatial patterns of monthly PM2.5 concentration in the Beijing-Tianjin-Hebei region in 2014 (cont.)

圖5 京津冀地區(qū)PM2.5逐月動態(tài)變化Fig.5 The monthly changes of PM2.5 concentration in the Beijing-Tianjin-Hebei region in 2014

3 討 論

本研究涉及北京市、天津市與河北省3個省市，范圍較廣、面積較大，大氣質量監(jiān)測站點的數量相對較少且主要分布在城市建成區(qū)內；同時，大氣顆粒物的運移機制極其復雜[34-35]。因此，本研究基于GIS空間插值的研究結果可能會存在誤差，基于空間統(tǒng)計方法所得的區(qū)域成果不一定能與地區(qū)真實水平完全一致。但總體而言，基于GIS的空間插值方法提供了認識區(qū)域PM2.5空間分布特點的途徑，基于GIS的空間統(tǒng)計方法提供了判別區(qū)域PM2.5水平的基礎資料，這對于大氣污染物遙感模型反演、產品驗證以及地方政府開展環(huán)境治理決策等具有重要的現實意義。

未來研究中，可以考慮結合地表特征參數(如數字高程模型(DEM)高度、地表粗糙度等)和氣象條件(風向、風力、空氣濕度、地表溫度等)等輔助參數，運用帶協變量的空間插值方法(如ANUSPLIN模型)開展空間插值，由此得到更加可信的區(qū)域PM2.5空間分布成果。同時，在長期數據積累的前提下，運用長時間序列PM10、PM2.5、SO2等監(jiān)測數據，開展更加細致的日尺度、時尺度動態(tài)分析，并將它們與區(qū)域經濟社會發(fā)展模式、工業(yè)經濟發(fā)展技術、人們日常生活行為等開展關聯分析，可為大氣污染動力模擬提供參數，為大氣環(huán)境治理工作的具體舉措提供依據。

4 結 論

(1) 2014年京津冀地區(qū)大氣PM2.5年均值為78.80 μg/m3。其中，河北省大氣PM2.5年均值最高，為83.85 μg/m3，其次為天津市，大氣PM2.5年均值為78.52 μg/m3，北京市PM2.5年均值為74.04 μg/m3，均超過GB 3095—2012二級標準年平均限值，大氣質量較為惡劣。這可能與區(qū)域產業(yè)結構偏向“三高”企業(yè)有密切關系，同時與區(qū)域地勢特點和氣象條件也有關系。

(2) 京津冀地區(qū)大氣PM2.5濃度整體呈現南高北低，局部地區(qū)略有突出的特點。在季節(jié)尺度上，以冬季的PM2.5濃度水平較高，梯度變化最大，格局特點最為明顯；夏季的PM2.5濃度水平整體較低，梯度變化最小。季節(jié)上的動態(tài)變化特征與不同時期的大氣條件、生態(tài)系統(tǒng)狀況等有密切關系。

(3) 2014年，京津冀地區(qū)大氣PM2.5月均值變化大致呈U形分布。1—2月PM2.5濃度相對最高；3月起，PM2.5濃度開始呈逐步下降趨勢；在5—9月，PM2.5處于U形的谷底；10月起，PM2.5迅速攀升，并長期居高不下。其中，北京市大氣PM2.5濃度在2014年11—12月出現顯著下降，這與周邊地區(qū)PM2.5的月變化態(tài)勢明顯不同，可能是氣象條件和人為努力共同作用的結果。

[1] 趙晨曦，王云琦，王玉杰，等．北京地區(qū)冬春PM2.5和PM10污染水平時空分布及其與氣象條件的關系[J]．環(huán)境科學，2014，35(2)：418-427．

[2] 孫志豪，崔燕平．PM2.5對人體健康影響研究概述[J]．環(huán)境科技，2013，26(4)：75-78．

[3] HUANG Desheng,XU Jianhua,ZHANG Shiqiu.Valuing the health risks of particulate air pollution in the Pearl River Delta,China[J].Environmental Science & Policy,2012,15(1):38-47.

[4] 任陣海，萬本太，蘇福慶，等．當前我國大氣環(huán)境質量的幾個特征[J]．環(huán)境科學研究，2004，17(1)：1-6．

[5] 嚴剛,燕麗.“十二五”我國大氣顆粒物污染防治對策[J].環(huán)境與可持續(xù)發(fā)展,2011(5):20-23.

[6] 常紀文，湯方晴．京津冀一體化發(fā)展的環(huán)境法治保障措施[J]．環(huán)境保護，2014，42(17)：26-29．

[7] 白鶴鳴．京津冀地區(qū)空氣污染時空分布研究[D]．南京：南京信息工程大學，2013．

[8] WANG Jun,HU Zimei,CHEN Yuanyuan,et al.Contamination characteristics and possible sources of PM10and PM2.5in different functional areas of Shanghai,China[J].Atmospheric Environment,2013,68(2):221-229.

[9] 郭建平，吳業(yè)榮，張小曳，等．BP網絡框架下MODIS氣溶膠光學厚度產品估算中國東部PM2.5[J]．環(huán)境科學，2013，34(3)：817-825．

[10] 傅為．基于MODIS氣溶膠光學厚度反演的PM10濃度監(jiān)測[D]．長沙：中南大學，2009．

[11] 王晶杰，李琦，馮逍，等．京津冀地區(qū)污染過程的氣溶膠遙感反演[J]．測繪科學，2015，40(2)：78-83．

[12] 徐祥德，施曉暉，張勝軍，等．北京及周邊城市群落氣溶膠影響域及其相關氣候效應[J]．科學通報，2005，50(22)：2522-2530．

[13] 陳媛，岑況，NORRA S，等．北京市區(qū)大氣氣溶膠PM2.5污染特征及顆粒物溯源與追蹤分析[J]．現代地質，2010，24(2)．

[14] 趙秀娟，蒲維維，孟偉，等．北京地區(qū)秋季霧霾天PM2.5污染與氣溶膠光學特征分析[J]．環(huán)境科學，2013，34(2)：416-423．

[15] 王占山，李云婷，陳添，等．2013年北京市PM2.5的時空分布[J]．地理學報，2015，70(1)：110-120．

[16] 趙越，潘鈞，張紅遠，等．北京地區(qū)大氣中可吸入顆粒物的污染現狀分析[J]．環(huán)境科學研究，2004，17(1)：67-69．

[17] 潘耀忠，龔道溢，鄧磊，等．基于DEM的中國陸地多年平均溫度插值方法[J]．地理學報，2004，59(3)：366-374．

[18] 晏星，馬小龍，趙文慧．基于不同插值方法的PM1污染物濃度研究[J]．測繪，2010，33(4)：172-175．

[19] CATTLE J A,MCBRATNEY A,MINASNY B.Kriging method evaluation for assessing the spatial distribution of urban soil lead contamination[J].Journal of Environmental Quality,2002,31(5):1576-1588.

[20] WANG X J,ZHENG Y,LIU R M,et al.Kriging and PAH pollution assessment in the topsoil of Tianjin area[J] Bulletin of Environmental Contamination and Toxicology,2003,71(1):189-195.

[21] 姜成晟，王勁峰，曹志冬．地理空間抽樣理論研究綜述[J]．地理學報，2009，64(3)：368-380．

[22] 林忠輝，莫興國，李宏軒，等．中國陸地區(qū)域氣象要素的空間插值[J]．地理學報，2002，57(1)：47-56．

[23] 王躍思，張軍科，王莉莉，等．京津冀區(qū)域大氣霾污染研究意義、現狀及展望[J]．地球科學進展，2014，29(3)：388-396．

[24] 鄭曉霞，李令軍，趙文吉，等．京津冀地區(qū)大氣NO2污染特征研究[J]．生態(tài)環(huán)境學報，2014，23(12)：1938-1945．

[25] 田謐．京津冀地區(qū)霾污染過程大氣PM2.5及前體物變化特征研究[D]．北京：北京化工大學，2013．

[26] SUN Yele,ZHUANG Guoshun,WANG Ying,et al.The air-borne particulate pollution in Beijing - concentration,composition,distribution and sources[J].Atmospheric Environment,2004,38(35):5991-6004.

[27] XU Xiangde,SHI Xiaohui,XIE Lian,et al.Spatial character of the gaseous and particulate state compound correlation of urban atmospheric pollution in winter and summer[J].Science China Series D (Earth Sciences),2005,48(Suppl.2):64-79.

[28] 馬雁軍，劉寧微，洪也，等．2011年春季遼寧一次沙塵天氣過程及其對不同粒徑顆粒物和空氣質量的影響[J]．環(huán)境科學學報，2012，32(5)：1160-1167．

[29] 徐文帥，李云婷，孫瑞雯，等．典型沙塵回流天氣過程對北京市空氣質量影響的特征分析[J]．環(huán)境科學學報，2014，34(2)：297-302．

[30] LIU Yansui,LI Yuheng,CHEN Cong.Pollution:build on success in China[J].Nature,2015, 517(7533):145.

[31] 耿學清.APEC期間北京PM2.5同比下降55%[N].法制晚報,2014-11-13(A09).

[32] 王碩.“人努力”PM2.5日均濃度降三成[N].京華時報,2014-11-14(7).

[33] 潘珊菊,陳蕎.“相信通過努力APEC藍能保持”[N].京華時報,2014-11-11(3).

[34] 楊洪斌，鄒旭東，汪宏宇，等．大氣環(huán)境中PM2.5的研究進展與展望[J]．氣象與環(huán)境學報，2012，28(3)：77-82．

[35] 楊新興，馮麗華，尉鵬．大氣顆粒物PM2.5及其危害[J]．前沿科學，2012，6(1)：22-31．

Spatial-temporalcharacteristicsofPM2.5inBeijing-Tianjin-Hebeiregionbasedonthegroundmonitoringdatain2014

ZHANGYunzhi1,2,ALATENGTuya1,DAIZhaoxin2,DONGYu2.

(1.CollegeofGeographicalScience,InnerMongoliaNormalUniversity,HohhotInnerMongolia010022;2.InstituteofGeographicSciencesandNaturalResourcesResearch,CAS,Beijing100101)

In recent years,haze pollution breaks out frequently in Beijing-Tianjin-Hebei region,which gives rise to the serious PM2.5pollution. Based on this,the characteristics of PM2.5in Beijing-Tianjin-Hebei region were analyzed. PM2.5concentration in 2014 was achieved from 156 automatic air quality monitoring stations in Beijing,Tianjin,Hebei and buffer regions nearby,then the characteristics of spatial distribution and temporal dynamic of PM2.5in annual,seasonal and monthly scale were determined by Kriging interpolation method. The results showed: (1) the spatial distribution of PM2.5average concentration in Beijing-Tianjin-Hebei region in 2014 showed a rising tendency from north to south,and some areas were slightly prominent. The annual average concentration of PM2.5in this region was 78.80 μg/m3,the highest area was Hebei (83.85 μg/m3),then Tianjin (78.52 μg/m3),and Beijing (74.04 μg/m3) was the lowest. (2) Compared with spring and summer,the concentrations of PM2.5were higher in fall and winter. It was related to fossil fuel combustion and coal-fired for heating during the winter. (3) Monthly average concentrations of PM2.5in Beijing-Tianjin-Hebei region showed a U-shaped curve,the highest concentration appearred in January and February,then showed a gradual decline from March,and reached the bottom during May to September. When in October, the average concentration of PM2.5rose rapidly and remained in high level.

PM2.5; ground monitoring; spatial distribution; temporal dynamic; Beijing-Tianjin-Hebei region

張云芝，女，1989年生，碩士研究生，研究方向為資源環(huán)境遙感。#

。

*國家科技重大專項(No.Y4K40110MJ)；內蒙古師范大學研究生創(chuàng)新基金資助項目(No.CXJJS13067)。

10.15985/j.cnki.1001-3865.2016.12.007

編輯:徐婷婷 (

2015-11-02)