蘇振華 何報寅 周亞東 梁勝文 胡柯 王自發(fā)
摘要城市化極大地改變了城市下墊面的性質(zhì),這有可能增加灰霾天氣發(fā)生的概率和強度.利用Landsat7ETM+和HJ1A衛(wèi)星多光譜遙感數(shù)據(jù),通過人工解譯獲得2002年和2012年武漢市土地利用情況,并對武漢市土地利用規(guī)劃圖進行數(shù)字化和尺度轉(zhuǎn)換.在此基礎(chǔ)上,針對武漢市典型灰霾天氣過程,對不同土地類型(歷史、現(xiàn)狀和規(guī)劃)利用WRFNAQPMS空氣質(zhì)量數(shù)值模式進行了不同情景的模擬.同時,對比分析和揭示了不同情境下,大氣風(fēng)場和主要大氣污染物濃度場的變化,解析了下墊面對灰霾天氣的影響.可為從灰霾天氣防治的角度完善城市土地規(guī)劃和建設(shè)提供科學(xué)依據(jù).關(guān)鍵詞武漢;灰霾;土地利用;WRFNAQPMS;情景模擬
中圖分類號X513
文獻標志碼A
0引言
霾是指大量極細微的干塵粒即干氣溶膠粒子等物質(zhì)均勻地分布在空氣中,使空氣普遍混濁、水平能見度小于10km的現(xiàn)象[1].霾一般是由灰塵、硫酸與硫酸鹽、硝酸與硝酸鹽等粒子組成,由于易散射波長較長的光而常呈現(xiàn)為黃色或橙灰色,在城市環(huán)境中也稱作灰霾[2].由于對空氣能見度產(chǎn)生直接影響,并且會對人類生命健康造成危害,灰霾現(xiàn)象越來越頻繁地引起社會各界的關(guān)注.
目前針對灰霾危害的研究包括兩個方面,一是針對能見度的降低帶來的一系列問題的研究,二是對健康效應(yīng)的關(guān)注.其中PM25對人類身體健康產(chǎn)生的危害遠大于構(gòu)成灰霾的其他成分,因此當前國內(nèi)外大氣顆粒物與人類健康之間關(guān)系的研究主要集中于PM25方面[37].
伴隨城市化過程的下墊面及其性質(zhì)的改變,一方面表現(xiàn)在不透水面和高樓顯著增加,另一方面則是綠地和水體面積顯著減小,城市下墊面的熱容量減少而粗糙度增加.這些因素降低了城市水平風(fēng)速,增加了城市逆溫層發(fā)生的概率和強度,造成污染物擴散的氣象條件的惡化,進而增加了灰霾天氣發(fā)生的概率和強度[8].為揭示這一過程,尚需要開展深入的研究工作,利用空氣質(zhì)量數(shù)值預(yù)報模式進行情景模擬是揭示這一過程的主要手段之一[917].
本文以武漢市為案例,研究城市化過程中下墊面及其物理性質(zhì)的變化與城市灰霾天氣的關(guān)系,利用空氣質(zhì)量數(shù)值預(yù)報模式進行情景模擬,探討和分析下墊面變化對城市灰霾天氣的影響,為從城市的規(guī)劃、綠化和管理的角度減少灰霾污染提供科學(xué)依據(jù).
1研究區(qū)概況和數(shù)據(jù)源
11研究區(qū)概況
湖北省武漢市地處華中,位于113°41′~115°05′E,29°58′~31°22′N之間,在江漢平原東部,北倚大別山脈,南鄰幕阜山脈,東西橫距132km,南北跨距為154km,市域面積達8494km2,截至2012年末武漢市常住人口達1002萬人[18].武漢地區(qū)是典型的亞熱帶季風(fēng)濕潤氣候,年均氣溫約158~175℃,轄區(qū)內(nèi)湖泊眾多,素有“百湖之市”美稱.作為傳統(tǒng)的工業(yè)城市,武漢市城市面積在全國位居前列,隨之而來
學(xué)報(自然科學(xué)版),2018,10(5):547556JournalofNanjingUniversityofInformationScienceandTechnology(NaturalScienceEdition),2018,10(5):547556
蘇振華,等.利用WRFNAQPMS模擬土地利用變化對武漢城市灰霾天氣的影響.
SUZhenhua,etal.
UsingWRFNAQPMStosimulatetheinfluenceoflandusechangeongrayhazeweatherinWuhancity.
的大氣灰霾污染在華中地區(qū)也首屈一指.據(jù)統(tǒng)計,2013年武漢市PM25超標天數(shù)達到177d,嚴重污染主要集中于冬季和春季,其中以1月和12月最為嚴重.本次研究覆蓋武漢市市域全境.
12數(shù)據(jù)源
本文采用2002年10月Landsat7ETM+行列號為122038、122039、123038和123039的四景數(shù)據(jù)多光譜影像數(shù)據(jù)以及2012年12月HJ1A衛(wèi)星CCD1行列號為45776和45780的兩景多光譜數(shù)據(jù).
13數(shù)據(jù)預(yù)處理
利用Landsat7的ETM+多光譜數(shù)據(jù)、HJ1A衛(wèi)星CCD多光譜數(shù)據(jù)分別進行輻射定標、大氣校正、幾何校正、圖像鑲嵌、裁剪及數(shù)據(jù)融合,經(jīng)過遙感人工解譯,通過高分辨率Quickbird影像驗證以及部分野外實地驗證(2012年)得到30m分辨率的2002年及2012年兩期武漢市土地利用情況(圖1).
2土地利用變化情況
根據(jù)以上步驟得到的武漢市2002年土地利用分類圖、武漢市2012年土地利用分類圖以及武漢市土地利用總體規(guī)劃圖,在ArcGIS100中對各類別進行統(tǒng)計,得到往期(2002年數(shù)據(jù))、現(xiàn)狀(2012年數(shù)據(jù))和規(guī)劃(2020年總體規(guī)劃)中的武漢市土地利用情況變化(表1和圖2).表1武漢市土地利用統(tǒng)計
從2002到2012年的10年間,武漢市城鎮(zhèn)建設(shè)用地面積占城市總面積的比例由71%增長為141%,增長幅度接近1倍,是武漢市快速城市化的階段,城市以極高的速度向周圍擴張;與此同時,農(nóng)用地面積比例從690%下降為655%,而林地面積比例則從99%下降到620%,其面積減少了30%;水體面積比例則基本穩(wěn)定.從2012年至2020年,按目前規(guī)劃,武漢市的城市化繼續(xù)擴張,城鎮(zhèn)建設(shè)用地比例將從141%增加到215%,即再增加1/3,相應(yīng)地,農(nóng)用地將從655%下降至500%,林地則從62%增加到127%,水體變化不大.
3不同土地利用情景對天氣和主要污染物影響的模擬
研究時段的選擇:依據(jù)武漢市環(huán)境監(jiān)測站點的日均數(shù)據(jù),選擇典型的內(nèi)源性污染過程,并考慮研究時段應(yīng)盡可能接近土地利用現(xiàn)狀數(shù)據(jù)來源影像的拍攝時間(2012年冬季).2013年1月是一次典型的區(qū)域污染造成的灰霾過程,其中污染物濃度在1月3日開始急劇上升,10日左右達到階段峰值,12日左右污染物濃度有所下降.綜合考慮以上因素,結(jié)合模型的運行情況,將1月3—14日灰霾過程中污染物濃度的一次顯著升降過程選定為情景模擬的研究對象(圖3).
在完成下墊面數(shù)據(jù)的更新工作、確定模擬時段之后,將WRFNAQPMS模式在使用同樣氣象初始場、同排放源的設(shè)定下針對四期不同的土地利用數(shù)據(jù)(2002年、模式中默認數(shù)據(jù)、2012年、2020年規(guī)劃)進行了情景模擬.
31模式運行
在WRF模塊中,在研究時段內(nèi)采用逐日模擬的方式來避免偏差值的累加,使用真實的氣象場數(shù)據(jù)作為初始場,將每次逐日模擬結(jié)果中的單日數(shù)據(jù)合并作為WRF模塊模擬得到的中間氣象場.所得結(jié)果為4×312個時次的中間氣象場數(shù)據(jù)(研究期為12d,考慮到模式中時間為世界時,需改為北京時間,因此模擬期為13d).
在NAQPMS模塊中則使用WRF模塊輸出的氣象場源數(shù)據(jù)共同作為初始場,對模式在四期土地利用數(shù)據(jù)條件下分別進行一次完整的13d模擬,所得結(jié)果為4×312個時次的污染物濃度數(shù)據(jù).
32數(shù)據(jù)驗證
321氣象場的數(shù)據(jù)驗證
站點選擇了位于武漢市主城區(qū)的漢口監(jiān)測站和位于郊區(qū)的江夏區(qū)監(jiān)測站,一個位于主城區(qū)內(nèi)部,一個位于遠離主城區(qū)的邊緣地帶.
驗證結(jié)果如圖4所示:
1)模式較好地模擬了溫度和風(fēng)速的變化趨勢,與觀測值之間的相關(guān)度較好;
2)下墊面更新后模擬值和觀測值的相關(guān)度較更新前基本持平并略有提高;
3)研究期內(nèi)溫度緩慢上升,風(fēng)速有所波動但總體為逐漸下降,與溫度有相反的變化趨勢.
為定量化評估模式對氣象場的模擬效果,本文計算了兩個站點兩組要素模擬值和觀測值的平均值、相關(guān)系數(shù)(r)、平均偏差(Bias)和均方根誤差(RMSE),結(jié)果如表2所示.
兩個站點對風(fēng)速和地面2m氣溫的模擬均與觀測值之間有較好的相關(guān)度,相關(guān)系數(shù)總體在08以上,能夠反映這兩個氣象因子的變化趨勢;從平均偏差和均方根誤差可以看出幾組模擬值普遍高于觀測值,其中風(fēng)速模擬效果略好于氣溫.
322污染物濃度數(shù)據(jù)驗證
模式對PM25、PM10和CO的模擬顯示(圖5):在第一階段(第一周)污染物濃度持續(xù)上升期模擬效果相對準確,在第二階段(污染物濃度出現(xiàn)波動的階段)模擬效果低于第一階段.
在PM25等污染物濃度的監(jiān)測值出現(xiàn)波動時(1月8日),氣象監(jiān)測站點的風(fēng)速監(jiān)測值出現(xiàn)了上升,而污染物濃度并沒有因擴散條件的改善而降低,這意味著在此期間,風(fēng)場從武漢市東北方向輸送而來的外源性污染物在起作用.
為定量化評估NAQPMS模式對污染物濃度的模擬效果,本文計算了兩個站點、新舊兩種下墊面、三種主要大氣污染物濃度模擬值和觀測值的平均值、相關(guān)系數(shù)(r)、平均偏差(Bias)和均方根誤差(RMSE).
統(tǒng)計結(jié)果(表3)顯示:
1)模式對PM25和PM10的模擬值與觀測值之間的相關(guān)度較好,相關(guān)系數(shù)在06左右,模擬值的平均偏差和均方根誤差總體略高于觀測值;CO模擬效果一般.
2)從下墊面更新前后模擬的統(tǒng)計結(jié)果來看,下墊面更新后的PM25、PM10濃度值與觀測值之間的相關(guān)系數(shù)比更新前的模擬結(jié)果略有提高,平均偏差和均方根誤差總體持平;CO在下墊面更新后的模擬值與觀測值的相關(guān)系數(shù)較更新前有所降低,平均偏差和均方根誤差則有所增加.
由此可見:WRFNAQPMS模式可以對PM25和PM10模擬產(chǎn)生較為可信的結(jié)果,高精度下墊面的更新改善了模擬結(jié)果,可作為下墊面相關(guān)模擬實驗的可信數(shù)據(jù);CO模擬效果一般,不宜作為模擬實驗的可參考數(shù)據(jù).
33結(jié)果分析
331模擬期內(nèi)平均風(fēng)場分布
由圖6可見,研究期內(nèi)武漢市地區(qū)的主導(dǎo)風(fēng)向為東北風(fēng),武漢市境內(nèi)的風(fēng)場沿主導(dǎo)風(fēng)向的中線大致分為兩部分,其中西側(cè)風(fēng)速值高于東側(cè),這是由外部氣象條件和周邊的地形條件共同作用產(chǎn)生的.武漢市主城區(qū)在分割線兩側(cè)均表現(xiàn)為低風(fēng)速,其中城
市中心位置風(fēng)速低于城區(qū)邊緣,可見城市對風(fēng)場具有不可忽視的削弱作用.另外長江河道風(fēng)速明顯高于附近城區(qū),大型湖泊地區(qū)的風(fēng)速也高于周邊地區(qū),表明大型水體作為某種意義上的通風(fēng)廊道,可以加以利用改善污染物的擴散條件.
針對此現(xiàn)象,利用Grads軟件對武漢市城區(qū)進行了剖面分析.選擇的剖面為穿過武漢市主城區(qū)面積較大的東西向和南北向兩個剖面(圖7):306°N,114~1146°E(左)和303~309°N,1143°E(右).
區(qū)存在風(fēng)速高于附近地區(qū)的現(xiàn)象,其中長江河道最為明顯,這是由于長江此河段走向與研究期內(nèi)主導(dǎo)風(fēng)向基本一致,長江起到了顯著的通風(fēng)廊道的作用.
由圖7b可見研究期內(nèi)武漢市風(fēng)場總體上由北至南逐漸減弱,北部農(nóng)田區(qū)的相對高風(fēng)速在經(jīng)過主城區(qū)的削弱之后降至了較低的水平,中部3055°N左右(長江河道)和南部的304°N左右(黃家湖地區(qū))分別存在相對的高風(fēng)速區(qū),長江尤其顯著(原因同上).
綜合對風(fēng)場的分析可知,城市用地對近地面風(fēng)場有削弱作用,而大型水體的存在可作為某種意義上的風(fēng)道,帶來高于周邊其他土地類型的風(fēng)速,如果通道與主導(dǎo)風(fēng)向近似或一致,則該現(xiàn)象更為顯著.如能在城市規(guī)劃建設(shè)中利用這一現(xiàn)象,可在一定程度上提高區(qū)域風(fēng)速,為污染物的擴散遷移創(chuàng)造有利條件.
332模擬期內(nèi)平均污染物濃度分布
如圖8所示,PM25和PM10的分布特征類似,顯示了風(fēng)場對污染物移動和擴散的作用.武漢市城區(qū)和城區(qū)以南的污染物濃度要大于北部,其中以漢陽地區(qū)為中心沿主導(dǎo)風(fēng)向往西南方向延伸的部分是武漢市污染物濃度最高的區(qū)域.由于模式的排放源數(shù)據(jù)來自2007年,其本身存在一定程度上的準確性和時效性的問題,未能反映青山工業(yè)區(qū)排放源的排放情況及其影響.
333風(fēng)場和污染物濃度的日變化
為從總體上研究研究期內(nèi)污染物在武漢市的分布和變化趨勢,本文利用三期下墊面數(shù)據(jù)的模擬結(jié)果制作了三期模擬結(jié)果下的近地面風(fēng)場(圖9a)和主要污染物(以PM25為例,圖9b)日均值曲線,以及主要污染物在研究期內(nèi)的日均濃度分布(圖10).
1)近地面風(fēng)場
首先,利用三期下墊面條件下的模擬結(jié)果分別計算武漢市全境的近地面風(fēng)速日均值.通過圖9a可見研究期內(nèi)武漢市近地面風(fēng)速的總體變化趨勢一致,并在后期差異逐漸明顯,風(fēng)速模擬值2002年>2012年>2020年(規(guī)劃).
三組數(shù)據(jù)下研究期內(nèi)的風(fēng)速平均值顯示,近地面風(fēng)速在2002年下墊面的模擬值為4269m/s,2012年為4255m/s,2020年規(guī)劃數(shù)據(jù)為4223m/s,表明隨著武漢市的城市擴張,武漢地區(qū)的總體風(fēng)速受到了削弱,武漢市的城市擴張是影響總體風(fēng)場的主要因素.2)PM25質(zhì)量濃度
可以宏觀地看出,武漢市的全境平均PM25濃度日均值受下墊面變化影響極其微弱,總體均值相差僅有約01μg/m3,這是由于研究期內(nèi)的相對靜風(fēng)期,模式中下墊面的變化對氣象場尤其是風(fēng)場的影響幅度維持在一個很低的水平,內(nèi)源性污染物因擴散條件不佳而停留在武漢市域的大氣中,導(dǎo)致了不同下墊面的模擬中以PM25為代表的污染物濃度總體差異極其微弱.
而通過圖9的對比可以看到武漢市的日均PM25濃度值和近地面風(fēng)速具有相反的變化趨勢,PM25的濃度變化受到風(fēng)速的影響,并有一定的滯后效應(yīng),同時低風(fēng)速條件下污染物會持續(xù)積累,近地面風(fēng)速的小幅度升降并不能改變這一趨勢.
334日均PM25質(zhì)量濃度空間分布的變化
日均PM25濃度空間分布的變化如圖10所示.
1)5—7日:風(fēng)速的持續(xù)下降期,PM25質(zhì)量濃度均以漢陽地區(qū)的主要排放源為主,污染物向西南擴散,濃度值不斷上升,特征較為一致,說明近地面風(fēng)場對污染物的分布和擴散方向有較大影響,并且風(fēng)速的下降使污染物逐漸聚集.
2)8—9日:近地面風(fēng)速出現(xiàn)回升,PM25濃度值呈現(xiàn)出先升后降的特征,表明污染物濃度的變化相對于風(fēng)速有滯后的現(xiàn)象,在風(fēng)速達到極大值的9日,大部分高濃度PM25已經(jīng)隨風(fēng)場到達武漢境外.
3)10日:近地面風(fēng)速下降,并受到西部的外源性污染物的影響.
4)10日以后風(fēng)速穩(wěn)定在較低的水平,形成了不利的擴散條件,PM25濃度以排放源為中心向周圍遞減,并且由于持續(xù)的低風(fēng)速,污染物向下風(fēng)向擴散的現(xiàn)象并不明顯.
綜上所述,城市污染物濃度主要受污染源(內(nèi)部和外部)以及大尺度天氣情況(主要為近地面風(fēng)場)控制,土地利用情況作用于近地面風(fēng)場,如城區(qū)對風(fēng)力的削弱、大型水體的通風(fēng)廊道效應(yīng),間接地影響著城市污染物的濃度和分布;局部地區(qū)的污染物濃度變化特征,取決于該地與排放源的相對位置(包括距離,處于冬季盛行風(fēng)條件下污染源的上風(fēng)向或下風(fēng)向等)以及與城區(qū)和大型水體的相對位置.
4結(jié)束語
本文采用WRFNAQPMS空氣質(zhì)量模式,通過遙感解譯武漢市不同時期土地利用數(shù)據(jù),主要以近地面風(fēng)速、PM25和PM10為例,結(jié)合觀測數(shù)據(jù)和模擬結(jié)果,對土地利用變化和灰霾天氣的關(guān)系進行了時空分析.結(jié)果表明,WRFNAQPMS空氣質(zhì)量模式可以較好地模擬灰霾過程中主要污染物的變化趨勢,灰霾天氣是受到污染源、大尺度天氣情況和土地利用情況的共同影響下形成的,其中水體面積的減少和城區(qū)的擴張一定程度上加劇了灰霾天氣的形成和發(fā)展.
致謝Landsat7的ETM+數(shù)據(jù)和部分MODIS數(shù)據(jù)來源于中國科學(xué)院計算機網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云(http:∥www.gscloud.cn),HJ1A數(shù)據(jù)來源于中國資源衛(wèi)星應(yīng)用中心(http:∥www.cresda.com),氣象觀測數(shù)據(jù)來源于武漢市環(huán)境監(jiān)測站,模擬數(shù)據(jù)來源于中國科學(xué)院大氣物理研究所在數(shù)值模式方面的協(xié)助實驗,特此感謝!
參考文獻
References
[1]中國氣象局.QX/T113—2010霾的觀測和預(yù)報等級[S].北京:氣象出版社,2010
ChinaMeteorologicalAdministration.QX/T113-2010Thelevelofhazeobservationandforecast[S].Beijing:ChinaMeteorologicalPress,2010
[2]吳兌.關(guān)于霾與霧的區(qū)別和灰霾天氣預(yù)警的討論[J].氣象,2005,31(4):37
WUDui.Discussiononthedifferencebetweenhazeandfogandtheearlywarningofhazeweather[J].MeteorologicalMonthly,2005,31(4):37
[3]闞海東,陳秉衡,汪宏.上海市城區(qū)大氣顆粒物污染對居民健康危害的經(jīng)濟學(xué)評價[J].中國衛(wèi)生經(jīng)濟,2004,23(2):811
GANHaidong,CHENBingheng,WANGHong.EconomicevaluationonthehealthhazardscausedbyatmosphericparticulatepollutioninurbanareasofShanghai[J].ChineseHealthEconomics,2004,23(2):811
[4]AnnesiMaesanoI,MoreauD,CaillaudD,etal.Residentialproximityfineparticlesrelatedtoallergicsensitisationandasthmainprimaryschoolchildren[J].RespiratoryMedicine,2007,101(8):17211729
[5]彭寶成,葉舜華.汽車尾氣顆粒物對動物肺泡巨噬細胞的免疫毒性及比較[J].環(huán)境污染與防治,1996,18(3):68
PENGBaocheng,YEShunhua.Theimmunetoxicityofautomobileexhaustparticlestoanimalalveolarmacrophageanditscomparison[J].EnvironmentalPollution,1996,18(3):68
[6]ChurgA,BrauerM,delCarmenAvilaCasadoM,etal.Chronicexposuretohighlevelsofparticulateairpollutionandsmallairwayremodeling[J].EnvironmentalHealthPerspectives,2003,111(5):714718
[7]ShiT,KnaapenAM,BegerowJ,etal.Temporalvariationofhydroxylradicalgenerationand8hydroxy2′deoxyguanosineformationbycoarseandfineparticulatematter[J].OccupationalandEnvironmentalMedicine,2003,60(5):315321
[8]GaoY,ChenF,BarlageM,etal.EnhancementoflandsurfaceinformationanditsimpactonatmosphericmodelingintheHeiheRiverBasin,northwestChina[J].JournalofGeophysicalResearchAtmospheres,2008,113(D20):27392740
[9]BarbonA,GomesJ.SimulationofatmosphericemissionsoverAraucariamunicipalityusingtheAERMODmodel[J].EngenhariaSanitariaEAmbiental,2010,15(2):129140
[10]ProtonotariouA,BossioliE,AthanasopoulouE,etal.EvaluationofCALPUFFmodellingsystemperformance:anapplicationovertheGreaterAthensArea,Greece[J].InternationalJournalofEnvironmentandPollution,2005,24(1):2235
[11]顧瑩.上海城市化對臭氧污染影響的數(shù)值模擬[J].上海:華東師范大學(xué),2010
GUYing.NumericalsimulationoftheimpactofurbanizationonozoneinShanghai[D].Shanghai:EastChinaNormalUniversity,2010
[12]HogrefeC,HaoW,ZalewskyEE,etal.AnanalysisoflongtermregionalscaleozonesimulationsovertheNortheasternUnitedStates:variabilityandtrends[J].AtmosphericChemistryandPhysics,2011,11(2):567582
[13]KatragkouE,ZanisP,TegouliasI,etal.DecadalregionalairqualitysimulationsoverEuropeinpresentclimate:nearsurfaceozonesensitivitytoexternalmeteorologicalforcing[J].AtmosphericChemistryandPhysics,2010,10(23):1180511821
[14]王哲,王自發(fā),李杰,等.氣象化學(xué)雙向耦合模式(WRFNAQPMS)研制及其在京津冀秋季重霾模擬中的應(yīng)用[J].氣候與環(huán)境研究,2014,19(2):153163
WANGZhe,WANGZifa,LIJie,etal.DevelopmentofWRFNAQPMSanditsapplicationinautumnheavyhazesimulationinBeijing,TianjinandHebei[J].ClimaticandEnvironmentalResearch,2014,19(2):153163
[15]HuangQ,ChengSY,LiYP,etal.AnintegratedMM5CAMxmodelingapproachforassessingPM10contributionfromdifferentsourcesinBeijing,China[J].JournalofEnvironmentalInformatics,2010,15(2):4761
[16]HuangQ,ChengS,PerozziRE,etal.UseofaMM5CAMxPSATmodelingsystemtostudySO2sourceapportionmentintheBeijingMetropolitanRegion[J].EnvironmentalModeling&Assessment,2012,17(5):527538
[17]LuoG,YuF.SimulationofparticleformationandnumberconcentrationovertheEasternUnitedStateswiththeWRFChem+APMmodel[J].AtmosphericChemistryandPhysics,2011,11(22):1152111533
[18]武漢市統(tǒng)計局.武漢統(tǒng)計年鑒:2012[M].北京:中國統(tǒng)計出版社,2012
WuhanMunicipalBureauofStatistics.Wuhanstatisticalyearbook:2012[M].Beijing:ChinaStatisticsPress,2012
南京信息工程大學(xué)學(xué)報2018年5期