何莉莉，劉金昌，陳 柏

（遼寧省農業(yè)發(fā)展服務中心 農村能源環(huán)保事業(yè)部，沈陽 110000）

刺果瓜（

Sicyosangulatus

）又名刺瓜藤、刺果藤，屬于野葫蘆科一年生大型藤本植物，原產于北美，由于極強的適生性，目前刺果瓜在亞洲、歐洲等多個地區(qū)廣泛分布，被認為是一種有害的外來入侵物種，于2017年8月28日被列入《中國自然生態(tài)系統(tǒng)外來入侵物種名單》，該物種通過種子繁殖，具有巨大的種子生產潛力，這有利于其在各種環(huán)境條件下成功入侵。刺果瓜能夠寄生在玉米上，1棵幼苗即可危害333m的玉米生長，一旦發(fā)生很難根除。刺果瓜于2003年在大連市首次被發(fā)現(xiàn)，由于具有攀援、絞殺、高繁殖和高適應等生物特性，在大連地區(qū)呈擴散趨勢。通過走訪調查，近幾年先后在沈陽、鐵嶺、本溪地區(qū)發(fā)現(xiàn)刺果瓜危害玉米田，說明刺果瓜在遼寧省已經開始向更廣泛的區(qū)域擴張。在農業(yè)系統(tǒng)中，入侵植物可能造成高達40%的經濟損失，為了盡量減少此類損失，必須投入大量時間和精力根除入侵種群并防止其進一步擴散，早期發(fā)現(xiàn)入侵并迅速控制蔓延的管理方式最為有效，因此，預測外來入侵植物的潛在適生區(qū)，構建合理的預警機制尤為重要。萬中基等應用物種分布模型預測了氣候變化壓力下建立東北紅豆杉優(yōu)先保護區(qū)的模擬規(guī)劃，結果表明東北紅豆杉分布區(qū)主要集中在我國東北東部,氣候變化并不會使?jié)撛诜植紖^(qū)面積減小,但在未來會使其位置在不同情境下發(fā)生不同方向的移動。張華等利用MaxEnt模型和ArcGIS軟件，基于桫欏在中國地區(qū)的分布點和環(huán)境因子，對桫欏在中國的潛在適生區(qū)進行了預測，結果表明在未來氣候變化情景下，桫欏的總適宜生境面積增加，高適宜生境重心向高緯度西北方向轉移。韓欣嬈等利用生態(tài)位集合模型，結合中分辨率成像光譜儀（MODIS）的玉米種植密度,預測了世界和我國草地貪夜蛾潛在地理分布，結果表明草地貪夜蛾的潛在分布區(qū)已完全覆蓋了世界范圍內玉米種植區(qū)，需重點防控，我國黃淮平原和華北平原春播、夏播玉米區(qū)屬于草地貪夜蛾入侵的高風險區(qū)，其次為西南和東北三省密集種植區(qū)。目前，刺果瓜在遼寧省有逐漸擴散趨勢，并已開始危害農田，而我國針對刺果瓜的研究較少，有限的研究基本局限于防治方法上，基于遙感影像、最大熵模型和GIS對其在遼寧省進行適生區(qū)預測，并分析農業(yè)經濟損失未見報道。本研究采用GIS和最大熵模型預測現(xiàn)代和未來氣候變化背景下刺果瓜在遼寧省的潛在適生區(qū)，揭示影響刺果瓜分布的主導氣候因子，計算入侵面積，分析高適生區(qū)的幾何重心轉移，利用GIS的空間分析功能將遙感影像中提取的遼寧省玉米種植區(qū)與刺果瓜適生區(qū)進行疊加，并估算可能造成的經濟損失。

1 材料與方法

1.1 數(shù)據(jù)的來源及處理

1.1.1 數(shù)據(jù)來源 通過檢索植物分布數(shù)據(jù)庫和教學標本資源平臺（http：//mnh.scu.edu.cn/main.aspx）、中國數(shù)字標本館（https://www.cvh.ac.cn/index.php）、全球生物多樣性信息平臺（http：//www.gbif.org）、目前發(fā)表過的論文以及遼寧省農業(yè)部門的實地調查數(shù)據(jù)，共得到1986個分布點，其中農業(yè)部門的實地調查數(shù)據(jù)用于驗證模型的轉移能力不參加運算。環(huán)境變量共50個，其中氣候變量19個、太陽輻射變量12個、土壤變量18個和地形變量1個。氣候、太陽輻射和地形變量下載于世界氣候數(shù)據(jù)庫（Worldclim，http://www.worldclim.org)，現(xiàn)代氣候數(shù)據(jù)（1970～2000年）、未來氣候數(shù)據(jù)2050年選用兩種模式：一是與全球經濟框架相適應的RCP4.5模式，二是假設應對氣候變化的政策缺失，而能源需求卻不斷增加的RCP8.5模式；土壤數(shù)據(jù)來源于聯(lián)合國糧農組織（FAO）和維也納國際應用系統(tǒng)研究所（IIASA）構建的世界土壤數(shù)據(jù)庫（Harmonized World Soil Database version 1.2）(HWS，http://www.fao.org);遙感影像來自于美國地質勘探局（USGS）官方網站（https://earthexplorer.usgs.gov）Landsat 8的2020年衛(wèi)星數(shù)據(jù)。以上數(shù)據(jù)的空間分辨率均為30"。

1.1.2 數(shù)據(jù)處理 為避免集群效應導致模型的結果過度擬合，在每個1km×1km的網格中只保留1個分布點，同時剔除重復和落在海洋上的分布記錄，最終獲得1847個分布數(shù)據(jù)，保存為CSV格式。采用ENVI4.8和GIS對土壤數(shù)據(jù)進行重采樣，得到與氣候數(shù)據(jù)相同的柵格大小，再將其與太陽輻射、海拔、現(xiàn)代和未來環(huán)境數(shù)據(jù)在GIS中統(tǒng)一相元和邊界，并轉換成MaxEnt模型支持的ASC格式。在ENVI5.3.1中對下載的數(shù)據(jù)集文件進行輻射定標、大氣校正、ETM+數(shù)據(jù)去條帶處理、柵格拼接和剪裁，同時對比校正前后同一像素點植被的波譜曲線趨勢與真實植被波譜的曲線差異，最后得到遼寧地區(qū)的NDVI柵格數(shù)據(jù)。

1.2 研究方法

1.2.1 環(huán)境因子篩選 環(huán)境變量的選擇直接影響模型的預測結果，這一過程是使用生態(tài)位模型的關鍵環(huán)節(jié)，這一環(huán)節(jié)應采用與預測結果高度相關的數(shù)據(jù)，而非所有可獲得的數(shù)據(jù)。因此，本研究進行兩次環(huán)境因子的篩選。第一次分別將氣候和地形變量（20個）、土壤變量(18個)、太陽輻射變量（12個）導入模型，首先舍去貢獻率為0的環(huán)境因子，然后對比兩項環(huán)境變量的相關系數(shù)，當相關系數(shù)≥0.8時，剔除貢獻率小的；第二次將篩選后剩下的環(huán)境變量再次導入模型，結合貢獻率、刀切圖以及刺果瓜的生物學特性，最終選定9個主導環(huán)境因子用于后續(xù)分析，包括：年平均氣溫（Bio1）、溫度年較差（Bio7）、年降雨量（Bio12）、土壤酸堿度（T_PH_HO）、土壤鹽基飽和度（T_BS）、海拔（Altitude）、3個月份太陽輻射變量（Solar radiation 1，2，8 month）。

1.2.2 適生區(qū)預測 隨機選取25%的分布點用于模型驗證，剩余75%的分布點用于構建模型，選擇重復迭代運算500次，隨機背景點設置為1000，運用刀切法（Jackknife）確定環(huán)境因子的貢獻率，通過ROC特征曲線（re?ceiver operating characteristic）與橫軸所圍成的面積(area under curve)對模型的精度進行評價，其他參數(shù)為模型默認值。將模型的結果文件導入地理信息系統(tǒng)并轉換為柵格文件，利用空間分析工具中的重分類、自然間斷點分級法將適生生境分為4個等級：非適生區(qū)（0～0.1）、低適生區(qū)（0.1～0.3）、中適生區(qū)（0.3～0.5)和高適生區(qū)（0.5~1）。

1.2.3 玉米種植影像提取 根據(jù)不同地物NDVI值范圍不同，將研究區(qū)地表分為植被覆蓋地表、無植被覆蓋地表和水體3類。在植被覆蓋區(qū)域內，根據(jù)林地和荒草地時序NDVI曲線特征，提取林地和荒草地，其余區(qū)域即為農田。根據(jù)玉米的時間序列NDVI曲線特征差異構建分類決策樹模型，在農田區(qū)域內提取玉米的空間種植分布信息，最后在GIS里出做出2020年遼寧省的玉米空間分布圖（圖1）。

圖1 2020年遼寧省玉米種植空間分布圖Figure 1 Spatial distribution of corn planting in Liaoning Province in 2020

1.2.4 農業(yè)經濟損失評估 將玉米的種植區(qū)和刺果瓜的潛在分布區(qū)進行疊加，計算重疊區(qū)域的玉米種植面積，評估農業(yè)經濟損失十分必要。為避免過度的估算經濟損失，在GIS中只保留高適生區(qū)的柵格數(shù)據(jù)與玉米的空間分布數(shù)據(jù)進行疊加，在計算每個單元格的面積，最后得出可能發(fā)生刺果瓜危害的玉米種植面積，將這一面積作為評估經濟損失的基礎。具體評估公式為：

式中：

L

為刺果瓜造成的經濟損失（元）；

T

為玉米的市價格（2.8元·kg)；

Q

為玉米的產量(6750kg·hm，按照遼寧省2019年年鑒數(shù)據(jù)計算得出)；

S

為高適生區(qū)玉米種植面積（hm）；

P

為刺果瓜發(fā)生概率（本研究的高適生區(qū)存在閥值設定為50%～100%）；

K

為刺果瓜對玉米造成的減產比例（在完全不防治的情況下可造成玉米減產50%～98%）。

2 結果與分析

2.1 預測準確度評價

ROC曲線下面積

AUC

(the area under the ROCcurve)為ROC曲線的重要特征，其值越接近于1，表明模擬的準確性越好。通常認為

AUC

值為0.5～0.6時，預測結果失??；

AUC

值為0.6～0.7時，預測結果基本可以接受；

AUC

值為0.7～0.8時，預測結果一般；

AUC

值為0.8～0.9時，預測結果較好；

AUC

值為0.9～1時預測結果非常好。

AUC

計算公式為：

式中：

M

為正類樣本數(shù)；

N

為負類樣本數(shù)。本研究預測結果的訓練樣本和測試樣本

AUC

為別為0.924和0.918，說明預測結果非常好（圖2）。

圖2 刺果瓜適生區(qū)ROC曲線Figure 2 ROC curve of the suitable area of the Sicyos angulatus

2.2 現(xiàn)代氣候下刺果瓜在遼寧省的潛在地理分布

MaxEnt模型模擬出刺果瓜在遼寧省的潛在入侵分布區(qū)（圖3）。刺果瓜在遼寧省的高適生區(qū)面積為6.07×10km,占遼寧省總土地面積的39%，主要位于大連、營口、鞍山、丹東、遼陽全市范圍內，沈陽的東南部、鐵嶺的南部、撫順的西部、葫蘆島的南部和本溪西部的小部分地區(qū)。中適生區(qū)面積為3.97×10km，占遼寧省總土地面積的28%，主要位于錦州全市境內、葫蘆島和鐵嶺的北部、沈陽的西北部。低適生區(qū)面積為4.26×10km，占遼寧省總土地面積的26%,主要位于朝陽、阜新、本溪以及撫順東部的大部分地區(qū)。

圖3 現(xiàn)代氣候條件下刺果瓜的潛在地理分布Figure 3 Potential geographical distribution of Sicyos angulatus under modern climatic conditions

2.3 影響刺果瓜分布格局的重要環(huán)境因子

模型的預測顯示，參與模型運算的9個環(huán)境因子對預測結果的貢獻率分別為：年降雨量（52.2%）、年平均氣溫（25.3%）、1月份太陽輻射（15.3%）、海拔（4.5%）、8月份太陽輻射（1.5%）、土壤酸堿度（0.5%）、土壤基本飽和度（0.3%）、2月份太陽輻射（0.2%）、溫度年較差（0.2%）。由此可以看出高程和土壤因子對模型的貢獻率明顯小于氣候因子。由圖4可知，以存在概率≥0.3作為適宜范圍，刺果瓜分布區(qū)的生態(tài)特征為：年平均氣溫5.7～18.7℃、年平均降雨量>550.8mm、溫度年較差5.6～78.4℃、1月份光輻射1684.3～5068.7kJ·m·d、2月份光輻射>1684.2kJ·m·d、8月份光輻射5372.1～23772.3kJ·m·d、土壤鹽基飽和度>23%、海拔>-96m、土壤酸堿度3.6～9.4。

圖4 環(huán)境因子響應曲線Figure 4 Response curve of environmental factors

2.4 未來氣候變化背景下刺果瓜在遼寧省的入侵趨勢及重心移動軌跡

模型結果得出，2050年和2070年，RCP4.5和RCP8.5兩種碳排放情景下，刺果瓜的適生范圍與基準氣候相比呈顯著增加趨勢，兩種情景下高適生區(qū)面積均擴張100%以上，中、低適生區(qū)顯著縮小，非適生區(qū)面積基本為0（表1）。

表1 未來氣候變化情景下刺果瓜各適生區(qū)面積
Table 1 Area of each suitable growing area of.under the scenario of future climate change(×10km)

?

刺果瓜的高適生區(qū)重心變化，揭示了未來氣候變化背景下，刺果瓜在遼寧省高適生區(qū)的擴散趨勢。對刺果瓜的質心變化分析表明（圖5），在RCP4.5排放情景下刺果瓜的高適生區(qū)由2050年的（122.61E,41.30N）到2070年的（122.57E,41.33N），在RCP8.5排放情景下由2050年的（122.60E,41.31N）到2070年的（122.57 E,41.35 N），總體來看，最適宜區(qū)域的重心在未來的排放情景下呈現(xiàn)出向高緯度和西北方向轉移的變化趨勢，其中2070年的RCP8.5排放情景下高適生區(qū)的重心轉移趨勢最為明顯，代表濃度較低的排放軌跡下最適宜區(qū)域的強度相對較弱。

圖5 未來氣候變化背景下刺果瓜高適生區(qū)質心移動軌跡Figure 5 Changes in gravity center of highly suitable distribution areas and its moving tendency of Sicyos angulatus under the scenario of future climate change

2.5 基于適生區(qū)分析和遙感影像的刺果瓜對農業(yè)經濟損失的預測

刺果瓜高適生區(qū)的玉米空間分布如圖6，利用模型結果以及高適生區(qū)刺果瓜的存在概率，推算出刺果瓜成功入侵后，在完全不防治的場景下可能發(fā)生的面積約為0.42×10～0.84×10km。

圖6 刺果瓜高適生區(qū)的玉米空間分布圖Figure 6 Spatial distribution map of maize in high suitable area of Sicyos angulatus

根據(jù)刺果瓜在全國其他省市造成的玉米田減產情況和多年的實地調查，以最小危害面積0.42×10km×10%、減產率50%計算，得出在被入侵玉米田危害面積10%的基礎上，刺果瓜在高適生區(qū)對玉米作物的直接經濟損失約為4.3億元。

農業(yè)部門對刺果瓜的監(jiān)測應重點關注遼寧的南部和東部的玉米種植區(qū)域，特別是沈陽、大連、鞍山、丹東、營口、鐵嶺、撫順，如在農田中發(fā)現(xiàn)刺果瓜要及時徹底根除。

3 討論與結論

3.1 刺果瓜在遼寧地區(qū)有廣泛的適生區(qū)域

刺果瓜在遼寧省的適生范圍廣泛，在現(xiàn)代氣候條件下，高適生面積為40%，在未來氣候變化背景下，高適生面積將擴張到78.5%。據(jù)遼寧省監(jiān)測數(shù)據(jù)顯示，2020年在大連、鐵嶺和本溪均發(fā)現(xiàn)刺果瓜危害農田，模型結果表明，這幾個地區(qū)分別為刺果瓜的高適生區(qū)和中適生區(qū)，大連全區(qū)域為刺果瓜的高適生區(qū)，鐵嶺50%為中適生區(qū)，本溪的西部和東部部分地區(qū)為高適生區(qū)（圖3），說明預測結果與監(jiān)測情況高度相符。根據(jù)其目前發(fā)生情況，在遼寧省的入侵區(qū)域遠沒有達到最大范圍，仍有可能繼續(xù)擴張，對農業(yè)生產和生物多樣性構成威脅，應引起政府相關部門的重視。

3.2 刺果瓜分布區(qū)域的生態(tài)特征

各種環(huán)境因素，如溫度、濕度、光強、pH、土壤的水分利用率等都會影響雜草種子的萌發(fā)和出生，因此，為了盡可能的根據(jù)刺果瓜生長實際，揭示不同類型的環(huán)境變量對刺果瓜分布的影響，從而探尋刺果瓜的生物特性，本研究將所有參與模型運算的環(huán)境因子進行相關性分析。刺果瓜的生長主要與溫度和降水有關，模型結果顯示，年降雨量和年平均氣溫對模型的貢獻率最高，兩者相加達到77.5%。刺果瓜的適生概率隨著年平均氣溫的升高而增大，當年平均氣溫達到12.9℃的時候達到峰值并開始下降，當年平均氣溫大于18.7℃時，刺果瓜的生存概率下降到0.3以下，說明刺果瓜喜溫和涼爽的氣候，這與車晉滇等認為的刺果瓜植株抗寒性較強這一理論結果相吻合。本研究結果顯示，刺果瓜的存在概率隨著年降雨量的增加迅速提高最后趨于平衡，說明刺果瓜是喜濕的植物。HUSEYIN等分析了環(huán)境因子對刺果瓜種子萌發(fā)的影響，結果表明，該物種向干旱、半干旱（非灌溉）和相對鹽堿地區(qū)擴展有限，但潮濕、無鹽且經常灌溉的地區(qū)很容易受到入侵；張健榕等的研究中提到，刺果瓜喜陰暗潮濕的環(huán)境；車晉滇等認為在背陰潮濕的環(huán)境中生長的刺果瓜要比在光照充足的地方茂密，以上這些結論均與本研究結果相似。溫度年較差對刺果瓜的生存產生正影響，從響應曲線可以看出，刺果瓜分布區(qū)域的氣溫年較差跨度較大，這說明刺果瓜可以在大部分的氣候區(qū)域生存，有極高的適生性。

太陽輻射以光譜、光照強度等影響植物光合作用的強弱，是影響植物發(fā)育的重要氣象要素。從本研究的結果可以看出，1和2月份的太陽輻射對刺果瓜的存在概率呈正相關，當1月份的太陽輻射日總量大于1684kJ時，刺果瓜的存在概率就會在0.3以上，當2月份太陽輻射發(fā)生變化時，刺果瓜存在概率均在0.8以上，說明這一時期光照產生的熱量對刺果瓜的生存不構成威脅。HUSEYIN等在光周期對種子萌發(fā)的影響研究中發(fā)現(xiàn)，所有用于試驗的種子被證明不是嚴格需要光照的，在黑海地區(qū)的每一天，種子的非成光性與接受的日照小時數(shù)相關性較小。這一研究結果也印證了在1和2月份刺果瓜種子還未萌發(fā)時期，太陽輻射量的大小不是決定刺果瓜種子發(fā)芽的關鍵要素。模型的預測結果顯示，在相同的太陽日輻射量下，8月份的存在概率響應曲線與1和2月份的不同，呈現(xiàn)先上升后下降的趨勢，這說明刺果瓜在這個月份不需要太多的光輻射，如果太陽輻射每天對每平方米的地面提供的熱量超過23770kJ，可能對刺果瓜的生長不利。

土壤鹽基飽和度對刺果瓜的存在概率呈正相關，土壤pH值在3.4～9.5之間，刺果瓜的生存概率均大于0.3，說明刺果瓜在酸性和堿性的土壤中都可生存，但是在酸性土壤中生存概率要大于堿性土壤，黑土中性偏酸，因此應對遼寧省遼河平原區(qū)和東部低山丘陵區(qū)等黑土地的分布區(qū)域進行重點監(jiān)測。海拔對刺果瓜的生存產生負影響，但是從模型預測的適生值可以看出，刺果瓜在世界的低海拔和高海拔地區(qū)均有分布，隨著海拔的升高，其生存受限，但如果水分和溫度等生態(tài)環(huán)境適宜，刺果瓜仍有可能生長。

3.3 氣候變化對刺果瓜潛在地理分布的影響

本研究利用2050和2070年兩種不同排放情景的環(huán)境因子，結合現(xiàn)代氣候條件，預測了氣候變化背景下刺果瓜在遼寧地區(qū)的發(fā)生趨勢。結果表明，氣候變化將導致刺果瓜在遼寧省的高適生區(qū)與現(xiàn)代氣候條件下的高適生區(qū)相比呈顯著增加趨勢，中、低適生區(qū)呈減少趨勢，非適生區(qū)幾乎趨于零；高適生區(qū)重心向西北方向高緯度地區(qū)轉移。唐瑤研究了氣候變化條件下刺萼龍葵等4種外來入侵植物在我國的潛在分布，結果表明，氣候變化可能促使已經在入侵地定植的種群爆發(fā)，未來刺萼龍葵會繼續(xù)向高緯度方向擴散。塞依丁·海米提等研究了氣候變化情景下外來入侵植物刺蒼耳在新疆的潛在分布格局模擬，結果表明，氣候變化會使外來入侵植物刺蒼耳在新疆的適生面積空間變化明顯，分布范圍對比當前呈現(xiàn)指數(shù)型增長，未來爆發(fā)成災的可能性很大。李麗鶴在氣候變化對入侵植物潛在分布影響的研究中發(fā)現(xiàn)，氣候變化背景下,外來入侵植物的高適生區(qū)重心將向高緯度和高海拔地區(qū)遷移。上述研究結果表明，大部分的外來入侵植物在氣候變化背景下潛在地理分布呈現(xiàn)擴張趨勢，且高適宜生境向高緯度地區(qū)轉移，本研究預測的外來入侵植物刺果瓜在未來時期適生區(qū)的變化也有相同趨勢。

3.4 基于遙感影像的農業(yè)經濟損失預測

刺果瓜可進入農田危害玉米，日本的相關研究表明，在完全不防治的情況下每10m玉米田內，刺果瓜入侵達到15~20株時可導致玉米減產80%，達到28~50株時玉米幾乎絕收。本研究利用遙感數(shù)據(jù)提取了遼寧省玉米空間分布圖，基于現(xiàn)代氣候背景下在GIS中與刺果瓜的潛在適生區(qū)進行疊加，將農業(yè)部門對刺果瓜的重點監(jiān)測區(qū)域進行了可視化表達，并計算了農業(yè)經濟損失。結果表明，按高適生區(qū)10%發(fā)生面積的水平上，刺果瓜可能造成至少4.3億元的農業(yè)經濟損失，農業(yè)部門應該重點監(jiān)測刺果瓜適生區(qū)的玉米田，及時預警預報，及早采取有效措施遏制其繼續(xù)蔓延。

本研究結果表明，現(xiàn)代氣候背景下，刺果瓜在遼寧省的高適生區(qū)約占總土地面積的39%，主要集中在遼南和遼東地區(qū)，氣候變化將導致高適生區(qū)域顯著擴張，除朝陽、阜新部分地區(qū)為中、低適生區(qū)外，其余地區(qū)全部為高適生區(qū)，高適生區(qū)的重心在未來的排放情景下呈現(xiàn)出向高緯度和西北方向轉移的趨勢。在氣候、土壤、地形、太陽輻射4種類型的環(huán)境變量中，氣候變量對模型的貢獻率最高累計達到77.6%，其次為太陽輻射17%，海拔4.5%，土壤最低為0.9%。降雨和溫度是影響刺果分布的重要環(huán)境因素，溫度不高且潮濕的地區(qū)有利于其生存，土壤的pH值和海拔越高刺果瓜的生存概率越低。

根據(jù)現(xiàn)有研究文獻和遼寧省的實地調查，刺果瓜的傳播有較大的跨越性且入侵的停滯期比較長，容易造成危害不重的假象，一旦在當?shù)匦纬煞N群將很難控制，入侵農業(yè)用地后會產生嚴重的減產和管理成本。刺果瓜在遼寧省的發(fā)生遠未達到飽和，且未來有很大的入侵潛力，目前是有效遏制其擴散蔓延的關鍵時期，應盡早在遼寧省范圍內開展普查工作，加大對刺果瓜的防控力度，特別是遼南和遼東地區(qū)的玉米種植區(qū)，并積極調動多部門聯(lián)動全社會參與，以期保護生態(tài)環(huán)境減少農業(yè)經濟損失，做到早發(fā)現(xiàn)、早防治、早根除。