2007—2017年渤海藻华事件的时空分布特征

袁德奎，杨训伟，王 雪，李顺芹

2007—2017年渤海藻华事件的时空分布特征

袁德奎1，杨训伟1，王 雪1，李顺芹2

(1. 天津大学机械工程学院，天津 300350；2. 天津商业大学理学院，天津 300134)

藻华对海洋生态环境有重要的影响．叶绿素a是浮游植物光合作用的主要色素，其变化可以反映藻华的总体特征．通过分析叶绿素a浓度的均值和累计方差分别得到2007—2017年渤海浮游植物的空间分布特征和藻华的开始时间，并统计了藻华事件的发生次数、持续时间和藻华期间叶绿素a浓度的增长率、增长幅度等特征变量；用经验正交函数方法分析了部分特征变量的空间及年际变化；讨论了风力混合强度对藻华事件的影响．结果表明：渤海叶绿素a浓度在空间上呈近岸高、中部海域低的分布特征；辽东湾区域藻华事件发生次数较多，其他近岸海域的发生次数较少；近岸海域藻华事件的开始时间比中部海域相对较晚；叶绿素a浓度的增长率基本呈现出从近岸到远海逐渐增大且春季增长率比夏秋季偏高的趋势；在叶绿素a浓度的增长幅度上，北部海域低于南部海域；以2011年为转折点，近年来春季藻华持续时间比夏秋季长；在年际变化上春季的开始时间和增长幅度变化特征基本一致，与叶绿素a浓度增长率的特征相反；夏秋季藻华的上述空间分布特征在2008年、2012年比其他年份更明显；风力混合强度与藻华的开始时间相关性较强，与叶绿素a浓度的增长率关系较弱，与增长幅度基本无关．对于渤海藻华事件的时空分布特征的分析，有助于增进对渤海生态系统特征及其影响因素的认识．

渤海；藻华；叶绿素a；时空分布特征；经验正交函数

藻华(phytoplankton bloom，PB)是指浮游植物的快速增长和累积[1]，该现象会导致水体溶解氧量下降，水质恶化，鱼类及其他生物大量死亡，有害藻类会产生毒素，通过食物链最终影响人类的健康[2]．藻华过程的持续和始末时间、叶绿素a的浓度(Chla)的增长率、增长幅度等特征变量影响着较高营养水平的种群动态，分析其时空分布特征是了解海洋生态系统的重要途径，有助于认识人类活动和环境变化对海洋生态系统的影响．叶绿素a作为浮游植物光合作用的主要色素，是海洋生态环境评价中的重要指标，可以反映藻华的整体特征．

近年来，随着卫星遥感技术的迅速发展，基于卫星遥感反演的Chla数据因其具有覆盖范围广、时间尺度长等优点在海洋浮游植物研究中的应用日益广泛[3]．国内外学者针对Chla在典型海域的分布特征及其影响因素开展了大量研究．许士国等[3]、周艳蕾等[4]研究了渤海海域Chla的时空分布特征，指出Chla的时空分布具有区域性强，影响因素复杂、变化快等特点．Ueyama等[5]研究了北大西洋季节性藻华期的生物特征以及在强风变化影响下Chla的时空分布特征，指出藻华期间风引起的混合是导致藻华年际变化的关键性因素；Liu等[6]结合潜在的环境影响因素，对渤海夏秋季藻华期的年际变化特征进行了分析，指出渤海夏秋季藻华事件的开始时间、Chla增长率及其增长幅度具有显著的海陆梯度，藻华之前的弱风速为藻华事件提供了有利的光照条件．以上研究表明，浮游植物的快速增长具有明显的时空分布特征，其动态特征可以作为预测潜在有害浮游植物大量繁殖的基线．

渤海是我国的一个半封闭内海，在环渤海区域社会、经济快速发展的背景下，其生态环境承受着巨大的压力，藻华现象显著，受到人们的广泛关注[7-8]．已有的关于渤海Chla在季节动态的研究表明，渤海Chla的季节变化呈双峰形式，峰值不仅出现在夏末初秋，在春季也会有明显的动态特征[3]．然而已有的研究工作主要集中在浮游植物的年际变化特征上，鲜有关于渤海浮游植物在藻华期间空间特征和季节性变化的研究．

为进一步认识渤海藻华过程的特征，为渤海生态环境的保护和治理提供技术支持，本文选取MODIS卫星遥感数据，对2007—2017年渤海藻华过程的时空分布特征及其影响因素进行了研究：首先分析了渤海藻华发生次数的空间分布状况；然后估算了春季以及夏秋季的第1次藻华开始时间、持续时间、Chla的增长率和增长幅度等特征变量；其次用经验正交分解函数(empirical or thogonal function，EOF)方法对藻华的年际变化特征进行了分析；最后探讨了风力混合对藻华的影响．

1 材料与方法

1.1 研究区域及数据来源

研究区域如图1所示．渤海三面环陆，是我国最大的半封闭型内海，主要分为渤海湾、辽东湾、莱州湾、渤海中央盆地和渤海海峡五部分，东面通过渤海海峡与黄海相通．渤海水体交换能力差，自净能力低，每年大量悬浮泥沙及污染物通过辽河、滦河、海河、黄河等40多条河流汇入渤海，受陆源输入和人类活动影响显著．渤海风场以东亚地区为主，其特点是冬季西北风强，平均风速6～7m/s，夏季东南风强，平均风速4～6m/s[6]．

本文所用Chla卫星遥感数据来源于MODIS网站的二级产品数据MODIS L1B，并利用改进的SWIR大气校正算法处理得到其最终的海表Chla数据[9]．反演的Chla与已有的观测数据基本符合[10].日风场数据来源于美国国家环境预报中心(National Centers for Environmental Prediction，NCEP)，时间分辨率为6h，空间分辨率为经度0.205°、纬度0.204°.遥感数据覆盖的空间范围为整个渤海区域，时间范围为2007—2017年．已有的研究表明藻华期主要集中在春季和夏秋季[11]；此外，冬季大风天气及海面结冰等原因导致Chla反演结果可信度较低[9]，故本文选用每年3月—11月的遥感反演数据开展研究．

图1 研究区域

1.2 研究方法

1.2.1 藻华期间特征变量的定义

藻华事件的发生次数、开始时间、Chla的增长率和增长幅度、持续时间等均为藻华期间的重要特征变量，可以反映藻华期间的变化特征．借鉴Liu等[6]的成果，本文将藻华事件的发生定义为

若标准化后的Chla数据持续2d以上超过1.5单位，则认为藻华事件发生．若Chla高于1.5单位的最近的两天之间的时间间隔超过15d，则表示有两个不同的藻华事件．对于遥感数据时间序列中的缺失值，本文采用分段线性插值方法插补，每个网格点的数据通过减去1a的平均值然后除以标准差进行标准化，即

采用阈值方法确定藻华的开始时间，藻华期间Chla最大的时间定义为峰值时间，藻华的结束时间与开始时间关于峰值时间对称，持续时间为开始时间与结束时间的间隔，Chla增长率()表示藻华峰值时期的Chla()减去开始时间的Chla()然后除以两者的间隔时间()，增长幅度()是指藻华期间标准化后的Chla的均值[6]，即

Siegel[12]利用中位数的方法定义藻华开始时间，Shi等[1]利用高斯曲线拟合方法定义开始时间．然而，上述方法并不能很好地适用于渤海，因为渤海藻华期间的Chla可能会出现多个峰值，中位数也不能很好地体现整体数据的变动情况．由于在藻华期间Chla变化越剧烈，Chla的方差就越大，采用累计方差可以有效捕捉浮游植物的动态变化[5]．因此，本文采用累计方差的方法．本文设定开始时间为累计方差值达到特定阈值的时间．为合理地确定阈值，本文分别选择5%、10%、15%、20%、25%和30%作为阈值，对藻华开始时间的空间模式进行了比较，发现其间并无显著差异．相关研究表明藻华的持续时间主要集中在20～30d[1,13]，本文进一步对比了2016年春季和夏秋季上述不同阈值下的平均藻华持续时间(如图2所示)，发现当阈值为10%时，藻华持续时间比较合理，因此本文选取累计方差的10%作为阈值确定其开始时间．

图2 2016年春季和夏秋季不同阈值的平均藻华持续时间对比

1.2.2 藻华期间的风力混合强度

1.2.3 经验正交函数(EOF)方法

本文用EOF方法对藻华期间特征变量进行时空分解，研究其年际变化特征．EOF是一种统计学方法，常用于将具有时空分布的变量场分解为正交的空间特征矩阵和时间系数矩阵[15-16]．变量场的时空特征可通过降维后的前几项不相关的特征向量来表达：若空间系数同号，则表示此模态中变量在该区域的变化趋势基本一致；若空间系数为正负相间的分布型，则代表了一种相反的空间分布特征；空间系数接近于0则表示分布特征不明显．同时，相应模态对应的时间系数向量代表了不同分布形式的时间变化特征，且时间系数的绝对值越大分布形式越典型，系数越接近0值分布形式越不明显[17-18]．进行EOF分解前对数据进行标准化预处理．

2 结果与讨论

2.1 年平均Chla空间分布特征

图3给出了渤海海域2007—2017年Chla平均值的空间分布．可以看出渤海海域2007—2017年来Chla具有明显的空间分布特征：近岸海域高、中部海域低，较大值主要集中在渤海湾、辽东湾以及莱州湾海域．主要原因可能为沿岸的排污口和河口为近岸海域供应了充足的营养盐，加上水深较浅，营养盐在垂向混合均匀，适宜浮游植物生长．

图3 2007—2017年平均Chla空间分布

2.2 藻华期间特征变量的空间特征分析

图4显示了渤海2007—2017年平均藻华事件发生次数的空间分布特征．在3月—11月期间，渤海绝大部分区域每年发生4、5次藻华事件，其中辽东湾区域发生次数较多，除辽东湾以外沿岸区域波动不明显，发生次数较少．

Chla的峰值主要发生在春季和夏秋季，因此本文研究了春季和夏秋季的第1次藻华事件的特征变量，其11年均值空间分布比较如图5～图7所示．从图5中可以看出，春季藻华的开始时间主要集中在4月，而夏秋季主要集中在7月和8月，渤海北部区域的开始时间相对较早，主要集中在7月；南部部分海域如渤海湾、莱州湾等沿岸区域相比其中部海域的藻华开始时间晚，集中在9月和10月；辽东湾沿岸海域相比中部区域开始时间也比较晚．

图4 2007—2017年平均藻华发生次数空间分布

藻华期间Chla的增长率基本呈现出从近岸到远海逐渐增大、春季Chla的增长率明显高于夏秋季的趋势(如图6所示)．该现象发生的原因可能是冬季河流、近岸海水解冻引入大量营养物质，伴随春季上升的温度和光照条件，浮游植物快速增长．藻华期间北部区域的增长幅度低于南部区域，夏秋季北部近岸区域的增长幅度高于深海区域．

藻华持续时间以2011年为转折点(如图8所示)：2011年以前，春季的藻华持续时间比夏秋季短；2011年以后，春季的藻华持续时间比夏秋季长．原因可能是2011年6月、7月渤海中部蓬莱19-3油田出现溢油事故，该事故累计造成5500km2海水污染．此时由于温跃层、捕食压力的影响，浮游植物并非处于最佳的生长状态，短期内浮游植物受石油烃毒害作用影响进一步减少；其后石油降解使营养盐水平提高，导致再次暴发，同时造成藻华持续时间较短[19].此外，许歆[20]的研究阐释了渤海秦皇岛近海藻华类群的演替特点．不同类群的藻华持续时间长短具有明显的区别，故渤海海域藻华类群的演替也可能造成此后几年该变化的产生．2007—2017年来春季的藻华持续时间基本呈增长状态，在2008年和2015年波动较大，夏秋季的藻华持续时间相对稳定，其中2010年波动相对较大．

图8 2007—2017年春季和夏秋季的藻华持续时间对比

2.3 藻华期间特征变量的年际变化分析

通过对藻华事件的开始时间、Chla的增长率和增长幅度的11年时间序列数据进行EOF分解，得到空间向量矩阵以及时间序列系数矩阵．空间分解的结果表明：第2阶及更高阶空间模态的规律不明显，故本文集中分析EOF的第1模态结果．EOF分解结果见图9和图10．

图9 2007—2017年春季与夏秋季藻华特征变量的EOF第1空间模态分布

Fig.9 Spatial eigenfunctions for the first EOF mode of PB characteristicsfor spring and summer-autumn，2007—2017

春季和夏秋季的藻华开始时间在空间上具有明显的梯度特征：春季莱州湾和渤海海峡近岸海域呈现负值，靠近深海大部分区域呈正值，在夏秋季近岸区域和深海部分区域分别呈现负值和正值，表明在开始时间上两者具有明显的不同．夏秋季靠近黄海的区域与渤海湾、莱州湾偏北区域空间系数均小于0，表现出相同的分布特征．

在藻华期间，春季渤海湾、辽东湾以及渤海中部区域与渤海其他区域的Chla增长率变化特征相反．夏秋季渤海沿岸区域多呈现正值，中部海域多呈现负值，结合第1模态的时间系数值均为负值，可知靠近中部区域的Chla增长率在增大．

渤海春季和夏秋季在藻华期间的增长幅度变化特征基本相同，渤海北部大部分区域空间系数均为正值，而在靠近渤海湾、莱州湾以及黄海区域呈负值，可以看出渤海海域南北方的差异性．

对比分析EOF空间模态结果与前文中特征变量的空间分布结果可知：近岸海域的藻华开始时间比中部海域相对较晚；Chla的增长率基本呈现出从近岸到远海逐渐增大的趋势；北部海域的增长幅度低于南部海域．

结合时间序列图可以看出，春季藻华的开始时间和幅度变化特征表现出一致性，与Chla增长率的变化特征恰好相反．对于夏秋季，藻华的上述空间分布特征在2008年、2012年比其他年份更明显．

2.4 风力混合对藻华的影响

2007—2017年春季和夏秋季藻华期间风力混合强度的均值空间分布如图11所示．渤海中部海域风力混合强度相比沿岸海域风力混合强度较大，在藻华期间春季整体风力混合强度比夏秋季大，结合空间规律可知，春季Chla的增长率比夏秋季大，渤海中部Chla的增长率比近岸大．从表1中也可以看出：风力混合强度与藻华的开始时间相关性较强，与Chla增长率关系较弱，与增长幅度基本无关．故风力混合强度对藻华存在一定的影响关系，较强的风力增强了水体的湍动混合能力，而垂向湍动混合的增强致使底层积累的营养盐被更多地卷入中上层水体中，为浮游植物生长补充了营养盐，由此加快了藻华的开始时间并提高了增长率．

表1 藻华期间风力混合强度与特征变量之间的相关系数

Tab.1 Correlation coefficients between wind mixing and characteristic variables during PB

3 结 论

对渤海海域2007—2017年春季以及夏秋季藻华的特征进行分析，得到如下主要结论．

(1) 在空间上，Chla呈现近岸海域高、中部海域低的分布特征．渤海辽东湾区域藻华发生次数较多，其他近岸海域的藻华发生次数较少．近岸海域的藻华开始时间比中部海域相对晚．Chla的增长率基本呈现出从近岸到远海逐渐增大、春季Chla的增长率比夏秋季偏高的趋势．北部海域的增长幅度低于南部海域．持续时间以2011年为转折点，近年来春季持续时间相比夏秋季长．

(2) 在年际变化上春季藻华的开始时间和增长幅度变化特征基本一致，与Chla的增长率特征相反，夏秋季藻华的上述空间分布特征在2008年、2012年比其他年份更明显．

(3) 春季风力混合强度比夏秋季大；风力混合强度与藻华的开始时间相关性较强，与Chla增长率关系较弱，与增长幅度基本无关．

［1］ Shi J，Liu Y，Mao X，et al. Interannual variation of spring phytoplankton bloom and response to turbulent energy generated by atmospheric forcing in the central Southern Yellow Sea of China：Satellite observations and numerical model study[J]. Continental Shelf Research，2017，143：257-270.

［2］ Smith V H. Eutrophication of freshwater and coastal marine ecosystems a global problem[J]. Environmental Science & Pollution Research International，2003，10(2)：126-139.

［3］ 许士国，富砚昭，康萍萍. 渤海表层叶绿素a时空分布及演变特征[J]. 海洋环境科学，2015，34(6)：898-903.

Xu Shiguo，Fu Yanzhao，Kang Pingping. Seasonal and interannual variations of chlorophyll a in Bohai Sea[J]. Marine Environmental Science，2015，34(6)：898-903(in Chinese).

［4］ 周艳蕾，张传松，石晓勇，等. 黄渤海海水中叶绿素a的分布特征及其环境影响因素[J]. 中国环境科学，2017，37(11)：261-267.

Zhou Yanlei，Zhang Chuansong，Shi Xiaoyong，et al. Distribution characteristics of chlorophyll a and its influencing environmental factors in Bohai Sea and Yellow Sea[J]. China Environmental Science，2017，37(11)：261-267(in Chinese).

［5］ Ueyama R，Monger B C. Wind-induced modulation of seasonal phytoplankton blooms in the North Atlantic derived from satellite observations[J]. Limnology and Oceanography，2005，50(6)：1820-1829.

［6］ Liu F，Su J，Moll A，et al. Assessment of the summer-autumn bloom in the Bohai Sea using satellite images to identify the roles of wind mixing and light conditions[J]. Journal of Marine Systems，2014，129：303-317.

［7］ 刘菲菲，陈学恩. 渤海浮游植物生物量季节变化的模拟研究[J]. 中国海洋大学学报，2014，44(2)：17-26.

Liu Feifei，Chen Xue’en. Simulation on seasonal variation of phytoplankton biomass in the Bohai Sea[J]. Feriodical of Ocean University of China，2014，44(2)：17-26(in Chinese).

［8］ 钱 莉，刘文岭，郑小慎. 基于MODIS数据反演的渤海叶绿素浓度时空变化[J]. 海洋通报，2011，30(6)：683-687.

Qian Li，Liu Wenling，Zheng Xiaoshen. Spatial-temporal variation of chlorophyll-a concentration in Bohai Sea based on MODIS[J]. Marine Science Bulletin，2011，30(6)：683-687(in Chinese).

［9］ 李爽兆. 基于MODIS数据和水动力学模型的渤海叶绿素分布特性研究[D]. 天津：天津大学机械工程学院，2016.

Li Shuangzhao. Study of Chlorophyll Distribution in Bohai Sea Based on MODIS Data and Hydrodynamic Model[D]. Tianjin：School of Mechanical Engineering，Tianjin University，2016(in Chinese).

［10］ 张 莹，王玉珏，王跃启，等. 2013年夏季渤海环境因子与叶绿素a的空间分布特征及相关性分析[J]. 海洋通报，2016，35(5)：571-578.

Zhang Ying，Wang Yujue，Wang Yueqi，et al. Spatial distribution and correlation of environmental factors and chlorophyll a concentrations in the Bohai Sea during the summer of 2013[J]. Marine Science Bulletin，2016，35(5)：571-578(in Chinese).

［11］ 石 峰，崔 雷，姜恒志，等. 季节变化对黄渤海表层叶绿素浓度分布影响的数值分析[J]. 应用基础与工程科学学报，2017，25(4)：49-60.

Shi Feng，Cui Lei，Jiang Hengzhi，et al. Numerical analysis of the effects of seasonal variation on distributions and influences of surface chlorophyll-a in the Yellow Sea and the Bohai Sea[J]. Journal of Applied Basic and Engineering Science，2017，25(4)：49-60(in Chinese).

［12］ Siegel D A. The North Atlantic spring phytoplankton bloom and Sverdrup’s critical depth hypothesis[J]. Sci-ence，2002，296(5568)：730-733.

［13］ Frajka-Williams E，Rhines P B. Physical controls and interannual variability of the Labrador Sea spring phytoplankton bloom in distinct regions[J]. Deep-Sea Research Part Ⅰ：Oceanographic Research Papers，2010，57(4)：541-552.

［14］ Kraus E B，Turner J S. A one-dimensional model of the seasonal thermocline Ⅱ. The general theory and its consequences[J]. Tellus，1967，19(1)：98-106.

［15］ Liu D，Wang Y. Trends of satellite derived chlorophyll-a(1997—2011)in the Bohai and Yellow Seas，China：Effects of bathymetry on seasonal and inter-annual patterns[J]. Progress in Oceanography，2013，116：154-166.

［16］ 陈心一，郝增周，潘德炉，等. 中国近海海面风场的时空特征分析[J]. 海洋学研究，2014，32(1)：1-10.

Chen Xinyi，Hao Zengzhou，Pan Delu，et al. Analysis of temporal and spatial feature of sea surface wind field in China offshore[J]. Journal of Marine Sciences，2014，32(1)：1-10(in Chinese).

［17］ 刘婷婷，张 华. 主成分分析与经验正交函数分解的比较[J]. 统计与决策，2011(16)：159-162.

Liu Tingting，Zhang Hua. Comparison between principal component analysis and empirical orthogonal function decomposition[J]. Statistics and Decision，2011(16)：159-162(in Chinese).

［18］ 刘 昕，王 静，程旭华，等. 南海叶绿素浓度的时空变化特征分析[J]. 热带海洋学报，2012，31(4)：42-48.

Liu Xin，Wang Jing，Cheng Xuhua，et al. The temporal and spatial evolution of chlorophyll-a concentration in the South China Sea [J]. Journal of Tropical Oceanography，2012，31(4)：42-48(in Chinese).

［19］ 周 利，唐丹玲，孙 景. 海洋溢油后浮游植物藻华观测分析和机制探讨[J]. 生态科学，2013，32(6)：692-702.

Zhou Li，Tang Danling，Sun Jing. Investigation of marine phytoplankton blooms after the oil spills in the seas[J]. Ecological Science，2013，32(6)：692-702(in Chinese).

［20］ 许 歆. 秦皇岛近海浮游植物群落结构变化及其组学研究[D]. 北京：中国科学院大学，2017.

Xu Xin. A Study on the Changes and Omics of Phytoplankton Community in the Qinhuangdao Coastal Waters [D]. Beijing：University of Chinese Academy of Sciences，2017(in Chinese).

Temporal and Spatial Distribution Characteristics of Phytoplankton Blooms in the Bohai Sea from 2007 to 2017

Yuan Dekui1，Yang Xunwei1，Wang Xue1，Li Shunqin2

(1. School of Mechanical Engineering，Tianjin University，Tianjin 300350，China；2. School of Science，Tianjin University of Commerce，Tianjin 300134，China)

Phytoplankton blooms have an important impact on the marine ecosystem．Chlorophyll-a is the main pigment in phytoplankton photosynthesis，and changes in its spatial and temporal distribution can indicate the overall characteristics of a phytoplankton blooms．By analyzing the average and cumulative variance of chlorophyll-a concentrations，spatial distribution characteristics and the onset of phytoplankton blooms in the Bohai Sea were obtained from 2007 to 2017．Characteristic variables were calculated，including times and duration of phytoplankton blooms and the increasing rate and magnitude of chlorophyll-a concentrations during blooms．Spatial and interannual variations in the characteristic variables were analyzed using the empirical orthogonal function method．The influence of wind mixing on blooms is discussed．Results showed that the concentration of chlorophyll-a in the nearshore area was higher than that in the central sea．Bloom times were high in the Liaodong Bay area and low in the nearshore area．The onset of phytoplankton blooms in the coastal area was relatively late compared to that in the central sea. The rate of increase in chlorophyll-a concentration gradually increased from the nearshore area to the central sea，and was higher in spring than in summer and autumn．The magnitude of chlorophyll-a concentration in the northern area was lower than that in the southern area．Since 2011，the durations of phytoplankton blooms in spring have been longer than those in summer and autumn．Interannual variations in the onset and magnitude of the spring blooms were generally similar，while the rate of increase in chlorophyll-a concentration showed differences in interannual variations．The above spatial distribution characteristics of phytoplankton blooms in summer and autumn are more obvious in 2008 and 2012 than in other years．Wind mixing was strongly correlated with the onset of the blooms，weakly correlated with the rate of increase in chlorophyll-a concentration，and uncorrelated with the magnitude．The analysis of temporal and spatial distribution characteristics of phytoplankton blooms in the Bohai Sea would be helpful in developing an understanding of the characteristics and driving forces of the Bohai Sea’s marine ecosystem．

Bohai Sea；phytoplankton blooms；chlorophyll-a；temporal and spatial distribution characteristics；empirical orthogonal function(EOF)

X55

A

0493-2137(2020)02-0129-09

10.11784/tdxbz201903027

2019-03-15；

2019-07-09.

袁德奎（1972—  ），男，博士，研究员.

袁德奎，dkyuan@tju.edu.cn.

天津市自然科学基金重点资助项目(16JCZDJC39400)；国家自然科学基金资助项目(11872271).

Supported by the Key Program of the Natural Science Foundation of Tianjin，China(No.16JCZDJC39400)，the National Natural Science Foundation of China(No.11872271).

(责任编辑：金顺爱)