Plant Height Simulation Model and Growth Visualization of Reviving Winter Wheat
-
摘要: 小麦生长模拟模型对小麦生长管理调控、产量预测和经济效益分析等有重要指导作用，针对小麦生长模拟模型和生长可视化不易实现的问题，以冬小麦品种衡观35、济麦22和衡4399为材料，于2015-2016年小麦生长季内开展不同品种和施氮水平的田间试验，通过分析各品种冬小麦返青后株高和有效积温的定量关系，用Logistic方程构建了冬小麦返青后株高模拟模型，经数据检验，株高模拟模型绝对误差在0.01~2.72 cm，根均方差（RMSE）在0.4~1.26 cm，平均绝对误差（da）在0.36~1.11 cm，平均绝对误差与实测值平均数的比值（dap）在1.32%~3.46%，结果表明所建模拟模型精度较高，对不同品种冬小麦株高生长具有较好预测性。借助该模拟模型和已有研究成果，本研究构造了不同品种、不同施氮水平下的冬小麦株高生长状态，逼真模拟冬小麦返青后株高动态生长过程，实现了不同品种冬小麦在不同施氮水平下的生长可视化。Abstract: A mathematic model that can reliably simulate the growth of wheat would facilitate the management, production forecast and economic analysis for the farming operation. Thus, field experiments were conducted to generate data for establishing such a model. After winter dormancy and spring reviving, the growth (plant height) of 3 varieties of wheat, i.e., Hengguan 35 (Hg35), Jimai 22 (Jm22) and Heng 4399 (H4399), under varied nitrogen levels in relation to the effective accumulated atmosphere temperature during 2015-2016 was monitored. Subsequently, the logistic equations obtained were validated with data collected from separate experiments to show the plant height prediction by the models to be 0.01-2.72 cm on the absolute error, 0.4-1.26 cm on RMSE, 0.36-1.11cm on da, and 1.32%-3.46% on dap. It appeared that the models were accurate in simulating the growth of the 3 varieties of winter wheat. Based on the models, as well as relevant information gathered previously, virtual visualization of the morphology and dynamic growth process of the winter wheat was now realized.
-
2012年，福建省委省政府提出要借鉴台湾先进技术和经验，建设福建农民创业园，并将这项工作措施列入了省委2012年1号文件。截至2017年底，福建省共有73个省级农民创业园，实现了所有涉农县(市、区)的全覆盖。福建农民创业园由政府牵头，通过提供各类优惠政策鼓励企业加入，旨在通过企业带动当地农业发展、农民致富。农民创业园中有着多方利益相关者，如何平衡各利益主体间的利益矛盾，建立合理的利益联结机制，是农民创业园健康可持续发展的保证。
农民创业园的建设发展关系多方利益主体，其中政府、企业、农户和农民专业合作社是最为核心的利益主体，也是农民创业园的主要参与者[1]。
项目县(市、区)政府是农民创业园建设的责任主体，通过出台一系列政策扶持农民创业园的发展。这些政策包括财政、税费、科技、金融、用地、用电、品牌创建和基础建设等。政府在农民创业园建设中起引导作用，通过市场运作，最终实现农民受益的目的。作为农民创业园的发起方，政府的利益诉求首先是农民创业园的创建与发展是否为农民带来实惠，是否增加了农民的收入。其次政府也关心农民创业园的发展是否能促进当地现代农业的发展，创新农业经营模式，促进社会和谐稳定。此外，政府也极为重视当地环境的保护，以促进区域的可持续发展[2]。
企业在农民创业园的发展中处于重要位置，能为农民创业园带来最直接的经济利益。作为农民创业园的核心营运者，企业的利益诉求是经济利益最大化。企业重视利润回报，看重政府提供的优惠政策扶持、创业园基础设施建设的完善以及良好的融资贷款环境[3]。
农户是指在农民创业园中，主动参与或被动受到影响的农户，包括家庭农场、种养大户及一般农户。这些农户多是当地居民，以家庭为中心，利用家庭劳动力，通过自有或者承包的农业资源，从事农业经营活动。作为农民创业园最关键的参与方，农户最主要的利益诉求是提高自身经济收入并获得合理的土地补偿和失地保障。同时，他们也希望通过农民创业园来学习更先进的农业科学技术和管理方法[4]。
在农民创业园中，农民专业合作社了解当地状况，能一定程度上代表农民的意愿，是农民创业园中不可或缺的利益主体。作为农民创业园的重要参与方，农民专业合作社的利益诉求是增加农民收入，希望在创业园发展中得到更多的资金支持，扩大自身规模，同时希望能够获得信息、技术等方面的支持。
政府、企业、农户和农民专业合作社这4个利益主体间，互相都存在一定的利益冲突，主要是因为每个利益主体的诉求不尽相同。其中利益冲突最为明显的是农户和企业这两个利益主体：农户和企业都希望获得最多利益，因此，在农民创业园中，企业与农户间建立有效的利益联结机制尤为重要[5]。有学者提出，企业与农户间存在从松散到紧密的利益联结方式。企业与农户间松散的利益联结方式，对农户的经济带动作用微弱，只有企业与农户间建立起紧密的利益联结方式，才能通过扶持企业发展，来提高农民的生活水平，带领农民致富[6-8]。
虽然上述观点受到了大多数学者的认可，但如何建立紧密的利益联结机制，农户与企业的利益联结受哪些因素影响，目前还缺乏进一步的探讨，少见有定量研究的支持。在研究方法上，博弈论是较为常见的研究方法，其他方法较为少见。为此，本研究根据福建农民创业园的调查数据，采用多元逻辑回归分析法分别分析农户与企业在进行利益联结机制选择时的影响因素，从而引导农户与企业建立更为紧密的利益联结方式。
1. 材料与方法
1.1 基于农户视角
1.1.1 数据搜集
在查阅其他学者的研究文献并咨询相关专家的基础上，开展问卷调查，将农户选择利益联结机制时可能产生影响的因素归为6个，分别是文化程度、农户全年收入水平、市场波动状况、目标市场、农产品商品化率以及企业销售农产品规模，作为影响自变量，分别以X1、X2、X3、X4、X5、X6予以计量。以农户利益联结选择作为因变量，以Y1予以计量。变量解释说明见表 1。
表 1 农户决策的变量解释说明Table 1. Variation explanation on Farmers' choice变量 变量名称 变量解释说明 Y1 农户与企业的利益联结方式 反映联结方式从松散到紧密的程度 X1 文化程度 代表农民的学历程度，包括小学到大专以上 X2 农户全年人均收入 代表农民的个人收入水平 X3 市场波动状况 反映市场价格的波动性 X4 目标市场 衡量农产品是面向本地市场、国内还是国外市场 X5 农产品商品率 反映农民生产农产品参与市场化程度 X6 企业销售农产品规模 反映农产品通过企业销售的份额占总销售额的比例 通过小范围的问卷预调查以及基于EVIEWS软件下的建模及变量删选分析，预调查问卷通过多重共线性检测，题项合理，作为正式调查问卷发放。
调查时间为2016年7月15日至2016年8月30日，问卷发放遵循随机原则，对73个福建农民创业园中的农户进行调查。每个福建农民创业园发放10份问卷，共计发放730份问卷。共收回调查问卷730份，剔出缺失关键数据的样本18份，有效问卷712份。
1.1.2 影响农户决策的计量分析
由于农户决策为分类数据，因此本文采用逻辑回归分析方法进行分析，测度6个解释变量(自变量)对农户决策的影响作用，建立模型(1)。
Y1=C0+C1X1+C2X2+C3X3+C4X5+C5X5+C6X6+ε (1) 式中，ε代表误差项。
1.2 基于企业视角
1.2.1 数据搜集
在查阅其他学者的研究文献并咨询相关专家后，开展问卷调查，问卷对企业选择利益联结机制时可能产生影响的因素归为6个，分别是企业类型、企业全年销售额、目标市场、市场波动状况、收购农户产品占比和企业注册资本作为影响自变量，分别以Z1、Z2、Z3、Z4、Z5、Z6予以计量。以企业利益联结选择作为因变量，以Y2予以计量(表 2)。
表 2 企业决策的变量解释说明Table 2. Variation explanation on Companies' choice变量 变量名称 变量解释说明 Y2 企业与农户利益联结方式 反映联结方式从松散到紧密的程度 Z1 企业类型 一定程度上反映企业的综合能力 Z2 企业全年销售额 反映企业销售能力 Z3 目标市场 衡量农产品是面向本地、国内还是国外市场 Z4 市场波动状况 反映所售产品市场价格的波动程度 Z5 收购农户产品占比 反映企业收购当地农户产品的比重 通过小范围的问卷预调查以及基于EVIEWS软件下的建模及变量删选分析，发现预调查问卷的解释变量中可能存在多重共线性问题，于是利用逐步回归进行多重共线性修正，以确定对回归方程效果较好的解释变量。通过修正，6个解释变量中剔除变量Z6(企业注册资本)，即企业与农户关系Y2产生显著性影响的解释变量有Z1、Z2、Z3、Z4和Z5共5个重要因素。
调查时间为2016年7月15日至2016年的8月30日，问卷发放遵循随机原则，对73个福建农民创业园中的企业进行调查。每个福建农民创业园发放4份问卷，共计发放292份问卷。剔除缺失关键数据的样本12份，有效问卷280份。
1.2.2 影响企业决策因素的计量分析
由于企业和农户利益联结方式为多分类有序离散数据，因此采用逻辑回归分析方法，分别测度5个解释变量(自变量)对企业和农户利益联结方式的影响作用，建立模型(2)。
Y2=B0+B1Z1+B2Z2+B3Z3+B4Z4+B5Z5+δ (2) 式中，δ代表误差项。
2. 结果与分析
2.1 农户决策的影响因素分析
通过计算，得到6个解释变量对农户决策的影响作用的回归结果(表 3)。
表 3 农户决策的逻辑回归模型结果分析Table 3. Results of Logistic Regression Analysis on Farmers′ choice变量 回归系数 标准误 Wald统计量 自由度 P值 OR X1 0.794 0.276 8.292 1 0.004 2.212 X2 0.514 0.258 3.948 1 0.047 1.671 X3 -0.429 0.18 5.685 1 0.017 0.651 X4 0.699 0.218 10.235 1 0.001 2.011 X5 1.034 0.441 5.49 1 0.019 2.812 X6 0.497 0.169 8.679 1 0.003 1.644 具体回归方程形式如式(3)所示。
Pi=(y≤i|x)=[exp(3.159+0.794X1+0.514X2−0.429X3+0.699X4+1.034X5+0.497X6)]/[1+exp(3.159+0.794X1+0.514X2−0.429X3+0.699X4+1.034X5+0.497X6)] (3) 对式(3)进行一定的数学变形处理，得到式(4)：
ln[n∑i=1Pi/(1−n∑i=1Pi)]=3.159+0.794X1+0.514X2−0.429X3+0.699X4+1.034X5+0.497X6 (4) 研究表明，涉及农产品的6个解释变量对农户决策都具有显著的影响，其中文化程度、农户全年人均收入、目标市场、农产品商品化率和农业企业销售农产品的规模对农户决策产生显著的正向作用；市场波动状况对农户决策产生显著的负向作用，即市场波动越大，农民越会选择松散的买断式利益联结方式。
此外，从OR值可以看出解释变量对因变量产生的作用大小，OR值越大，代表解释变量对因变量的作用影响越大。因此，从计量分析的结果来看，对农户利益选择的影响作用：农产品商品化率＞文化程度＞目标市场＞农户全年人均收入＞农业企业销售农产品的规模＞市场波动状况。农产品商品化率水平对农户利益联结方式选择的影响最大，提升农产品商品化率可以有效促使农户选择更紧密的利益联结方式。文化程度对农户选择不同利益联结方式的影响其次，提高农户的文化水平，对他们进行相关培训，也可以促使农户选择与企业更紧密的利益联结。目标市场对于农户利益联结选择也很重要，当面向更大的市场时，农户也会倾向选择与企业更密切的利益联结方式。农户的收入水平对农户进行利益联结决策也有较大的影响，通过增加农户收入，可以有效促进农户选择与企业紧密的利益联结方式。农业企业销售农产品的规模和市场波动状况也会对农户选择不同的利益联结方式产生影响。
2.2 企业决策的影响因素分析
通过计算，得到5个解释变量对农户决策的影响作用的回归结果(表 4)。
表 4 企业决策的逻辑回归模型结果分析Table 4. Results of Logistic Regression Analysis on Companies′ choice变量 回归系数 标准误 Wald统计量 P值 OR Z1 0.289 0.092 4.990 0 3.331 Z2 0.646 0.160 2.953 0.002 1.157 Z3 0.396 0.623 2.635 0.002 1.688 Z4 -2.219 0.668 3.324 0.001 3.173 Z5 0.484 0.224 4.142 0 2.746 其具体的回归方程形式如式(5)所示：
Pi=(y≤i|x)=[exp(0.289Z1+0.646Z2+0.369Z3−2.219Z4+0.484Z5)]/[1+exp(0.289Z1+0.646Z2+0.396Z3−2.219Z4+0.484Z5)] (5) 对式(5)进行一定的数学变形处理，得到式(6)：
ln[n∑i=1Pi/(1−n∑i=1Pi)]=0.289Z1+0.646Z2+0.396Z3−2.219Z4+0.484Z5 (6) 研究表明，涉及企业的5个解释变量对企业和农户利益联结方式都具有显著的影响，其中企业类型、企业全年销售额、目标市场和从农户手中收购农产品的比重对企业和农户利益联结方式产生显著的正向作用；市场波动状况对企业和农户利益联结方式产生显著的负向作用，即随着市场价格波动越大，企业和农户利益联结方式越偏好松散联结。
此外，从OR值的结果可以看出解释变量对因变量产生的作用大小，OR值越大，代表解释变量对因变量的作用影响越大，因此，从计量分析的结果来看，对企业利益选择的影响作用：企业类型＞市场波动状况＞目标市场＞从农户手中收购农产品的比重＞企业全年销售额。企业类型对于企业选择不同的利益联结方式影响最大，培育龙头企业可以有效促使企业选择更紧密的利益联结方式。市场波动状况对企业选择不同利益联结方式的影响其次，稳定的市场价格也可以促使企业选择与农户更紧密的利益联结。从农户手中收购农产品的比重对企业做出利益联结决策影响也较大，更多依赖农户会促使企业选择紧密的利益联结方式。除此以外，企业的全年销售额也影响着企业利益联结方式的选择。
3. 结论与对策
目前福建农民创业园中利益联结方式研究还处于相对初级的阶段，农户和企业间的利益联结关系较为松散，缺乏紧密的联系，也就难以保证“利益共享，风险共担”，这是大多学者经调查研究形成的共识。在如何将联结关系从初级向高级转变方面，学者通常直接给出对策建议，认为要因地制宜，通过重视龙头企业、培育新式农民、完善信誉信息、规范经营组织、保护当地环境等来完善农户和企业之间的利益联结机制[9]。
根据本文的定量分析研究结论，要促使农户选择与企业更为密切的利益联结方式，可以从提升农产品商品化率、提高农户文化水平、提升竞争力扩大市场、提高农户收入水平、扩大农户通过企业销售农产品的规模以及稳定市场等方面寻求对策。要促使企业选择与农户更为密切的利益联结方式，让企业与农户之间逐步形成“利益共享、风险共担”的利益共同体，可以从重视龙头企业的培养、稳定市场、扩大企业向农户收购农产品比例、提升竞争力扩大市场、提升企业销售额等方面寻求对策。本研究以定量分析方法进一步确认了前人的研究结论，也对如何加强农户与企业间的利益联结提出了新的思路。
(1) 明确农户市场主体地位：农户与企业作为独立的市场主体，他们之间应该是平等的利益互动。然而在现实利益分配中，农户大多处于弱势地位，没有与其地位相匹配的话语权。因此，只有明确农户市场主体地位，鼓励农户加入产业化经营, 加强农户的自主权和话语权，才能使其在利益分配时处于更为公平与合理的位置[10]。加强农户与企业之间的利益联结，首先要帮助农户提高综合素质，使得农户成为有知识、懂技术、会管理的新型农民。重视农村教育，不仅仅是传授农民与生产直接相关的知识技能，也包括了扩大农民的思路和眼界，接受新观点和新知识，还包括加强农户的法制意识、契约意识与责任意识。
(2) 确立龙头企业带动型产业模式：企业的自身实力和规模对利益联结形式的影响显著。有实力的龙头企业可以直接在创业园中建立生产基地，通过统一的生产管理和物流销售，也可以保证产品的产量与质量，稳定产品市场价格。在创业园组建过程中，各级政府需要加大对龙头企业的扶持力度，重点扶持一批起点高、规模大、带动力强的龙头企业，而不是采用以往的分散扶持策略[11]。其次, 推动龙头企业与科研单位合作，提高农业科技的转化成果。
(3) 构建新型农业主体合作模式：龙头企业与农民合作社是我国现代农业经营主体的主要力量，然而，在农民创业园中，农业合作社的发展较为滞后，没有充分发挥其在农民和企业间的作用。“农民合作社+龙头企业+农户”的模式，指的是以农民合作社为母体、派生出新的企业，进而形成龙头产业，在产权上紧密结合的合作一体化模式[12]。在此模式中，企业与农户形成紧密的利益共同体，农户从仅仅提供原料获得一次性收入，转变为分享生产、加工与销售过程中的利益。农户通过农民合作社对企业拥有部分股权，具有了利益的所有权，刺激了农户的生产积极性。此模式实现了农户与企业目标的统一，确保农民合作社、龙头企业和农户可以分享农业产业化的成果，是福建创业园可以尝试与推广的选择。
本文仅重点分析了农户与企业两个核心利益相关者如何进行利益联结选择，未来还可以继续深化，从更多利益相关者角度分析农民创业园的利益联结机制。
-
![]()
图 1 衡观35、济麦22和衡4399冬小麦返青后不同氮处理株高实测值与模拟值比较
Figure 1. Measured and predicted plant heights of reviving winter wheat, Hg35, Jm22 and H4399, grown under different nitrogen levels
![]()
图 2 衡观35、济麦22和衡4399冬小麦返青后不同氮处理最终株高
Figure 2. Plant heights of reviving winter wheat, Hg35, Jm22 and H4399, grown under different nitrogen levels at end of season
![]()
图 3 济麦22 N1处理返青后株高生长模拟
注：A为2016年3月30日；B为2016年4月6日；C为2016年4月12日；D为2016年4月20日；E为2016年4月30日；F为2016年5月10日。
Figure 3. Simulated plant growth of reviving winter wheat, Jm 22, with N1 treatment
表 1 衡观35、济麦22和衡4399冬小麦返青后株高回归方程
Table 1 Regression equations on plant height of reviving winter wheat, Hg35, Jm22 and H4399
品种 处理 回归方程 R2 F Sig. 衡观35 N1 Y=45/(1+530.36*e-0.008X) 0.981 462.432 0.000 N2 Y=51/(1+157.39*e-0.006X) 0.959 211.479 0.000 N3 Y=52/(1+208.57*e-0.007X) 0.969 277.546 0.000 济麦22 N1 Y=47/(1+791.39*e-0.008X) 0.969 252.704 0.000 N2 Y=56/(1+543.48*e-0.008X) 0.986 715.084 0.000 N3 Y=59/(1+421.14*e-0.007X) 0.958 207.281 0.000 衡4399 N1 Y=45/(1+345.96*e-0.007X) 0.972 279.667 0.000 N2 Y=52/(1+183.92*e-0.006X) 0.942 146.376 0.000 N3 Y=56/(1+283.86*e-0.007X) 0.942 147.018 0.000 
下载: 导出CSV
表 2 衡观35、济麦22和衡4399冬小麦返青后株高实测值与模拟值比较
Table 2 Measured and predicted plant heights of reviving winter wheat, Hg35, Jm22 and H4399
品种 处理 绝对误差d /cm RMSE
/cmda
/cmdap
/%GDD1 GDD2 GDD3 GDD4 GDD5 GDD6 衡观35 N1 0.23 0.15 0.34 0.79 1.14 2.72 1.26 0.90 3.46 N2 0.25 0.72 0.94 1.14 1.76 1.87 1.25 1.11 3.36 N3 0.1 0.73 0.46 1.08 0.47 1.67 0.91 0.75 2.17 济麦22 N1 0.1 0.34 0.88 0.89 1.02 1.84 1.01 0.85 3.17 N2 0.11 0.39 1.01 1.01 1.22 1.54 1.01 0.88 2.54 N3 0.76 0.84 0.01 0.45 1.05 1.39 0.87 0.75 2.32 衡4399 N1 0.37 0.58 0.42 0.39 0.05 0.37 0.40 0.36 1.32 N2 0.34 0.22 0.22 1.51 1.53 1.90 1.19 0.95 3.15 N3 0.57 0.1 0.63 0.31 1.11 1.58 0.87 0.72 2.08
下载: 导出CSV
-
[1] 曹宏鑫, 赵锁劳, 葛道阔, 等.作物模型发展探讨[J].中国农业科学, 2011, 44(17):3520-3528. DOI: 10.3864/j.issn.0578-1752.2011.17.004 [2] 刘丹, 诸叶平, 刘海龙, 等.植物三维可视化研究进展[J].中国农业科技导报, 2015, 17(1): 23-31. http://www.cnki.com.cn/Article/CJFDTOTAL-NKDB201501006.htm [3] 杨占峰. 大麦生长田间试验模拟模型及可视化研究[D]. 甘肃: 甘肃农业大学, 2013. http://cdmd.cnki.com.cn/Article/CDMD-10733-1014012193.htm [4] 李红岭, 高晓阳, 张明艳, 等.大麦茎秆生长动态模拟模型[J].干旱地区农业研究, 2012, 30(4):129-132. http://www.cnki.com.cn/Article/CJFDTOTAL-GHDQ201204024.htm [5] 徐寿军, 顾小莉, 许如根, 等.大麦穗和茎秆生长的动态模拟[J].麦类作物学报, 2007, 27(2):282-287. DOI: 10.7606/j.issn.1009-1041.2007.02.072 [6] 陈国庆, 朱艳, 曹卫星.小麦叶鞘和节间生长过程的模拟研究[J].麦类作物学报, 2005, 25(l):71-74. http://www.cnki.com.cn/Article/CJFDTOTAL-MLZW200501017.htm [7] 谭子辉. 小麦植株形态建成的模拟模型研究[D]. 南京: 南京农业大学, 2006. http://cdmd.cnki.com.cn/Article/CDMD-10307-2007125893.htm [8] 郭新宇, 赵春江, 刘洋, 等.基于生长模型的玉米三维可视化研究[J].农业工程学报, 2007, 23(3):121-125. http://www.cnki.com.cn/Article/CJFDTOTAL-NYGU200703025.htm [9] 伍艳莲, 曹卫星, 汤亮, 等.基于OpenGL的小麦形态可视化技术[J].农业工程学报, 2009, 25(1):121-126. http://www.cnki.com.cn/Article/CJFDTOTAL-NYGU200901030.htm [10] 陈昱利, 杨平, 张文宇, 等.基于生物量的冬小麦越冬前植株地上部形态结构模型[J].作物学报, 2016, 42(5): 743-750. http://www.cnki.com.cn/Article/CJFDTOTAL-XBZW201605016.htm [11] 李书钦, 诸叶平, 刘海龙, 等.基于NURBS曲面的小麦叶片三维可视化研究与实现[J].中国农业科技导报, 2016, 18(3):89-95. http://www.cnki.com.cn/Article/CJFDTOTAL-NKDB201603013.htm [12] 李书钦, 刘海龙, 诸叶平, 等.基于实测数据和NURBS曲面的小麦叶片三维可视化[J].福建农业学报, 2016, 31(7): 777-782. http://www.fjnyxb.cn/CN/abstract/abstract2978.shtml [13] 宇振荣, 毛振强, 马永良.冬小麦及其叶片发育的模拟研究[J].中国农业大学学报, 2002, 7(5):20-25. http://www.cnki.com.cn/Article/CJFDTOTAL-NYDX200205003.htm [14] 李迎, 邓忠, 翟国亮, 等.冬小麦作物系数的积温模型[J].节水灌溉, 2015, (4):36-40. http://www.cnki.com.cn/Article/CJFDTOTAL-JSGU201504012.htm [15] 李巧云, 年力, 刘万代, 等.冬前积温对河南省小麦冬前生长发育的影响[J].中国农业气象, 2010, 31(4):563-569. http://www.cnki.com.cn/Article/CJFDTOTAL-ZGNY201004015.htm [16] 杨洪宾, 徐成忠, 李春光, 等.播期对冬小麦生长及所需积温的影响[J].中国农业气象, 2009, 30(2):201-203. http://www.cnki.com.cn/Article/CJFDTOTAL-ZGNY200902015.htm -
期刊类型引用(1)
1. 张威敏，曾芳芳. 利益联结视角下福建茶叶现代农业园发展研究——以漳平现代茶业产业园为例. 安徽农学通报. 2021(20): 32-34 . 
百度学术
其他类型引用(9)
计量
- 文章访问数: 1998
- HTML全文浏览量: 294
- PDF下载量: 126
- 被引次数: 10
