全 文 ：
摇 摇 摇 摇 摇 生 态 学 报
摇 摇 摇 摇 摇 摇 摇 渊杂匀耘晕郧栽粤陨 载哉耘月粤韵冤
摇 摇 第 猿猿卷 第 员愿期摇 摇 圆园员猿年 怨月摇 渊半月刊冤
目摇 摇 次
中国生态学学会 圆园员猿年学术年会专辑摇 卷首语
美国农业生态学发展综述 黄国勤袁孕葬贼则蚤糟噪 耘援酝糟悦怎造造燥怎早澡 渊缘源源怨冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
水足迹研究进展 马摇 晶袁彭摇 建 渊缘源缘愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
江西省主要作物渊稻尧棉尧油冤生态经济系统综合分析评价 孙卫民袁欧一智袁黄国勤 渊缘源远苑冤噎噎噎噎噎噎噎噎
植物干旱胁迫下水分代谢尧碳饥饿与死亡机理 董摇 蕾袁李吉跃 渊缘源苑苑冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
生态化学计量学特征及其应用研究进展 曾冬萍袁蒋利玲袁曾从盛袁等 渊缘源愿源冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎
三峡库区紫色土植被恢复过程的土壤团粒组成及分形特征 王轶浩袁耿养会袁黄仲华 渊缘源怨猿冤噎噎噎噎噎噎噎
城市不同地表覆盖类型对土壤呼吸的影响 付芝红袁呼延佼奇袁李摇 锋袁等 渊缘缘园园冤噎噎噎噎噎噎噎噎噎噎噎噎
华南地区 猿种具有不同入侵性的近缘植物对低温胁迫的敏感性 王宇涛袁李春妹袁李韶山 渊缘缘园怨冤噎噎噎噎噎
沙丘稀有种准噶尔无叶豆花部综合特征与传粉适应性 施摇 翔袁刘会良袁张道远袁等 渊缘缘员远冤噎噎噎噎噎噎噎噎
水浮莲对水稻竞争效应尧产量与土壤养分的影响 申时才袁徐高峰袁张付斗袁等 渊缘缘圆猿冤噎噎噎噎噎噎噎噎噎噎
珍稀药用植物白及光合与蒸腾生理生态及抗旱特性 吴明开袁刘摇 海袁沈志君袁等 渊缘缘猿员冤噎噎噎噎噎噎噎噎噎
不同温度及二氧化碳浓度下培养的龙须菜光合生理特性对阳光紫外辐射的响应
杨雨玲袁李摇 伟袁陈伟洲袁等 渊缘缘猿愿冤
噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
土壤氧气可获得性对双季稻田温室气体排放通量的影响 秦晓波袁李玉娥袁万运帆袁等 渊缘缘源远冤噎噎噎噎噎噎噎
免耕稻田氮肥运筹对土壤 晕匀猿挥发及氮肥利用率的影响 马玉华袁刘摇 兵袁张枝盛袁等 渊缘缘缘远冤噎噎噎噎噎噎噎
香梨两种树形净光合速率特征及影响因素 孙桂丽袁徐摇 敏袁李摇 疆袁等 渊缘缘远缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎
沙埋对沙米幼苗生长尧存活及光合蒸腾特性的影响 赵哈林袁曲摇 浩袁周瑞莲袁等 渊缘缘苑源冤噎噎噎噎噎噎噎噎噎
半干旱区旱地春小麦全膜覆土穴播对土壤水热效应及产量的影响 王红丽袁宋尚有袁张绪成袁等 渊缘缘愿园冤噎噎噎
基于 蕴藻 月蚤泽泽燥灶灶葬蚤泽法的石漠化区桑树地埂土壤团聚体稳定性研究 汪三树袁黄先智袁史东梅袁等 渊缘缘愿怨冤噎噎噎
不同施肥对雷竹林径流及渗漏水中氮形态流失的影响 陈裴裴袁吴家森袁郑小龙袁等 渊缘缘怨怨冤噎噎噎噎噎噎噎噎
黄土丘陵区不同植被土壤氮素转化微生物生理群特征及差异 邢肖毅袁黄懿梅袁安韶山袁等 渊缘远园愿冤噎噎噎噎噎
黄土丘陵区植被类型对土壤微生物量碳氮磷的影响 赵摇 彤袁闫摇 浩袁蒋跃利袁等 渊缘远员缘冤噎噎噎噎噎噎噎噎噎
林地覆盖对雷竹林土壤微生物特征及其与土壤养分制约性关系的影响
郭子武袁俞文仙袁陈双林袁等 渊缘远圆猿冤
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
降雨对草地土壤呼吸季节变异性的影响 王摇 旭袁闫玉春袁闫瑞瑞袁等 渊缘远猿员冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎
基于土芯法的亚热带常绿阔叶林细根空间变异与取样数量估计 黄超超袁黄锦学袁熊德成袁等 渊缘远猿远冤噎噎噎噎
源种高大树木的叶片性状及 宰哉耘随树高的变化 何春霞袁李吉跃袁孟摇 平袁等 渊缘远源源冤噎噎噎噎噎噎噎噎噎噎
干旱荒漠区银白杨树干液流动态 张摇 俊袁李晓飞袁李建贵袁等 渊缘远缘缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
模拟增温和不同凋落物基质质量对凋落物分解速率的影响 刘瑞鹏袁毛子军袁李兴欢袁等 渊缘远远员冤噎噎噎噎噎噎
金沙江干热河谷植物叶片元素含量在地表凋落物周转中的作用 闫帮国袁纪中华袁何光熊袁等 渊缘远远愿冤噎噎噎噎
温带 员圆个树种新老树枝非结构性碳水化合物浓度比较 张海燕袁王传宽袁王兴昌 渊缘远苑缘冤噎噎噎噎噎噎噎噎噎
断根结合生长素和钾肥施用对烤烟生长及糖碱比尧有机钾指数的影响 吴彦辉袁薛立新袁许自成袁等 渊缘远愿远冤噎
光周期和高脂食物对雌性高山姬鼠能量代谢和产热的影响 高文荣袁朱万龙袁孟丽华袁等 渊缘远怨远冤噎噎噎噎噎噎
绿原酸对凡纳滨对虾抗氧化系统及抗低盐度胁迫的影响 王摇 芸袁李摇 正袁李摇 健袁等 渊缘苑园源冤噎噎噎噎噎噎噎
基于盐分梯度的荒漠植物多样性与群落尧种间联接响应 张雪妮袁吕光辉袁杨晓东袁等 渊缘苑员源冤噎噎噎噎噎噎噎
广西马山岩溶植被年龄序列的群落特征 温远光袁雷丽群袁朱宏光袁等 渊缘苑圆猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎
戴云山黄山松群落与环境的关联 刘金福袁朱德煌袁兰思仁袁等 渊缘苑猿员冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
四川盆地亚热带常绿阔叶林不同物候期凋落物分解与土壤动物群落结构的关系
王文君袁杨万勤袁谭摇 波袁等 渊缘苑猿苑冤
噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
中亚热带常绿阔叶林不同演替阶段土壤活性有机碳含量及季节动态 范跃新袁杨玉盛袁杨智杰袁等 渊缘苑缘员冤噎噎
塔克拉玛干沙漠腹地人工植被及土壤 悦 晕 孕 的化学计量特征 李从娟袁雷加强袁徐新文袁等 渊缘苑远园冤噎噎噎噎
鄱阳湖小天鹅越冬种群数量与行为学特征 戴年华袁邵明勤袁蒋丽红袁等 渊缘苑远愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎
营养盐加富和鱼类添加对浮游植物群落演替和多样性的影响 陈摇 纯袁李思嘉袁肖利娟袁等 渊缘苑苑苑冤噎噎噎噎噎
西藏达则错盐湖沉积背景与有机沉积结构 刘沙沙袁贾沁贤袁刘喜方袁等 渊缘苑愿缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎
西藏草地多项供给及调节服务相互作用的时空演变规律 潘摇 影袁徐增让袁余成群袁等 渊缘苑怨源冤噎噎噎噎噎噎噎
太湖水体溶解性氨基酸的空间分布特征 姚摇 昕袁朱广伟袁高摇 光袁等 渊缘愿园圆冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎
基于遥感和 郧陨杂的巢湖流域生态功能分区研究 王传辉袁吴摇 立袁王心源袁等 渊缘愿园愿冤噎噎噎噎噎噎噎噎噎噎噎
近 圆园年来东北三省春玉米物候期变化趋势及其对温度的时空响应 李正国袁杨摇 鹏袁唐华俊袁等 渊缘愿员愿冤噎噎
鄱阳湖湿地景观恢复的物种选择及其对环境因子的响应 谢冬明袁金国花袁周杨明袁等 渊缘愿圆愿冤噎噎噎噎噎噎噎
珠三角河网浮游植物生物量的时空特征 王摇 超袁李新辉袁赖子尼袁等 渊缘愿猿缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎
南京市景观时空动态变化及其驱动力 贾宝全袁王摇 成袁邱尔发 渊缘愿源愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
川西亚高山鄄高山土壤表层有机碳及活性组分沿海拔梯度的变化 秦纪洪摇 王摇 琴摇 孙摇 辉 渊缘愿缘愿冤噎噎噎噎
城市森林碳汇及其抵消能源碳排放效果要要要以广州为例 周摇 健袁肖荣波袁庄长伟袁等 渊缘愿远缘冤噎噎噎噎噎噎噎
基于机器学习模型的沙漠腹地地下水含盐量变化过程及模拟研究 范敬龙袁刘海龙袁雷加强袁等 渊缘愿苑源冤噎噎噎
干旱区典型绿洲城市发展与水资源潜力协调度分析 夏富强袁唐摇 宏 袁杨德刚袁等 渊缘愿愿猿冤噎噎噎噎噎噎噎噎
海岸带区域综合承载力评估指标体系的构建与应用要要要以南通市为例
魏摇 超袁叶属峰袁过仲阳袁等 渊缘愿怨猿冤
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
中街山列岛海洋保护区鱼类物种多样性 梁摇 君袁徐汉祥袁王伟定 渊缘怨园缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
丰水期长江感潮河口段网采浮游植物的分布与长期变化 江志兵袁刘晶晶袁李宏亮袁等 渊缘怨员苑冤噎噎噎噎噎噎噎
基于生态网络的城市代谢结构模拟研究要要要以大连市为例 刘耕源袁杨志峰袁陈摇 彬袁等 渊缘怨圆远冤噎噎噎噎噎噎
保护区及周边居民对野猪容忍性的影响因素要要要以黑龙江凤凰山国家级自然保护区为例
徐摇 飞袁蔡体久袁琚存勇袁等 渊缘怨猿缘冤
噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
三江源牧户参与草地生态保护的意愿 李惠梅袁张安录袁王摇 珊袁等 渊缘怨源猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
沈阳市降雨径流初期冲刷效应 李春林袁刘摇 淼袁胡远满袁等 渊缘怨缘圆冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
期刊基本参数院悦晕 员员鄄圆园猿员 辕 匝鄢员怨愿员鄢皂鄢员远鄢缘员源鄢扎澡鄢孕鄢 预 怨园郾 园园鄢员缘员园鄢缘怨鄢圆园员猿鄄园怨
室室室室室室室室室室室室室室
封面图说院 川西高山地带土壤及植被要要要青藏高原东缘川西的高山地带坡面上为草地袁沟谷地带由于低平且水分较充足袁生长
有很多灌丛遥 川西地区大约在海拔 源园园园皂左右为林线袁以下则分布有亚高山森林遥 亚高山森林是以冷尧云杉属为建
群种或优势种的暗针叶林为主体的森林植被遥 作为高海拔低温生态系统袁高山鄄亚高山地带土壤碳被认为是我国重
要的土壤碳库遥 有研究表明袁易氧化有机碳含量与海拔高度呈显著正相关袁显示高海拔有利于土壤碳的固存遥 因
而袁这里的表层土壤总有机碳含量随着海拔的升高而增加遥
彩图及图说提供院 陈建伟教授摇 北京林业大学摇 耘鄄皂葬蚤造院 糟蚤贼藻泽援糟澡藻灶躁憎岳 员远猿援糟燥皂
第 33 卷第 18 期
2013年 9月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol.33,No.18
Sep.,2013
http: / / www.ecologica.cn
基金项目:中国科学院西部博士专项(XBBS200904);国家自然科学基金项目(41030530,41271341);塔里木油田科技项目(971012080007)
收稿日期:2013鄄05鄄22; 摇 摇 修订日期:2013鄄07鄄10
*通讯作者 Corresponding author.E鄄mail: fanjl@ ms.xjb.ac.cn
DOI: 10.5846 / stxb201305221137
范敬龙,刘海龙,雷加强,徐新文,王桂芬,钟显斌,闫健.基于机器学习模型的沙漠腹地地下水含盐量变化过程及模拟研究.生态学报,2013,33
(18):5874鄄5882.
Fan J L, Liu H L, Lei J Q, Xu X W, Wang G F,Zhong X B,Yan J.Groundwater salt content change and its simulation based on machine learning model in
Hinterlands of Taklimakan Desert.Acta Ecologica Sinica,2013,33(18):5874鄄5882.
基于机器学习模型的沙漠腹地地下水
含盐量变化过程及模拟研究
范敬龙1,*,刘海龙2,雷加强1,徐新文1,王桂芬3,钟显斌3,闫摇 健3
(1. 中国科学院新疆生态与地理研究所,乌鲁木齐摇 830011;
2. 立命馆大学信息理工学研究科 Emergent System研究室,日本滋贺县摇 525鄄8577;
3.中国石油塔里木油田公司,库尔勒摇 841000)
摘要:为了研究塔克拉玛干沙漠腹地的地下水盐分变化规律,模拟地下水盐分变化过程,评价适合该区域的地下水变化规律的
模型。 通过对研究区蒸发量、降水量、气温、气压、地下水位、地下水电导率数据的统计分析,揭示了地下水含盐量及其影响因素
的特征;使用 GP 模型、GPLVM模型和 BP 人工神经网络模型以及综合模型,模拟了气候变化和人类活动双重影响下的地下水
含盐量变化过程,并评价了模型的模拟结果。 研究结果表明:(1)研究区地下水流动系统主要受气候变化和人类活动的影响,
地下水位在局部地区随开采过程呈现波动变化。 地下水位变化过程与气压的变化规律相一致;而气温和蒸发量的季节变化规
律相一致。 地下水盐分含量呈上升趋势。 (2)GP 模型对于地下水含盐量的预测效果最好;GPLVM 模型对于已知地下水含盐
量条件下,与其他环境因素进行多元回归分析的拟合效果最好。 而 GP、GPLVM和 BP 人工神经网络模型的综合模型,对于包括
模型训练和模型预测的全体数据集的拟合和预测效果最好。
关键词:地下水含盐量;高斯过程;高斯过程隐变量模型;人工神经网络;沙漠腹地
Groundwater salt content change and its simulation based on machine learning
model in hinterlands of Taklimakan Desert
FAN Jinglong1,*, LIU Hailong2, LEI Jiaqiang1, XU Xinwen1, WANG Guifen3,ZHONG Xianbin3,YAN Jian3
1 Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urimqi 830011, China
2 Emergent System Lab. Graduate School of Information Science and Engineering, Ritsumeikan University, Shiga 525鄄8577, Japan
3 Petro China Tarim Oilfield Company, Korla 841000, China
Abstract: The Taklimakan Desert, in the center of the Tarim Basin, Northwest China, is near the arid center of the
Eurasian Continent. It is an ideal place for carrying out research on circulation systems of ocean鄄continent and continent鄄
continent, as well as on the environmental effects of the Tibetan Plateau uplift. Oil and natural gas resources are rich in the
desert hinterlands, where weather is extremely dry and the ecological environment is extremely frail. How to achieve
sustainable development of oil gas energy exploitation and water resources will become a key issue of rapid and sustained
energy development in the exploitation area. Since 2000, with the increase of oil and gas production, as well as construction
of ecological engineering in oil field areas, regional water use, i. e., water consumption by oil exploitation, life鄄service
water, and ecological engineering water has been increasing. Under this condition, the response of regional groundwater to
water鄄use behavior, and sustainable use of groundwater under scaled development of future oil gas energy, is a focus of
discussion in academic circles. All the water used for oil field production, living, and an ecological shelterbelt program in
the Tarim oil field was supplied by 19 local water wells. The main groundwater was from surrounding snow cover and glacier
http: / / www.ecologica.cn
meltwater that leak into the groundwater system at a mountain pass, which then inflows slowly as runoff with terrain change.
There is a single chemical type of groundwater in the study area, which is mainly alkali and a strong acid ion. Groundwater
is an important resource within desert areas, for both human use and maintenance of the ecological environment. However,
little information is available on the long鄄term change and evolutionary trends of groundwater salt content in the region. The
aim of this study is to increase knowledge of such content and its influences there. We simulated this content, studied its
change, and evaluated the effects and applicability of machine learning models for the hinterland of Taklimakan Desert. For
these purposes, three machine learning models and an appropriate integrated model were designed to simulate the variation
of groundwater salt content. Based on statistical analysis of evaporation, precipitation, air temperature, air pressure,
groundwater level and conductivity, this paper reports some statistical features of that content and its influences. The
temporal change of content was simulated using Gaussian Process ( GP ), Gaussian Process Latent Variable Model
(GPLVM), Back Propagation Artificial Neural Network (BP鄄ANN), and an integrated machine learning model, under the
impacts of climate change and human activities. The modeling was evaluated using root mean square error (RMSE) and
uncentered R鄄squared (uncentered R2).The results show that the groundwater flow system is affected by climate change and
human activities, and groundwater level appears steady with small fluctuation in the study area. The change of groundwater
level was concordant with air pressure, and the change of air temperature was consistent with evaporation. There was an
overall uptrend of groundwater salt content. Accurate prediction can be achieved with GP, whereas GPLVM was the better
multiple regression method for a known groundwater salt content among the three models. The integrated model of GP,
GPLVM, and BP鄄ANN gave the best results for all observation datasets, including training and prediction data. The results
not only help clarify regional hydrologic cycle processes under extremely dry conditions, but can also provide appropriate
theoretical evidence for sustainable utilization of water resources and safe production in desert oilfields.
Key Words: groundwater salt content; gaussian process; gaussian process latent variable model; back propagation artificial
neural network; hinterlands of taklimakan desert
基于物理基础的概念模型和数值模拟技术,是当前水文过程演化研究的主流工具。 然而,在实际应用中有一定的局限性,
特别是在缺乏水文地质资料和观测点很少的地区。 此时,一些经验模型和统计学基础上的“机器学习冶 [1]模型,成为更理想的
精确模拟区域水文过程变化的研究方法。 它们在水文过程研究中,可以综合考虑水文过程曲线的多个影响因子,将其纳入一个
非线性开放系统中,这就避开了分布式水文模型中,必须建立概念模型和必须已知或估计全部水文参数的计算过程。 其中,人
工神经网络被成功的用于预测地下水位[2鄄5]和进行水资源可持续利用管理[6鄄7] ,在降水、水质模拟等研究中的应用也十分活
跃[8] 。 高斯过程[9]和高斯隐空间模型[10鄄11]在许多研究领域内都得到广泛应用和发展,而在水文学研究中的应用尚不多见。 塔
里木盆地是世界第一大内陆盆地,位于亚欧大陆腹地,属大陆暖温带、极端干旱沙漠气候,降水稀少而蒸发强烈[12] 。 沙漠腹地
油气开发区的地下水,主要来源于盆地南部的昆仑山融雪径流补给,近年来由于生态工程建设和油气生产需求,地下水资源得
到了一定程度的开发,也使得原本地下水位、水质等受到人类活动干扰而产生变化[13] 。 本文目的在于如何借助“机器学习冶方
法,理解地下水含盐量的变化过程,以及预测其演化趋势;评价 3种机器学习模型及其综合模型的结果,使模拟计算在本区域的
应用更为合理,预测结果更为逼真。
1摇 研究区概况
研究区位于塔里木盆地中部塔克拉玛干流动沙漠腹地,塔中油田供水水源地。 塔中油田是塔里木油田的重要稳产区块。
北距轮台县约 340 km,南距 315国道约 150 km,贯通其中的道路就是举世瞩目的“塔里木沙漠公路冶。 研究区内没有地表水分
布,生产、生活用水完全依靠开采地下水。 水源地共建有抽水井 19 口,布井密度为 1.5 口 / km2,抽水量约 300伊104 m3 / a。 根据
塔中气象站资料,该地年平均气温 12.7 益,年降水量 10.7 mm,年蒸发为 3806.4 mm[14] 。 该区域降水与凝结水对地下水几乎没
有补给意义[15] ,补给源主要是周边山地积雪冰川融水在出山口渗漏入地下水系统后随地势变化产生的极为缓慢的径流的汇
入,另一方面来自深入沙漠的河道汛期河水的侧向渗漏。 沙漠区地下水流速缓慢,平均流速 0.01 cm / min[16] ,其主要排泄方式
以沙垄间洼地的蒸发作用为主。
2摇 研究方法
2.1摇 数据来源及处理方法
数据主要来源于中国科学院塔克拉玛干沙漠研究站(39毅00忆 N,83毅40忆 E,海拔高度 1099.3 m,地理位置如图 1 所示),自动
5785摇 18期 摇 摇 摇 范进龙摇 等:基于机器学习模型的沙漠腹地地下水含盐量变化过程及模拟研究 摇
http: / / www.ecologica.cn
气象水文监测站观测数据,该测站主要采集逐时区域太阳辐射、日照、气温、地下水环境等数据。 降水量(20—20 时)和蒸发量
数据来自于《中国国际交换站地面气候标准值月值数据集》(中国气象科学数据共享服务网)。 本文使用的数据包括:蒸发量、
降水量、气温、气压、地下水位、地下水电导率。 本文涉及到的数据为月平均数据。 将 2005 年 1 月到 2009 年 12 月的数据作为
模型的学习集;2010年 1月到 2010年 5月的数据作为模型的测试集。
图 1摇 塔克拉玛干沙漠研究站地理位置
Fig.1摇 Location of The Taklimakan Station for Desert Research
在模型中,定义学习集为 (X,Y) ,其中 X沂RN伊DX , Y沂RN伊DY ,式中 N = 60表示数据量; DX = 5和 DY = 1分别表示 X和 Y
的维度; X和 Y中的向量分别定义为 x沂 RDY 和 y沂 RDY ; xi = (蒸发量,降水量,气温,气压,地下水位), ( i沂 Z,1 臆 i臆 N) ;
yi = (地下水电导率), ( i 沂 Z,1 臆 i 臆 N) 。
通过高斯过程(GP)、高斯过程隐变量模型(GPLVM)和人工神经网络(ANN)来进行地下水电导率演化趋势的模拟及预测,
最后汇总 3种机器学习模型的预测值,并使用综合投票的计算结果作为综合模型的输出结果。 通过比较每种机器学习模型得
到的预测结果的误差,来评价模型的适用性。 人工神经网络模型中,选用前馈网络中的 BP 神经网络(BP鄄ANN)进行模拟运算。
模型结构如图 2所示,每种模型都通过输入层将地下水含盐量变化的影响因素数据输入其中,经过中间过程的计算,得到地下
水含盐量数据(输出层)。 最后,对 3种模型的预测结果进行综合投票,得出综合模型的预测值。
2.2摇 机器学习模型
高斯过程又称正态随机过程,它提供了一种基于前验分布应用于函数空间的贝叶斯机器学习方法。 其算法的原理是先使
用核算法,把非线性分布的观测数据映射到一个高维特征空间,在该空间内使用基于高斯分布的线性贝叶斯模型来进行回归或
者分类学习。 其似然方程如式(1):
( )P Y | X = 1
2( )仔
N伊DY
2 K
DY
2
exp -
1
2
tr YTK -1( )( )Y (1)
式中,K是通过核算法生成的协方差矩阵,如式(2):
K =
k x1,x( )1 … k x1,x( )N
左 埙 左
k xN,x( )1 … k xN,x( )
é
ë
ê
ê
ê
ù
û
ú
ú
ú
N
(2)
式(2)协方差矩阵 K中, k x,( )x忆 为核函数,本文所用核函数为 RBF+ Linear,如式(3)所示:
k x,( )x忆 = 琢1exp -
1
2琢2
x -( )x忆 T x -( )( )x忆 + 琢3 xTx忆 + 茁 -1啄x,x忆 (3)
式(3)中定义超参数为 兹 = 琢1,琢2,琢3,( )茁 ,并用随机数来初始化。 啄x,x忆 为狄拉克 啄函数,用来生成函数空间里服从正态分布
N(0,1)的高斯噪音。 通过最大似然估计,来计算式(1)的最大似然。 为了简化计算,式(1)对数化后得到式(4),并用 BFGS 法
来对超参数 兹进行最优化:
L 抑-
DY
2
log K - 1
2
tr YTK -1( )( )Y (4)
6785 摇 生摇 态摇 学摇 报摇 摇 摇 33卷摇
http: / / www.ecologica.cn
图 2摇 机器学习模型结构示意图
Fig.2摇 Model Architectures on Machine Learning Models
为了加快学习速度,使用稀疏高斯过程(SGP)来进行回归分析,其中,使用基于主动学习理论的信息向量机[17]( IVM)选择
出一个数据量远小于学习集的活跃集,并使用该活跃集进行高斯过程学习。 预测时,输入新向量 x* 沂 RDX ,使用最优化后的超
参数 兹 ,通过式(5)算出 x* 对应的输出期望值 y*GP 沂 RDY :
y*GP = YTK
-1 kX,x* (5)
式中, kX,x* = k x1,x( )* ,k x2,x( )* ,…,k xN,x( )( )* 为输入向量 x* 和学习集 X里所有向量的协方差向量。
高斯过程隐变量模型是在高斯过程的输入层和输出层之间,用概率主成分分析(PPCA)对学习集进行降维处理来生成隐
层,可以有效地找到观测数据在低维隐空间中的流形,有效地提高了高斯过程隐变量模型相对于高斯过程的映射精度。
首先用主成分分析(PCA)来初始化隐层 ZGPLVM 沂 RN
伊DZ , DZ 为隐空间的维度。 然后通过对联合似然 P(X,Y,ZGPLVM) 进行
最大似然估计,优化隐空间的流形:
P X,Y,Z( )GPLVM = P X Z( )GPLVM P Y Z( )GPLVM P Z( )GPLVM =
1
(2仔)
N伊DX
2 KX
DX
2
exp -
1
2
tr XTK -1X( )( )X 1
(2仔)
N伊DY
2 KY
DY
2
exp -
1
2
tr YTK -1Y( )( )Y 1
(2仔)
N伊DZ
2
exp -
1
2 移
N
i = 1
^
椰 zGPLVM i椰( )2
(6)
这里同样使用了 RBF+ Linear核函数(式 3)。 式(6)中 KX为 X的协方差矩阵, KY为 Y的协方差矩阵。 ZGPLVM的先验概率分
布,定义为正态分布 N(0,1) 。 zGPLVM沂RDZ是矩阵 ZGPLVM中的第 i个向量。 式(6)对数化,得到式(7)。 同样使用 BFGS 法来计
算最优化的ZGPLVM寅X和ZGPLVM寅Y两个映射的超函数 兹Z寅X 和 兹Z寅Y 以及隐层ZGPLVM。 最后我们再用稀疏高斯过程来最优化 X寅
ZGPLVM映射的超函数 兹X寅Z :
LX,Y,Z 抑-
DX
2
log KX -
1
2
tr XTK -1X( )( )X -
DY
2
log KY -
1
2
tr YTK -1Y( )( )Y -
1
2 移
N
i = 1
椰 zGPLVM i椰2 (7)
为了加快学习速度,分别对这两个映射使用了信息向量机,选择出一个数据量远小于学习集的活跃集,并使用该活跃集进
行高斯过程学习。 预测时,输入新向量 x* 沂 RDX ,通过式(8)和式(9)可以算出 x* 对应的输出期望值 y*GPLVM 沂 RDY :
7785摇 18期 摇 摇 摇 范进龙摇 等:基于机器学习模型的沙漠腹地地下水含盐量变化过程及模拟研究 摇
http: / / www.ecologica.cn
z*GPLVM = ZGPLVM TK
-1
X kX,x* (8)
y*GPLVM = YTK
-1
ZGPLVM
kZGPLVM,z*GPLVM (9)
式中, kZGPLVM,z*GPLVM = k zGPLVM 1,z
*( )GPLVM ,k zGPLVM 2,z*( )GPLVM ,…,k zGPLVM N,z*( )( )GPLVM 为输入向量 z*GPLVM 和隐层数据 ZGPLVM 里
所有向量的协方差向量, KZGPLVM 为隐层数据 ZGPLVM 的协方差矩阵。
人工神经网络(ANN),是对人脑或自然的神经网络若干基本特性的抽象和模拟,是一种非线性的动力学系统。 它具有大
规模并行处理和分布式信息存储能力,良好的自适应性、自组织性及很强的学习、联想、容错及抗干扰能力。 目前人工神经网络
模型有数十种,其中 BP 人工神经网络是前馈网络的核心部分,是在实际应用中被用得最多、最成功的神经网络学习算法。 BP
人工神经网络算法由 Rumelhart D E, Hintont G E和 Williams R J正式发明[18] ,网络由若干层神经元组成,它们可分为输入层、
隐层和输出层(图 1),各层的神经元作用都是不同的。 输入数据从输入层经隐层传向输出层,如果在输出层得不到期望输出,
则转入反向传播,将误差信号沿原通路返回,通过机器学习过程,不断修正各层神经元的权值,使误差最小。 本文使用了 3层神
经网络,隐层和输出层神经元传递函数分别采用 Tansig函数(式 10)和 Purelin函数(式 11):
ZANN = Tansig WTXX +( )b =
2
1 + exp - 2 WTXX +( )( )b
- 1 (10)
YANN = Purelin WTZ ZANN +( )b = a WTZ ZANN +( )b + c (11)
式中, WX 和 WY 分别是输入层和隐层的权重矩阵, a,b,c分别是参数的向量。 利用 Premnmx函数进行原始数据归一化。 采用
Traingdx算法训练 BP 人工神经网络,并优化权重矩阵 WX 和 WY ,以及参数向量 a,b,c 。
最后,为了得到更好的预测精度和泛化能力,使用了集成学习的方法,让 3种模型进行综合投票。 投票的方式我们选择每
一种模型占最后结果的 1 / 3,并取其总和作为综合模型的输出结果(式 12)。
軈Y = 1
3
(YGP + YGPLVM + YANN) (12)
本文所用稀疏高斯过程和高斯隐空间模型采用自制回归程序。 高斯过程中,活跃集大小为 6,BFGS的迭代次数为 1000,目
标误差为 0.1。 高斯隐空间模型中,隐空间维度 DZ = 2,活跃集大小为 6,BFGS的迭代次数为 300,目标误差为 0.1。 BP 人工神
经网络,使用 Matlab8.0神经网络工具箱建立和训练。 隐层 10个神经元,地下水电导率作为输出数据。 学习率为 0.03,训练目
标误差为 10-4。
2.3摇 误差分析
均方根误差(RMSE),为回归系统的拟合标准差,是均方差(MSE)的平方根,也就是预测数据和原始数据对应点误差的平
方和的均值的平方根,计算公式如式 13所示,计算结果越接近于 0,说明模型选择和拟合更好,数据预测也越成功。
RMSE = MSE = 1
N 移
N
i = 1
yi - y^( )i 2 (13)
采用非中心化决定系数评价输出数据的拟合效果。 Un鄄centered R2是解释变量的变异能够解释的因变量变异的比例。 在
回归过程不包含常数项时,用来替代决定系数 R2。 是通过数据的变化来表征一个拟合的好坏。 其正常取值范围为[0—1],越
接近 1,表明模型对数据拟合的越好。 其计算公式如式(14):
R2 = 1 -
移Ni = 1 yi - y^( )i 2
移Ni = 1 y^2i + 移
N
i = 1
yi - y^( )i 2
(14)
式中, yi 代表观测值, y^i 代表预测值。
3摇 结果与分析
3.1摇 地下水含盐量的影响因素
地下水盐分含量受气候变化和人类活动的双重影响,其变化过程是复杂和多样的。 一般认为,天然地下水系统中,电导率
与含盐量数值上为线性正相关关系,因此可以用电导率表征地下水盐分含量[19] 。 为了更好地反应地下水盐分变化的影响因
素,选择塔中地区长期气象、地下水观测站的蒸发量、降水量、气温、气压、地下水位变化等环境因素的月平均数据,来反映地下
水盐分的变化。 研究区自然驱动力弱,无地表水的直接补给,地下水位的变化主要取决于抽水作用,可用地下水位的变化来反
映人类活动的影响。 而地下水位的变化又与气压、气温、降水、蒸发等气象因素有关。 因此,我们选择气压、气温、降水量和蒸发
量这几个与地下水含盐量变化有关的因素,分析其变化过程规律。 从图 3可以看出:除降水量表现为下降趋势外,其他因素都
呈现季节性波动变化规律。 其中地下水位变化过程与气压的变化过程相一致(1 月份表现为波峰,5—6月份表现为波谷),而
气温和蒸发的季节变化过程相一致(1月份表现为波谷,6—7月份表现为波峰)。
3.2摇 地下水含盐量及其影响因素的统计特征
由表 1可知:研究区降水非常稀少而蒸发潜力异常强大,蒸发量的标准差和极差都很大,说明蒸发因素对系统的贡献相对
8785 摇 生摇 态摇 学摇 报摇 摇 摇 33卷摇
http: / / www.ecologica.cn
图 3摇 地下水含盐量的影响因素随时间的变化
摇 Fig. 3 摇 Influencing Factors on Change of the Groundwater
Salt Contents
较大,气温影响次之。 降水量的变异系数较大,在时间上离散程
度较高,年内和年际变化不均。 地下水位的标准差、标准误、极
差和变异系数都很小,是整个研究系统中比较稳定的因素。 由
于本区域地下水位除了自然波动外,只有沙漠油田的工业、生态
和生活用水过程对地下水位起作用,说明人类活动的强度较低,
对系统的影响较小。 地下水电导率的变异系数大于地下水位,
说明在人类活动和气候变化双重影响下,地下水含盐量发生了
一定程度的变化。
从总体数据集的 Pearson相关系数矩阵看(表 2),电导率仅
与地下水位呈显著正相关关系(P = 0.0018),与其他环境因素
无显著关系(P > 0.05)。 而蒸发量、降水量、气温、气压、地下水
位两两之间都具有显著相关关系。 从数据上看,地下水位与蒸
发量、降水量、气温呈负相关关系。 但是,这并不能说明地下水
位与降水量负相关,实际上,由于研究区年降水仅 10.7 mm,在强
大的蒸发作用下,降水对地下水基本没有补给意义,地下水位监
测点位于水源地中心抽水漏斗区,地下水位的波动主要受抽水
作用和其他因素的影响较大,而和降水量的关系不大。 然而蒸
发过程是沙漠区水文过程的主体,其对于沙漠地下水环境的影
响是不可忽视的,而蒸发过程受到温度、大气、水分等诸多条件
的影响。 因此局部地区的地下水含盐量的变化,其影响因素是
复杂多变的,其变化与气候因素和地下水位等诸多条件都有
关系。
3.3摇 地下水含盐量的模型预测
利用水位、气压、温度、降水量、蒸发量与地下水含盐量的相
互关系,通过 4种模型(高斯过程模型、高斯过程隐变量模型、BP
人工神经网络模型、以及上述 3 个模型的综合模型),对地下水
含盐量的变化过程进行回归分析。 如果该方程能很好地反映地
下水盐分的变化规律,则可以利用该方程定量描述研究区地下
水含盐量的长期变化过程。 模型计算结果如图 4 所示,可以看
出对于学习集的拟合,3种模型都能做的很好。 而测试集中,BP 人工神经网络模型的波动最大,GP 模型的波动最小。 而 3 种
模型的综合模型,即 GP、GPLVM、BP 人工神经网络预测结果的综合投票模型,其整体表现要优于单独使用上述 3种模型。
从模型运算结果的均方根误差值可以定量的看出,对于全体数据集(即图 5所示的“整体集冶)的模拟,表现最优的是综合
模型,其 RMSE最小,GPLVM模型表现次之;对于学习集的回归过程,表现最好的是 GPLVM模型;对于测试集的回归,表现最好
的是 GP 模型。 从 Un鄄centered R2值可以看出,整体集的拟合效果,综合模型依然稍显优势;学习集的拟合效果,GPLVM 模型和
综合模型略好于其余模型;测试集的拟合依然是 GP 模型的表现最好。
GP,GPLVM和 BP鄄ANN都具有很好的非线性数据逼近能力。 其中 BP鄄ANN 和 GPLVM 都采用隐层抽取数据的特征值,让
数据仅由其特征值来映射到目标值。 因此实验结果中,对于学习集,BP鄄ANN和 GPLVM的精度都优于 GP。 但是 GP 和 GPLVM
都采用了 Kernel方法,把非线性数据映射到一个无限维度的高维特征空间,从而大幅增强了数据的表现力。 即使 BP鄄ANN抽取
表 1摇 地下水含盐量及其影响因素的描述性统计分析
Table 1摇 The Descriptive Statistics of Groundwater Salt Content and Its Influencing Factors
变量
Variable
最大值
Maximum
最小值
Minimum
均值
Mean
标准差
Std dev
标准误
Std error
极差
Range
变异系数
Coeff of variation
蒸发量 Evaporation / nm 669.600 18.400 310.346 223.767 27.755 651.200 72.102
降水量 Precipitation / nm 15.400 0.000 1.825 3.394 0.421 15.400 186.023
气温 Air temperature / 益 28.758 -14.874 11.200 13.704 1.700 43.632 122.355
气压 Air pressure / hPa 902.029 881.590 890.935 5.947 0.738 20.439 0.668
地下水位 Groundwater level / m 1087.738 1086.947 1087.372 0.190 0.024 0.791 0.017
电导率 Conductivity / (ms / cm) 6.953 5.356 5.898 0.438 0.054 1.596 7.424
9785摇 18期 摇 摇 摇 范进龙摇 等:基于机器学习模型的沙漠腹地地下水含盐量变化过程及模拟研究 摇
http: / / www.ecologica.cn
表 2摇 地下水含盐量及其影响因素的 Pearson相关矩阵
Table 2摇 Pearson Correlation Coefficients matrices of Groundwater Salt Content and Its Influencing Factors
蒸发量
Evaporation
降水量
Precipitation
气温
Air temperature
气压
Air pressure
地下水位
Groundwater level
电导率
Conductivity
蒸发量 Evaporation 1.0000 0.4452 0.9639 -0.9269 -0.7229 0.0047
0.0002 <0.0001 <0.0001 <0.0001 0.9705
降水量 Precipitation 0.4452 1.0000 0.4073 -0.4607 -0.3040 -0.1648
0.0002 0.0008 0.0001 0.0138 0.1897
气温 Air temperature 0.9639 0.4073 1.0000 -0.9244 -0.7339 -0.0173
<0.0001 0.0008 <0.0001 <0.0001 0.8911
气压 Air pressure -0.9269 -0.4607 -0.9244 1.0000 0.6569 -0.0544
<0.0001 0.0001 <0.0001 <0.0001 0.6669
地下水位 Groundwater level -0.7229 -0.3040 -0.7339 0.6569 1.0000 0.3795
<0.0001 0.0138 <0.0001 <0.0001 0.0018
电导率 Conductivity 0.0047 -0.1648 -0.0173 -0.0544 0.3795 1.0000
0.9705 0.1897 0.8911 0.6669 0.0018
摇 摇 单元格上方为相关系数,下方为 P值; 在 琢 = 0.05显著性水平上,P > 0.05接受零假设; N= 65
图 4摇 机器学习模型的学习与预测结果
Fig.4摇 The Study and Predicted Results of Machine Learning Models
了数据的特征值,但是其数据本身的表现力弱于 GP 和 GPLVM,所以对于测试集和整体集,BP鄄ANN 的预测精度都弱于 GP 和
GPLVM。
这 3种模型都有不同程度的预测误差和泛化性能,所以我们使用了集成学习的方法,来形成综合模型。 从实验结果来看,
对于学习集,综合模型的精度稍微弱于 GPLVM。 对于测试集,综合模型的精度稍微弱于 GP。 由于综合模型优化了 GP,GPLVM
和 BP鄄ANN的精度和泛化性能,使其对整体数据集有了更好的预测能力,因此对于整体集,综合模型的精度优于其他 3种模型。
4摇 结论
(1)本文研究的区域系统中,地下水流动系统主要受气候变化和人类活动的影响,地下水位在局部地区随开采过程呈现波
动变化。 地下水位变化过程与气压的变化规律相一致;而气温和蒸发量的季节变化规律相一致。 研究区内降水量极为稀少而
蒸发潜力异常强大,表征人类活动的地下水位变化,在所涉及的几个影响因素中的表现最为稳定。 因此地下水含盐量的变化主
0885 摇 生摇 态摇 学摇 报摇 摇 摇 33卷摇
http: / / www.ecologica.cn
图 5摇 机器学习模型的误差分析
Fig.5摇 The error analysis of machine learning models
要受气候变化的影响较多,地下水盐分含量呈上升趋势。
(2)通过地下水含盐量及其影响因素的机器学习模型识别,从测试集和学习集拟合结果及其误差分析可知:GP 模型对于
地下水含盐量的预测效果最好;GPLVM模型对于已知地下水含盐量条件下,与其他环境因素进行多元回归分析的效果最好。
而 GP、GPLVM和 BP鄄ANN 3种模型的综合模型,由于综合了 3种模型的计算结果,优化了模拟精度和泛化能力,其模拟结果对
于再现整个观测过程中,地下水含盐量与其影响因素的相互关系上,表现最好。
References:
[ 1 ]摇 Mjolsness E, DeCoste D. Machine learning for science: state of the art and future prospects. Science, 2001, 293(5537): 2051鄄2055.
[ 2 ] 摇 Coulibaly P, Anctil F, Aravena R, Bob佴e B. Artificial neural network modeling of water table depth fluctuations. Water Resources Research,
2001, 37(4): 885鄄896.
[ 3 ] 摇 Daliakopoulos I N, Coulibaly P, Tsanis I K. Groundwater level forecasting using artificial neural networks. Journal of Hydrology, 2005, 309(1 / 4):
229鄄240.
[ 4 ] 摇 Coulibaly P, Anctil F, Bobee B. Multivariate reservoir inflow forecasting using temporal neural networks. Journal of Hydrologic Engineering, 2001,
6(5): 367鄄376.
[ 5 ] 摇 Coulibaly P, Bob佴e B, Anctil F. Improving extreme hydrologic events forecasting using a new criterion for artificial neural network selection.
Hydrological Processes, 2001, 15(8): 1533鄄1536.
[ 6 ] 摇 Song S B, Cai H J. Artificial neural network model for assessing the sustainable utilization of regional water resources. Transactions of the Chinese
Society of Agricultural Engineering, 2004, 20(6): 89鄄92.
[ 7 ] 摇 Hu T S, Yuan P, Din J. Applications of artificial neural network to hydrology and water resources. Advances in Water Science, 1995, 5(1):
76鄄82.
[ 8 ] 摇 Govindaraju R S, Rao A R. Artificial Neural Networks in Hydrology. Dordrecht: Kluwer Academic Publishers, 2000.
[ 9 ] 摇 Rasmussen C E. Gaussian Processes for Machine Learning. Cambridge: The MIT Press, 2006.
[10] 摇 Wang X M, Gao X B, Li J. A new classification algorithm based on gaussian process latent variable model. Chinese Journal of Computers, 2012, 35
(12): 2661鄄2667.
1885摇 18期 摇 摇 摇 范进龙摇 等:基于机器学习模型的沙漠腹地地下水含盐量变化过程及模拟研究 摇
http: / / www.ecologica.cn
[11]摇 Liu H L, Taniguchi T. Human鄄robot interaction based on Gaussian process latent variable model. Proceedings of the 57th Annual Conference of the
Institute of Systems, Control and Information Engineering. Kobe: The Institute of Systems, Control and Information Engineers, 2013: CD鄄111鄄2.
[12] 摇 Zhang H, Wu J W, Zheng Q H, Yu Y J. A preliminary study of oasis evolution in the Tarim Basin, Xinjiang, China. Journal of Arid
Environments, 2003, 55(3): 545鄄553.
[13] 摇 Fan J L, Xu X W, Lei J Q, Zhao J F, Li S Y, Wang H F, Zhang J G, Zhou H W. The temporal and spatial fluctuation of the groundwater level
along the Tarim Desert Highway. Chinese Science Bulletin, 2008, 53(2): 53鄄62.
[14] 摇 Lei J Q, Li S Y, Jin Z Z, Fan J L, Wang H F, Fan D D, Zhou H W, Gu F, Qiu Y Z, Xu B. Comprehensive eco鄄environmental effects of the
shelter鄄forest ecological engineering along the Tarim Desert Highway. Chinese Science Bulletin, 2008, 53(S2): 190鄄202.
[15] 摇 Jiao P X. Formation and distribution of groundwater and its conditions for development and utilization in Taklimakan desert. Groundwater, 1995, 17
(3): 97鄄101.
[16] 摇 Fan J L, Xu X W, Lei J Q, Zhao J F, Wang L H. Measuring the velocity and direction of groundwater along Tarim Desert Highway. Geotechnical
Investigation & Surveying, 2009, 37(8): 51鄄55.
[17] 摇 Lawrence N D, Platt J C, Jordan M I. Extensions of the informative vector machine / / Winkler J, Niranjan M, Lawrence N, eds. Deterministic and
Statistical Methods in Machine Learning. Berlin Heidelberg: Springer, 2005: 56鄄87.
[18] 摇 Rumelhart D E, Hintont G E, Williams R J. Learning representations by back鄄propagating errors. Nature, 1986, 323(6088): 533鄄536.
[19] 摇 Rhoades J D. Salinity: Electrical conductivity and total dissolved solids / / Sparks D L, Page A L, Helmke P A, Loeppert R H, Soltanpour P N,
Tabatabai M A, Sumner M E, eds. Methods of Soil Analysis. Part 3鄄Chemical Methods. Madison: American Society of Agronomy, 1996: 417鄄435.
参考文献:
[ 6 ]摇 宋松柏, 蔡焕杰. 区域水资源可持续利用评价的人工神经网络模型. 农业工程学报, 2004, 20(6): 89鄄92.
[ 7 ] 摇 胡铁松, 袁鹏, 丁晶. 人工神经网络在水文水资源中的应用. 水科学进展, 1995, 5(1): 76鄄82.
[10] 摇 王秀美, 高新波, 李洁. 一种基于高斯隐变量模型的分类算法. 计算机学报, 2012, 35(12): 2661鄄2667.
[15] 摇 焦培新. 塔克拉玛干沙漠地下水形成分布规律及其开发利用条件. 地下水, 1995, 17(3): 97鄄101.
[16] 摇 范敬龙, 徐新文, 雷加强, 赵景峰, 王鲁海. 塔里木沙漠公路沿线地下水流速流向测定. 工程勘察, 2009, 37(8): 51鄄55.
2885 摇 生摇 态摇 学摇 报摇 摇 摇 33卷摇
粤悦栽粤 耘悦韵蕴韵郧陨悦粤 杂陨晕陨悦粤 灾燥造援猿猿袁晕燥援员愿 杂藻责援袁圆园员猿渊杂藻皂蚤皂燥灶贼澡造赠冤
悦韵晕栽耘晕栽杂
阅藻增藻造燥责皂藻灶贼 燥枣 葬早则燥藻糟燥造燥早赠 蚤灶 哉杂粤 匀哉粤晕郧 郧怎燥择蚤灶袁酝糟悦怎造造燥怎早澡 孕葬贼则蚤糟噪 耘援 渊缘源源怨冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎砸藻泽藻葬则糟澡 责则燥早则藻泽泽 燥灶 憎葬贼藻则 枣燥燥贼责则蚤灶贼 酝粤 允蚤灶早袁 孕耘晕郧 允蚤葬灶 渊缘源缘愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎粤灶葬造赠泽蚤泽 葬灶凿 藻增葬造怎葬贼蚤燥灶 燥枣 贼澡藻 藻糟燥鄄藻糟燥灶燥皂蚤糟 泽赠泽贼藻皂泽 燥枣 贼澡藻 皂葬蚤灶 糟则燥责泽 渊则蚤糟藻袁 糟燥贼贼燥灶 葬灶凿 则葬责藻泽藻藻凿冤 蚤灶 允蚤葬灶早曾蚤 孕则燥增蚤灶糟藻袁 悦澡蚤灶葬杂哉晕 宰藻蚤皂蚤灶袁 韵哉 再蚤扎澡蚤袁 匀哉粤晕郧 郧怎燥择蚤灶 渊缘源远苑冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎砸藻造葬贼蚤燥灶泽澡蚤责 葬皂燥灶早 凿则燥怎早澡贼袁 澡赠凿则葬怎造蚤糟 皂藻贼葬遭燥造蚤糟袁 糟葬则遭燥灶 泽贼葬则增葬贼蚤燥灶 葬灶凿 增藻早藻贼葬贼蚤燥灶 皂燥则贼葬造蚤贼赠 阅韵晕郧 蕴藻蚤袁 蕴陨 允蚤赠怎藻 渊缘源苑苑冤噎噎噎噎砸藻增蚤藻憎泽 燥灶 贼澡藻 藻糟燥造燥早蚤糟葬造 泽贼燥蚤糟澡蚤燥皂藻贼则赠 糟澡葬则葬糟贼藻则蚤泽贼蚤糟泽 葬灶凿 蚤贼泽 葬责责造蚤糟葬贼蚤燥灶泽在耘晕郧 阅燥灶早责蚤灶早袁 允陨粤晕郧 蕴蚤造蚤灶早袁 在耘晕郧 悦燥灶早泽澡藻灶早袁 藻贼 葬造 渊缘源愿源冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎悦燥皂责燥泽蚤贼蚤燥灶 葬灶凿 枣则葬糟贼葬造 枣藻葬贼怎则藻泽 燥枣 责怎则责造藻 泽燥蚤造 葬早早则藻早葬贼藻泽 凿怎则蚤灶早 贼澡藻 增藻早藻贼葬贼蚤燥灶 则藻泽贼燥则葬贼蚤燥灶 责则燥糟藻泽泽藻泽 蚤灶 贼澡藻 栽澡则藻藻 郧燥则早藻泽 砸藻泽藻则鄄增燥蚤则 砸藻早蚤燥灶 宰粤晕郧 再蚤澡葬燥袁 郧耘晕郧 再葬灶早澡怎蚤袁 匀哉粤晕郧 在澡燥灶早澡怎葬 渊缘源怨猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎陨皂责葬糟贼泽 燥枣 凿蚤枣枣藻则藻灶贼 泽怎则枣葬糟藻 糟燥增藻则泽 燥灶 泽燥蚤造 则藻泽责蚤则葬贼蚤燥灶 蚤灶 怎则遭葬灶 葬则藻葬泽 云哉 在澡蚤澡燥灶早袁 匀哉再粤晕 允蚤葬燥择蚤袁 蕴陨 云藻灶早袁 藻贼 葬造 渊缘缘园园冤噎噎噎噎悦澡蚤造造蚤灶早 泽藻灶泽蚤贼蚤增蚤贼蚤藻泽 燥枣 贼澡则藻藻 糟造燥泽藻造赠 则藻造葬贼藻凿 责造葬灶贼泽 憎蚤贼澡 凿蚤枣枣藻则藻灶贼 蚤灶增葬泽蚤增藻灶藻泽泽 蚤灶 杂燥怎贼澡 悦澡蚤灶葬宰粤晕郧 再怎贼葬燥袁 蕴陨 悦澡怎灶皂藻蚤袁 蕴陨 杂澡葬燥泽澡葬灶 渊缘缘园怨冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎栽澡藻 枣造燥憎藻则 泽赠凿则燥皂藻 葬灶凿 责燥造造蚤灶葬贼蚤燥灶 葬凿葬责贼葬贼蚤燥灶 燥枣 凿藻泽藻则贼 则葬则藻 泽责藻糟蚤藻泽 耘则藻皂燥泽责葬则贼燥灶 泽燥灶早燥则蚤糟怎皂 渊造蚤贼增援冤 灾葬泽泽援渊云葬遭葬糟藻葬藻冤杂匀陨 载蚤葬灶早袁 蕴陨哉 匀怎蚤造蚤葬灶早袁 在匀粤晕郧 阅葬燥赠怎葬灶袁 藻贼 葬造 渊缘缘员远冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎悦燥皂责藻贼蚤贼蚤增藻 藻枣枣藻糟贼 燥枣 孕蚤泽贼蚤葬 泽贼则葬贼蚤燥贼藻泽 贼燥 则蚤糟藻 葬灶凿 蚤贼泽 蚤皂责葬糟贼泽 燥灶 则蚤糟藻 赠蚤藻造凿 葬灶凿 泽燥蚤造 灶怎贼则蚤藻灶贼泽杂匀耘晕 杂澡蚤糟葬蚤袁 载哉 郧葬燥枣藻灶早袁 在匀粤晕郧 云怎凿燥怎袁 藻贼 葬造 渊缘缘圆猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎孕澡燥贼燥泽赠灶贼澡藻贼蚤糟 责澡赠泽蚤燥造燥早蚤糟葬造 藻糟燥造燥早赠 糟澡葬则葬糟贼藻则蚤泽贼蚤糟泽 燥枣 则葬则藻 皂藻凿蚤糟蚤灶葬造 责造葬灶贼泽 月造藻贼蚤造造葬 泽贼则蚤葬贼葬宰哉 酝蚤灶早噪葬蚤袁 蕴陨哉 匀葬蚤袁 杂匀耘晕 在澡蚤躁怎灶袁 藻贼 葬造 渊缘缘猿员冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎孕澡燥贼燥泽赠灶贼澡藻贼蚤糟 则藻泽责燥灶泽藻泽 贼燥 杂燥造葬则 哉灾 则葬凿蚤葬贼蚤燥灶 燥枣 郧则葬糟蚤造葬则蚤葬 造藻皂葬灶藻蚤枣燥则皂蚤泽 糟怎造贼怎则藻凿 怎灶凿藻则 凿蚤枣枣藻则藻灶贼 贼藻皂责藻则葬贼怎则藻泽 葬灶凿 悦韵圆糟燥灶糟藻灶贼则葬贼蚤燥灶泽 再粤晕郧 再怎造蚤灶早袁 蕴陨 宰藻蚤袁 悦匀耘晕 宰藻蚤扎澡燥怎袁 藻贼 葬造 渊缘缘猿愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎栽澡藻 藻枣枣藻糟贼 燥枣 泽燥蚤造 燥曾赠早藻灶 葬增葬蚤造葬遭蚤造蚤贼赠 燥灶 早则藻藻灶澡燥怎泽藻 早葬泽藻泽 藻皂蚤泽泽蚤燥灶 蚤灶 葬 凿燥怎遭造藻 则蚤糟藻 枣蚤藻造凿匝陨晕 载蚤葬燥遭燥袁 蕴陨 再怎忆藻袁 宰粤晕 再怎灶枣葬灶袁 藻贼 葬造 渊缘缘源远冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎耘枣枣藻糟贼泽 燥枣 灶蚤贼则燥早藻灶 皂葬灶葬早藻皂藻灶贼 燥灶 晕匀猿 增燥造葬贼蚤造蚤扎葬贼蚤燥灶 葬灶凿 灶蚤贼则燥早藻灶 怎泽藻 藻枣枣蚤糟蚤藻灶糟赠 怎灶凿藻则 灶燥鄄贼蚤造造葬早藻 责葬凿凿赠 枣蚤藻造凿泽酝粤 再怎澡怎葬袁 蕴陨哉 月蚤灶早袁 在匀粤晕郧 在澡蚤泽澡藻灶早袁 藻贼 葬造 渊缘缘缘远冤
噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎杂贼怎凿赠 燥灶 糟澡葬则葬糟贼藻则蚤泽贼蚤糟泽 燥枣 灶藻贼 责澡燥贼燥泽赠灶贼澡藻贼蚤糟 则葬贼藻 燥枣 贼憎燥 噪蚤灶凿泽 燥枣 贼则藻藻 泽澡葬责藻 葬灶凿 陨皂责葬糟贼 云葬糟贼燥则泽 蚤灶 运燥则造葬 枣则葬早则葬灶贼 责藻葬则杂哉晕 郧怎蚤造蚤袁 载哉 酝蚤灶袁 蕴陨 允蚤葬灶早袁 藻贼 葬造 渊缘缘远缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎耘枣枣藻糟贼泽 燥枣 泽葬灶凿 遭怎则蚤葬造 燥灶 早则燥憎贼澡袁 泽怎则增蚤增葬造袁责澡燥贼燥泽赠灶贼澡藻贼蚤糟 葬灶凿 贼则葬灶泽责蚤则葬贼蚤燥灶 责则燥责藻则贼蚤藻泽 燥枣 粤早则蚤燥责澡赠造造怎皂 泽择怎葬则则燥泽怎皂 泽藻藻凿造蚤灶早泽在匀粤韵 匀葬造蚤灶袁 匝哉 匀葬燥袁 在匀韵哉 砸怎蚤造蚤葬灶袁藻贼 葬造 渊缘缘苑源冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎耘枣枣藻糟贼泽 燥枣 怎泽蚤灶早 责造葬泽贼蚤糟 枣蚤造皂 葬泽 皂怎造糟澡 糟燥皂遭蚤灶藻凿 憎蚤贼澡 遭怎灶糟澡 责造葬灶贼蚤灶早 燥灶 泽燥蚤造 贼藻皂责藻则葬贼怎则藻袁 皂燥蚤泽贼怎则藻 葬灶凿 赠蚤藻造凿 燥枣 泽责则蚤灶早 憎澡藻葬贼 蚤灶 葬泽藻皂蚤鄄葬则蚤凿 葬则藻葬 蚤灶 凿则赠造葬灶凿泽 燥枣 郧葬灶泽怎袁 悦澡蚤灶葬 宰粤晕郧 匀燥灶早造蚤袁 杂韵晕郧 杂澡葬灶早赠燥怎袁 在匀粤晕郧 载怎糟澡藻灶早袁 藻贼 葬造 渊缘缘愿园冤噎噎噎噎噎噎噎杂贼怎凿赠 燥灶 泽燥蚤造 葬早早则藻早葬贼藻泽 泽贼葬遭蚤造蚤贼赠 燥枣 皂怎造遭藻则则赠 则蚤凿早藻 蚤灶 砸燥糟噪赠 阅藻泽藻则贼蚤枣蚤糟葬贼蚤燥灶 遭葬泽藻凿 燥灶 蕴藻 月蚤泽泽燥灶灶葬蚤泽 皂藻贼澡燥凿宰粤晕郧 杂葬灶泽澡怎袁 匀哉粤晕郧 载蚤葬灶扎澡蚤袁 杂匀陨 阅燥灶早皂藻蚤袁 藻贼 葬造 渊缘缘愿怨冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎耘枣枣藻糟贼泽 燥枣 枣藻则贼蚤造蚤扎葬贼蚤燥灶 燥灶 灶蚤贼则燥早藻灶 造燥泽泽 憎蚤贼澡 凿蚤枣枣藻则藻灶贼 枣燥则皂泽 增蚤葬 则怎灶燥枣枣 葬灶凿 泽藻藻责葬早藻 怎灶凿藻则 孕澡赠造造燥泽贼葬糟澡赠 责则葬藻糟燥曾 泽贼葬灶凿泽悦匀耘晕 孕藻蚤责藻蚤袁 宰哉 允蚤葬泽藻灶袁 在匀耘晕郧 载蚤葬燥造燥灶早袁 藻贼 葬造 渊缘缘怨怨冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎悦澡葬则葬糟贼藻则蚤泽贼蚤糟泽 燥枣 责澡赠泽蚤燥造燥早蚤糟葬造 早则燥怎责泽 燥枣 泽燥蚤造 灶蚤贼则燥早藻灶鄄贼则葬灶泽枣燥则皂蚤灶早 皂蚤糟则燥遭藻泽 蚤灶 凿蚤枣枣藻则藻灶贼 增藻早藻贼葬贼蚤燥灶 贼赠责藻泽 蚤灶 贼澡藻 蕴燥藻泽泽 郧怎造造赠则藻早蚤燥灶袁 悦澡蚤灶葬 载陨晕郧 载蚤葬燥赠蚤袁 匀哉粤晕郧 再蚤皂藻蚤袁粤晕 杂澡葬燥泽澡葬灶袁 藻贼 葬造 渊缘远园愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎耘枣枣藻糟贼泽 燥枣 增藻早藻贼葬贼蚤燥灶 贼赠责藻泽 燥灶 泽燥蚤造 皂蚤糟则燥遭蚤葬造 遭蚤燥皂葬泽泽 悦袁 晕袁 孕 燥灶 贼澡藻 蕴燥藻泽泽 匀蚤造造赠 粤则藻葬在匀粤韵 栽燥灶早袁再粤晕 匀葬燥袁允陨粤晕郧 再怎藻造蚤袁藻贼 葬造 渊缘远员缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎陨灶枣造怎藻灶糟藻 燥枣 皂怎造糟澡蚤灶早 皂葬灶葬早藻皂藻灶贼 燥灶 泽燥蚤造 皂蚤糟则燥遭藻 葬灶凿 蚤贼泽 则藻造葬贼蚤燥灶泽澡蚤责 憎蚤贼澡 泽燥蚤造 灶怎贼则蚤藻灶贼 蚤灶 孕澡赠造造燥泽贼葬糟澡赠泽 责则葬藻糟燥曾 泽贼葬灶凿郧哉韵 在蚤憎怎袁 再哉 宰藻灶曾蚤葬灶袁 悦匀耘晕 杂澡怎葬灶早造蚤灶袁 藻贼 葬造 渊缘远圆猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎耘枣枣藻糟贼 燥枣 则葬蚤灶枣葬造造 燥灶 贼澡藻 泽藻葬泽燥灶葬造 增葬则蚤葬贼蚤燥灶 燥枣 泽燥蚤造 则藻泽责蚤则葬贼蚤燥灶 蚤灶 匀怎造怎灶遭藻则 酝藻葬凿燥憎 杂贼藻责责藻宰粤晕郧 载怎袁 再粤晕 再怎糟澡怎灶袁 再粤晕 砸怎蚤则怎蚤袁 藻贼 葬造 渊缘远猿员冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎杂责葬贼蚤葬造 澡藻贼藻则燥早藻灶藻蚤贼赠 燥枣 枣蚤灶藻 则燥燥贼泽 蚤灶 葬 泽怎遭贼则燥责蚤糟葬造 藻增藻则早则藻藻灶 遭则燥葬凿鄄造藻葬增藻凿 枣燥则藻泽贼 葬灶凿 贼澡藻蚤则 泽葬皂责造蚤灶早 泽贼则葬贼藻早赠 遭葬泽藻凿 燥灶 泽燥蚤造 糟燥则蚤灶早皂藻贼澡燥凿 匀哉粤晕郧 悦澡葬燥糟澡葬燥袁 匀哉粤晕郧 允蚤灶曾怎藻袁 载陨韵晕郧 阅藻糟澡藻灶早袁 藻贼 葬造 渊缘远猿远冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎悦澡葬灶早藻泽 燥枣 造藻葬枣 贼则葬蚤贼泽 葬灶凿 宰哉耘 憎蚤贼澡 糟则燥憎灶 澡藻蚤早澡贼 燥枣 枣燥怎则 贼葬造造 贼则藻藻 泽责藻糟蚤藻泽 匀耘 悦澡怎灶曾蚤葬袁蕴陨 允蚤赠怎藻袁 酝耘晕郧 孕蚤灶早袁 藻贼 葬造 渊缘远源源冤噎噎噎杂葬责 枣造燥憎 凿赠灶葬皂蚤糟泽 燥枣 孕燥责怎造怎泽 葬造遭葬 蕴援伊孕援贼葬造葬泽泽蚤糟葬 责造葬灶贼葬贼蚤燥灶 蚤灶 葬则蚤凿 凿藻泽藻则贼 葬则藻葬 在匀粤晕郧 允怎灶袁 蕴陨 载蚤葬燥枣藻蚤袁 蕴陨 允蚤葬灶早怎蚤袁藻贼 葬造 渊缘远缘缘冤噎耘枣枣藻糟贼泽 燥枣 泽蚤皂怎造葬贼藻凿 贼藻皂责藻则葬贼怎则藻 蚤灶糟则藻葬泽藻 葬灶凿 增葬则赠 造蚤贼贼造藻 择怎葬造蚤贼赠 燥灶 造蚤贼贼藻则 凿藻糟燥皂责燥泽蚤贼蚤燥灶蕴陨哉 砸怎蚤责藻灶早袁 酝粤韵 在蚤躁怎灶袁 蕴陨 载蚤灶早澡怎葬灶袁 藻贼 葬造 渊缘远远员冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎栽澡藻 藻枣枣藻糟贼泽 燥枣 造藻葬枣 泽贼燥蚤糟澡蚤燥糟澡藻皂蚤泽贼则蚤糟 糟澡葬则葬糟贼藻则泽 燥灶 造蚤贼贼藻则 贼怎则灶燥增藻则 蚤灶 葬灶 葬则蚤凿鄄澡燥贼 增葬造造藻赠 燥枣 允蚤灶泽澡葬 砸蚤增藻则袁 悦澡蚤灶葬再粤晕 月葬灶早早怎燥袁 允陨 在澡燥灶早澡怎葬袁 匀耘 郧怎葬灶早曾蚤燥灶早袁 藻贼 葬造 渊缘远远愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎悦燥皂责葬则蚤泽燥灶 燥枣 糟燥灶糟藻灶贼则葬贼蚤燥灶泽 燥枣 灶燥灶鄄泽贼则怎糟贼怎则葬造 糟葬则遭燥澡赠凿则葬贼藻泽 遭藻贼憎藻藻灶 灶藻憎 贼憎蚤早泽 葬灶凿 燥造凿 遭则葬灶糟澡藻泽 枣燥则 员圆 贼藻皂责藻则葬贼藻 泽责藻糟蚤藻泽在匀粤晕郧 匀葬蚤赠葬灶袁 宰粤晕郧 悦澡怎葬灶噪怎葬灶袁 宰粤晕郧 载蚤灶早糟澡葬灶早 渊缘远苑缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎悦燥皂遭蚤灶藻凿 藻枣枣藻糟贼泽 燥枣 则燥燥贼 糟怎贼贼蚤灶早袁 葬怎曾蚤灶 葬责责造蚤糟葬贼蚤燥灶袁 葬灶凿 责燥贼葬泽泽蚤怎皂 枣藻则贼蚤造蚤扎藻则 燥灶 早则燥憎贼澡袁 泽怎早葬则院灶蚤糟燥贼蚤灶藻 则葬贼蚤燥袁 葬灶凿 燥则早葬灶蚤糟 责燥贼葬泽泽蚤鄄怎皂 蚤灶凿藻曾 燥枣 枣造怎藻鄄糟怎则藻凿 贼燥遭葬糟糟燥 宰哉 再葬灶澡怎蚤袁 载哉耘 蕴蚤曾蚤灶袁 载哉 在蚤糟澡藻灶早袁 藻贼 葬造 渊缘远愿远冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎耘枣枣藻糟贼泽 燥枣 责澡燥贼燥责藻则蚤燥凿 葬灶凿 澡蚤早澡 枣葬贼 凿蚤藻贼 燥灶 藻灶藻则早赠 蚤灶贼葬噪藻 葬灶凿 贼澡藻则皂燥早藻灶藻泽蚤泽 蚤灶 枣藻皂葬造藻 粤责燥凿藻皂怎泽 糟澡藻增则蚤藻则蚤郧粤韵 宰藻灶则燥灶早袁在匀哉 宰葬灶造燥灶早袁酝耘晕郧 蕴蚤澡怎葬袁藻贼 葬造 渊缘远怨远冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎耘枣枣藻糟贼泽 燥枣 凿蚤藻贼葬则赠 糟澡造燥则燥早藻灶蚤糟 葬糟蚤凿 泽怎责责造藻皂藻灶贼葬贼蚤燥灶 燥灶 葬灶贼蚤燥曾蚤凿葬灶贼 泽赠泽贼藻皂 葬灶凿 葬灶贼蚤鄄造燥憎 泽葬造蚤灶蚤贼赠 燥枣 蕴蚤贼燥责藻灶葬藻怎泽 增葬灶灶葬皂藻蚤宰粤晕郧 再怎灶袁 蕴陨 在澡藻灶早袁 蕴陨 允蚤葬灶袁 藻贼 葬造 渊缘苑园源冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
砸藻泽责燥灶泽藻泽 燥枣 凿藻泽藻则贼 责造葬灶贼 凿蚤增藻则泽蚤贼赠袁 糟燥皂皂怎灶蚤贼赠 葬灶凿 蚤灶贼藻则泽责藻糟蚤枣蚤糟 葬泽泽燥糟蚤葬贼蚤燥灶 贼燥 泽燥蚤造 泽葬造蚤灶蚤贼赠 早则葬凿蚤藻灶贼在匀粤晕郧 载怎藻灶蚤袁 蕴譈 郧怎葬灶早澡怎蚤袁 再粤晕郧 载蚤葬燥凿燥灶早袁 藻贼 葬造 渊缘苑员源冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎悦燥皂皂怎灶蚤贼赠 糟澡葬则葬糟贼藻则蚤泽贼蚤糟泽 蚤灶 葬 糟澡则燥灶燥泽藻择怎藻灶糟藻 燥枣 噪葬则泽贼 增藻早藻贼葬贼蚤燥灶 蚤灶 酝葬泽澡葬灶 糟燥怎灶贼赠袁 郧怎葬灶早曾蚤宰耘晕 再怎葬灶早怎葬灶早袁 蕴耘陨 蕴蚤择怎灶袁 在匀哉 匀燥灶早早怎葬灶早袁 藻贼 葬造 渊缘苑圆猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎粤泽泽燥糟蚤葬贼蚤燥灶 遭藻贼憎藻藻灶 藻灶增蚤则燥灶皂藻灶贼 葬灶凿 糟燥皂皂怎灶蚤贼赠 燥枣 孕蚤灶怎泽 贼葬蚤憎葬灶藻灶泽蚤泽 蚤灶 阅葬蚤赠怎灶 酝燥怎灶贼葬蚤灶蕴陨哉 允蚤灶枣怎袁在匀哉 阅藻澡怎葬灶早袁蕴粤晕 杂蚤则藻灶袁藻贼 葬造 渊缘苑猿员冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎栽澡藻 凿赠灶葬皂蚤糟泽 燥枣 泽燥蚤造 枣葬怎灶葬 糟燥皂皂怎灶蚤贼赠 凿怎则蚤灶早 造蚤贼贼藻则 凿藻糟燥皂责燥泽蚤贼蚤燥灶 葬贼 凿蚤枣枣藻则藻灶贼 责澡藻灶燥造燥早蚤糟葬造 泽贼葬早藻泽 蚤灶 贼澡藻 泽怎遭贼则燥责蚤糟葬造 藻增藻则早则藻藻灶遭则燥葬凿鄄造藻葬增藻凿 枣燥则藻泽贼泽 蚤灶 杂蚤糟澡怎葬灶 遭葬泽蚤灶 宰粤晕郧 宰藻灶躁怎灶袁 再粤晕郧 宰葬灶择蚤灶袁 栽粤晕 月燥袁 藻贼 葬造 渊缘苑猿苑冤噎噎噎噎噎噎噎噎噎噎噎噎噎杂藻葬泽燥灶葬造 凿赠灶葬皂蚤糟泽 葬灶凿 糟燥灶贼藻灶贼 燥枣 泽燥蚤造 造葬遭蚤造藻 燥则早葬灶蚤糟 糟葬则遭燥灶 燥枣 皂蚤凿鄄泽怎遭贼则燥责蚤糟葬造 藻增藻则早则藻藻灶 遭则燥葬凿造藻葬增藻凿 枣燥则藻泽贼 凿怎则蚤灶早 灶葬贼怎则葬造 泽怎糟糟藻鄄泽泽蚤燥灶 云粤晕 再怎藻曾蚤灶袁再粤晕郧 再怎泽澡藻灶早袁再粤晕郧 在澡蚤躁蚤藻袁藻贼 葬造 渊缘苑缘员冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎栽澡藻 泽贼燥蚤糟澡蚤燥皂藻贼则蚤糟 糟澡葬则葬糟贼藻则蚤泽贼蚤糟泽 燥枣 悦袁 晕袁 孕 枣燥则 葬则贼蚤枣蚤糟蚤葬造 责造葬灶贼泽 葬灶凿 泽燥蚤造 蚤灶 贼澡藻 澡蚤灶贼藻则造葬灶凿 燥枣 栽葬噪造蚤皂葬噪葬灶 阅藻泽藻则贼蕴陨 悦燥灶早躁怎葬灶袁 蕴耘陨 允蚤葬择蚤葬灶早袁 载哉 载蚤灶憎藻灶袁藻贼 葬造 渊缘苑远园冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎粤 责则藻造蚤皂蚤灶葬则赠 蚤灶增藻泽贼蚤早葬贼蚤燥灶 燥灶 贼澡藻 责燥责怎造葬贼蚤燥灶 葬灶凿 遭藻澡葬增蚤燥则 燥枣 贼澡藻 栽怎灶凿则葬 杂憎葬灶 渊悦赠早灶怎泽 糟燥造怎皂遭蚤葬灶怎泽冤 蚤灶 孕燥赠葬灶早 蕴葬噪藻阅粤陨 晕蚤葬灶澡怎葬袁 杂匀粤韵 酝蚤灶早择蚤灶袁允陨粤晕郧 蕴蚤澡燥灶早袁 藻贼 葬造 渊缘苑远愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎耘枣枣藻糟贼泽 燥枣 灶怎贼则蚤藻灶贼 藻灶则蚤糟澡皂藻灶贼 葬灶凿 枣蚤泽澡 泽贼燥糟噪蚤灶早 燥灶 泽怎糟糟藻泽泽蚤燥灶 葬灶凿 凿蚤增藻则泽蚤贼赠 燥枣 责澡赠贼燥责造葬灶噪贼燥灶 糟燥皂皂怎灶蚤贼赠悦匀耘晕 悦澡怎灶袁 蕴陨 杂蚤躁蚤葬袁 载陨粤韵 蕴蚤躁怎葬灶袁 匀粤晕 月燥责蚤灶早 渊缘苑苑苑冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎栽澡藻 凿藻责燥泽蚤贼蚤燥灶葬造 藻灶增蚤则燥灶皂藻灶贼 葬灶凿 燥则早葬灶蚤糟 泽藻凿蚤皂藻灶贼 糟燥皂责燥灶藻灶贼 燥枣 阅葬早扎藻 悦燥袁 葬 泽葬造蚤灶藻 造葬噪藻 蚤灶 栽蚤遭藻贼袁 悦澡蚤灶葬蕴陨哉 杂澡葬泽澡葬袁 允陨粤 匝蚤灶曾蚤葬灶袁 蕴陨哉 载蚤枣葬灶早袁 藻贼 葬造 渊缘苑愿缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎杂责葬贼蚤燥贼藻皂责燥则葬造 增葬则蚤葬贼蚤燥灶 燥枣 蚤灶贼藻则葬糟贼蚤灶早 则藻造葬贼蚤燥灶泽澡蚤责泽 葬皂燥灶早 皂怎造贼蚤责造藻 责则燥增蚤泽蚤燥灶蚤灶早 葬灶凿 则藻早怎造葬贼蚤灶早 泽藻则增蚤糟藻泽 燥枣 栽蚤遭藻贼 早则葬泽泽造葬灶凿 藻糟燥泽赠泽鄄贼藻皂 孕粤晕 再蚤灶早袁 载哉 在藻灶早则葬灶早袁 再哉 悦澡藻灶早择怎灶袁 藻贼 葬造 渊缘苑怨源冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎杂责葬贼蚤葬造 凿蚤泽贼则蚤遭怎贼蚤燥灶 燥枣 凿蚤泽泽造燥增藻凿 葬皂蚤灶燥 葬糟蚤凿泽 蚤灶 蕴葬噪藻 栽葬蚤澡怎袁 悦澡蚤灶葬 再粤韵 载蚤灶袁 在匀哉 郧怎葬灶早憎藻蚤袁 郧粤韵 郧怎葬灶早袁 藻贼 葬造 渊缘愿园圆冤噎噎噎噎砸杂鄄 葬灶凿 郧陨杂鄄遭葬泽藻凿 泽贼怎凿赠 燥灶 藻糟燥造燥早蚤糟葬造 枣怎灶糟贼蚤燥灶 则藻早蚤燥灶葬造蚤扎葬贼蚤燥灶 蚤灶 贼澡藻 悦澡葬燥澡怎 蕴葬噪藻 月葬泽蚤灶袁 粤灶澡怎蚤 孕则燥增蚤灶糟藻袁 悦澡蚤灶葬宰粤晕郧 悦澡怎葬灶澡怎蚤袁 宰哉 蕴蚤袁 宰粤晕郧 载蚤灶赠怎葬灶袁 藻贼 葬造 渊缘愿园愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎栽则藻灶凿泽 燥枣 泽责则蚤灶早 皂葬蚤扎藻 责澡藻灶燥责澡葬泽藻泽 葬灶凿 泽责葬贼蚤燥鄄贼藻皂责燥则葬造 则藻泽责燥灶泽藻泽 贼燥 贼藻皂责藻则葬贼怎则藻 蚤灶 贼澡则藻藻 责则燥增蚤灶糟藻泽 燥枣 晕燥则贼澡藻葬泽贼 悦澡蚤灶葬 凿怎则蚤灶早贼澡藻 责葬泽贼 圆园 赠藻葬则泽 蕴陨 在澡藻灶早早怎燥袁 再粤晕郧 孕藻灶早袁 栽粤晕郧 匀怎葬躁怎灶袁 藻贼 葬造 渊缘愿员愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎杂责藻糟蚤藻泽 泽藻造藻糟贼蚤燥灶 枣燥则 造葬灶凿泽糟葬责藻 则藻澡葬遭蚤造蚤贼葬贼蚤燥灶 葬灶凿 贼澡藻蚤则 则藻泽责燥灶泽藻 贼燥 藻灶增蚤则燥灶皂藻灶贼葬造 枣葬糟贼燥则泽 蚤灶 孕燥赠葬灶早 蕴葬噪藻 憎藻贼造葬灶凿泽载陨耘 阅燥灶早皂蚤灶早袁 允陨晕 郧怎燥澡怎葬袁 在匀韵哉 再葬灶早皂蚤灶早袁 藻贼 葬造 渊缘愿圆愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎栽藻皂责燥则葬造 葬灶凿 泽责葬贼蚤葬造 责葬贼贼藻则灶 燥枣 贼澡藻 责澡赠贼燥责造葬灶噪贼燥灶 遭蚤燥皂葬泽泽 蚤灶 贼澡藻 孕藻葬则造 砸蚤增藻则 阅藻造贼葬 宰粤晕郧 悦澡葬燥袁 蕴陨 载蚤灶澡怎蚤袁 蕴粤陨 在蚤灶蚤袁 藻贼 葬造 渊缘愿猿缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎杂责葬贼蚤燥鄄贼藻皂责燥则葬造 凿赠灶葬皂蚤糟泽 燥枣 造葬灶凿 怎泽藻 辕 造葬灶凿 糟燥增藻则 葬灶凿 蚤贼泽 凿则蚤增蚤灶早 枣燥则糟藻泽 蚤灶 晕葬灶躁蚤灶早 枣则燥皂 员怨怨缘 贼燥 圆园园愿允陨粤 月葬燥择怎葬灶袁宰粤晕郧 悦澡藻灶早袁匝陨哉 耘则枣葬 渊缘愿源愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎悦澡葬灶早藻泽 燥枣 燥则早葬灶蚤糟 糟葬则遭燥灶 葬灶凿 蚤贼泽 造葬遭蚤造藻 枣则葬糟贼蚤燥灶泽 蚤灶 贼燥责泽燥蚤造 憎蚤贼澡 葬造贼蚤贼怎凿藻 蚤灶 泽怎遭葬造责蚤灶藻鄄葬造责蚤灶藻 葬则藻葬 燥枣 泽燥怎贼澡憎藻泽贼藻则灶 悦澡蚤灶葬匝陨晕 允蚤澡燥灶早袁 宰粤晕郧 匝蚤灶袁 杂哉晕 匀怎蚤 渊缘愿缘愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎栽澡藻 糟葬则遭燥灶 泽蚤灶噪 燥枣 怎则遭葬灶 枣燥则藻泽贼泽 葬灶凿 藻枣枣蚤糟葬糟赠 燥灶 燥枣枣泽藻贼贼蚤灶早 藻灶藻则早赠 糟葬则遭燥灶 藻皂蚤泽泽蚤燥灶泽 枣则燥皂 糟蚤贼赠 蚤灶 郧怎葬灶早扎澡燥怎在匀韵哉 允蚤葬灶袁 载陨粤韵 砸燥灶早遭燥袁 在匀哉粤晕郧 悦澡葬灶早憎藻蚤袁 藻贼 葬造 渊缘愿远缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎郧则燥怎灶凿憎葬贼藻则 泽葬造贼 糟燥灶贼藻灶贼 糟澡葬灶早藻 葬灶凿 蚤贼泽 泽蚤皂怎造葬贼蚤燥灶 遭葬泽藻凿 燥灶 皂葬糟澡蚤灶藻 造藻葬则灶蚤灶早 皂燥凿藻造 蚤灶 澡蚤灶贼藻则造葬灶凿泽 燥枣 栽葬噪造蚤皂葬噪葬灶 阅藻泽藻则贼云粤晕 允蚤灶早造燥灶早袁 蕴陨哉 匀葬蚤造燥灶早袁 蕴耘陨 允蚤葬择蚤葬灶早袁 藻贼 葬造 渊缘愿苑源冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎粤灶葬造赠泽蚤泽 燥枣 糟燥燥则凿蚤灶葬贼蚤燥灶 凿藻早则藻藻 遭藻贼憎藻藻灶 怎则遭葬灶 凿藻增藻造燥责皂藻灶贼 葬灶凿 憎葬贼藻则 则藻泽燥怎则糟藻泽 责燥贼藻灶贼蚤葬造泽 蚤灶 葬则蚤凿 燥葬泽蚤泽 糟蚤贼赠载陨粤 云怎择蚤葬灶早袁栽粤晕郧 匀燥灶早袁再粤晕郧 阅藻早葬灶早袁藻贼 葬造 渊缘愿愿猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎悦燥灶泽贼则怎糟贼蚤灶早 葬灶 葬泽泽藻泽泽皂藻灶贼 蚤灶凿蚤糟藻泽 泽赠泽贼藻皂 贼燥 葬灶葬造赠扎藻 蚤灶贼藻早则葬贼藻凿 则藻早蚤燥灶葬造 糟葬则则赠蚤灶早 糟葬责葬糟蚤贼赠 蚤灶 贼澡藻 糟燥葬泽贼葬造 扎燥灶藻泽院 葬 糟葬泽藻 蚤灶 晕葬灶贼燥灶早宰耘陨 悦澡葬燥袁 再耘 杂澡怎枣藻灶早袁 郧哉韵 在澡燥灶早赠葬灶早袁 藻贼 葬造 渊缘愿怨猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎云蚤泽澡 泽责藻糟蚤藻泽 凿蚤增藻则泽蚤贼赠 蚤灶 在澡燥灶早躁蚤藻泽澡葬灶 陨泽造葬灶凿泽 酝葬则蚤灶藻 孕则燥贼藻糟贼藻凿 粤则藻葬 渊酝孕粤冤 蕴陨粤晕郧 允怎灶袁 载哉 匀葬灶曾蚤葬灶早袁 宰粤晕郧 宰藻蚤凿蚤灶早 渊缘怨园缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎阅蚤泽贼则蚤遭怎贼蚤燥灶 葬灶凿 造燥灶早鄄贼藻则皂 糟澡葬灶早藻泽 燥枣 灶藻贼鄄责澡赠贼燥责造葬灶噪贼燥灶 蚤灶 贼澡藻 贼蚤凿葬造 枣则藻泽澡憎葬贼藻则 藻泽贼怎葬则赠 燥枣 悦澡葬灶早躁蚤葬灶早 凿怎则蚤灶早 憎藻贼 泽藻葬泽燥灶允陨粤晕郧 在澡蚤遭蚤灶早袁 蕴陨哉 允蚤灶早躁蚤灶早袁 蕴陨 匀燥灶早造蚤葬灶早袁 藻贼 葬造 渊缘怨员苑冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎杂贼怎凿赠 燥枣 怎则遭葬灶 皂藻贼葬遭燥造蚤糟 泽贼则怎糟贼怎则藻 遭葬泽藻凿 燥灶 藻糟燥造燥早蚤糟葬造 灶藻贼憎燥则噪院 葬 糟葬泽藻 泽贼怎凿赠 燥枣 阅葬造蚤葬灶蕴陨哉 郧藻灶早赠怎葬灶袁 再粤晕郧 在澡蚤枣藻灶早袁 悦匀耘晕 月蚤灶袁 藻贼 葬造 渊缘怨圆远冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎云葬糟贼燥则泽 蚤灶枣造怎藻灶糟蚤灶早 燥枣 则藻泽蚤凿藻灶贼泽忆 贼燥造藻则葬灶糟藻 贼燥憎葬则凿泽 憎蚤造凿 遭燥葬则 蚤灶 葬灶凿 灶藻葬则 灶葬贼怎则藻 则藻泽藻则增藻院 栽葬噪蚤灶早 贼澡藻 匀藻蚤造燥灶早躁蚤葬灶早 云藻灶早澡怎葬灶早泽澡葬灶晕葬贼怎则藻 砸藻泽藻则增藻 葬泽 贼澡藻 藻曾葬皂责造藻 载哉 云藻蚤袁悦粤陨 栽蚤躁蚤怎袁允哉 悦怎灶赠燥灶早袁藻贼 葬造 渊缘怨猿缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎匀藻则凿泽皂藻灶忆泽 憎蚤造造蚤灶早灶藻泽泽 贼燥 责葬则贼蚤糟蚤责葬贼藻 蚤灶 藻糟燥造燥早蚤糟葬造 责则燥贼藻糟贼蚤燥灶 蚤灶 杂葬灶躁蚤葬灶早赠怎葬灶 砸藻早蚤燥灶袁 悦澡蚤灶葬蕴陨 匀怎蚤皂藻蚤袁 在匀粤晕郧 粤灶造怎袁宰粤晕郧 杂澡葬灶袁藻贼 葬造 渊缘怨源猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎粤灶葬造赠泽蚤泽 燥枣 枣蚤则泽贼 枣造怎泽澡 蚤灶 则葬蚤灶枣葬造造 则怎灶燥枣枣 蚤灶 杂澡藻灶赠葬灶早 怎则遭葬灶 糟蚤贼赠 蕴陨 悦澡怎灶造蚤灶袁 蕴陨哉 酝蚤葬燥袁 匀哉 再怎葬灶皂葬灶袁 藻贼 葬造 渊缘怨缘圆冤噎噎噎噎噎噎噎
圆远怨缘 摇 生摇 态摇 学摇 报摇 摇 摇 猿猿卷摇
叶生态学报曳圆园员猿年征订启事
叶生态学报曳是由中国科学技术协会主管袁中国生态学学会尧中国科学院生态环境研究中心主办的生态学
高级专业学术期刊袁创刊于 员怨愿员年袁报道生态学领域前沿理论和原始创新性研究成果遥 坚持野百花齐放袁百家
争鸣冶的方针袁依靠和团结广大生态学科研工作者袁探索生态学奥秘袁为生态学基础理论研究搭建交流平台袁
促进生态学研究深入发展袁为我国培养和造就生态学科研人才和知识创新服务尧为国民经济建设和发展服务遥
叶生态学报曳主要报道生态学及各分支学科的重要基础理论和应用研究的原始创新性科研成果遥 特别欢
迎能反映现代生态学发展方向的优秀综述性文章曰研究简报曰生态学新理论尧新方法尧新技术介绍曰新书评价和
学术尧科研动态及开放实验室介绍等遥
叶生态学报曳为半月刊袁大 员远开本袁猿园园页袁国内定价 怨园元 辕册袁全年定价 圆员远园元遥
国内邮发代号院愿圆鄄苑袁国外邮发代号院酝远苑园
标准刊号院陨杂杂晕 员园园园鄄园怨猿猿摇 摇 悦晕 员员鄄圆园猿员 辕 匝
全国各地邮局均可订阅袁也可直接与编辑部联系购买遥 欢迎广大科技工作者尧科研单位尧高等院校尧图书
馆等订阅遥
通讯地址院 员园园园愿缘 北京海淀区双清路 员愿号摇 电摇 摇 话院 渊园员园冤远圆怨源员园怨怨曰 远圆愿源猿猿远圆
耘鄄皂葬蚤造院 泽澡藻灶早贼葬蚤曾怎藻遭葬燥岳 则糟藻藻泽援葬糟援糟灶摇 网摇 摇 址院 憎憎憎援藻糟燥造燥早蚤糟葬援糟灶
本期责任副主编摇 陈利顶摇 摇 摇 编辑部主任摇 孔红梅摇 摇 摇 执行编辑摇 刘天星摇 段摇 靖
生摇 态摇 学摇 报渊杂匀耘晕郧栽粤陨摇 载哉耘月粤韵冤渊半月刊摇 员怨愿员年 猿月创刊冤
第 猿猿卷摇 第 员愿期摇 渊圆园员猿年 怨月冤
粤悦栽粤 耘悦韵蕴韵郧陨悦粤 杂陨晕陨悦粤摇渊杂藻皂蚤皂燥灶贼澡造赠袁杂贼葬则贼藻凿 蚤灶 员怨愿员冤摇灾燥造郾 猿猿摇 晕燥郾 员愿 渊杂藻责贼藻皂遭藻则袁 圆园员猿冤
编摇 摇 辑摇 叶生态学报曳编辑部
地址院北京海淀区双清路 员愿号
邮政编码院员园园园愿缘
电话院渊园员园冤远圆怨源员园怨怨憎憎憎援藻糟燥造燥早蚤糟葬援糟灶泽澡藻灶早贼葬蚤曾怎藻遭葬燥岳 则糟藻藻泽援葬糟援糟灶
主摇 摇 编摇 王如松
主摇 摇 管摇 中国科学技术协会
主摇 摇 办摇 中国生态学学会
中国科学院生态环境研究中心
地址院北京海淀区双清路 员愿号
邮政编码院员园园园愿缘
出摇 摇 版摇
摇 摇 摇 摇 摇 地址院北京东黄城根北街 员远号
邮政编码院员园园苑员苑
印摇 摇 刷摇 北京北林印刷厂
发 行摇
地址院东黄城根北街 员远号
邮政编码院员园园苑员苑
电话院渊园员园冤远源园猿源缘远猿耘鄄皂葬蚤造院躁燥怎则灶葬造岳 糟泽责早援灶藻贼
订摇 摇 购摇 全国各地邮局
国外发行摇 中国国际图书贸易总公司
地址院北京 猿怨怨信箱
邮政编码院员园园园源源
广告经营
许 可 证摇 京海工商广字第 愿园员猿号
耘凿蚤贼藻凿 遭赠摇 耘凿蚤贼燥则蚤葬造 遭燥葬则凿 燥枣
粤悦栽粤 耘悦韵蕴韵郧陨悦粤 杂陨晕陨悦粤
粤凿凿院员愿袁杂澡怎葬灶早择蚤灶早 杂贼则藻藻贼袁匀葬蚤凿蚤葬灶袁月藻蚤躁蚤灶早 员园园园愿缘袁悦澡蚤灶葬
栽藻造院渊园员园冤远圆怨源员园怨怨
憎憎憎援藻糟燥造燥早蚤糟葬援糟灶
泽澡藻灶早贼葬蚤曾怎藻遭葬燥岳 则糟藻藻泽援葬糟援糟灶
耘凿蚤贼燥则鄄蚤灶鄄糟澡蚤藻枣摇 宰粤晕郧 砸怎泽燥灶早
杂怎责藻则增蚤泽藻凿 遭赠摇 悦澡蚤灶葬 粤泽泽燥糟蚤葬贼蚤燥灶 枣燥则 杂糟蚤藻灶糟藻 葬灶凿 栽藻糟澡灶燥造燥早赠
杂责燥灶泽燥则藻凿 遭赠摇 耘糟燥造燥早蚤糟葬造 杂燥糟蚤藻贼赠 燥枣 悦澡蚤灶葬
砸藻泽藻葬则糟澡 悦藻灶贼藻则 枣燥则 耘糟燥鄄藻灶增蚤则燥灶皂藻灶贼葬造 杂糟蚤藻灶糟藻泽袁 悦粤杂
粤凿凿院员愿袁杂澡怎葬灶早择蚤灶早 杂贼则藻藻贼袁匀葬蚤凿蚤葬灶袁月藻蚤躁蚤灶早 员园园园愿缘袁悦澡蚤灶葬
孕怎遭造蚤泽澡藻凿 遭赠摇 杂糟蚤藻灶糟藻 孕则藻泽泽
粤凿凿院员远 阅燥灶早澡怎葬灶早糟澡藻灶早早藻灶 晕燥则贼澡 杂贼则藻藻贼袁
月藻蚤躁蚤灶早摇 员园园苑员苑袁悦澡蚤灶葬
孕则蚤灶贼藻凿 遭赠摇 月藻蚤躁蚤灶早 月藻蚤 蕴蚤灶 孕则蚤灶贼蚤灶早 匀燥怎泽藻袁
月藻蚤躁蚤灶早 员园园园愿猿袁悦澡蚤灶葬
阅蚤泽贼则蚤遭怎贼藻凿 遭赠摇 杂糟蚤藻灶糟藻 孕则藻泽泽
粤凿凿院员远 阅燥灶早澡怎葬灶早糟澡藻灶早早藻灶 晕燥则贼澡
杂贼则藻藻贼袁月藻蚤躁蚤灶早 员园园苑员苑袁悦澡蚤灶葬
栽藻造院渊园员园冤远源园猿源缘远猿
耘鄄皂葬蚤造院躁燥怎则灶葬造岳 糟泽责早援灶藻贼
阅燥皂藻泽贼蚤糟 摇 摇 粤造造 蕴燥糟葬造 孕燥泽贼 韵枣枣蚤糟藻泽 蚤灶 悦澡蚤灶葬
云燥则藻蚤早灶 摇 摇 悦澡蚤灶葬 陨灶贼藻则灶葬贼蚤燥灶葬造 月燥燥噪 栽则葬凿蚤灶早
悦燥则责燥则葬贼蚤燥灶
粤凿凿院孕援韵援月燥曾 猿怨怨 月藻蚤躁蚤灶早 员园园园源源袁悦澡蚤灶葬
摇 陨杂杂晕 员园园园鄄园怨猿猿悦晕 员员鄄圆园猿员 辕 匝 国内外公开发行 国内邮发代号 愿圆鄄苑 国外发行代号 酝远苑园 定价 怨园郾 园园元摇