纳米增强激光诱导击穿光谱的苹果表面农药残留检测
赵贤德1,2, 董大明1,2,*, 矫雷子1,2, 田宏武1,2, 邢振1,2
1. 北京农业智能装备技术研究中心, 北京 100097
2. 北京市农林科学院, 北京 100097
*通讯联系人 e-mail: dongdm@nercita.org.cn

作者简介: 赵贤德, 1984年生, 北京农业智能装备技术研究中心助理研究员 e-mail: zhaoxd@nercita.org.cn

摘要

水果表面的农药残留严重危害身体健康, 而常规检测方法需要采样处理, 耗时、 费力。 激光诱导击穿光谱技术具有多元素分析和原位测量的能力, 在水果表面农药残留检测方面潜力巨大。 但是较差的检测灵敏度, 限制了此技术在水果表面微量有害元素检测方面的应用。 提高激光诱导击穿光谱系统的检测能力是目前的研究热点领域, 研究了纳米粒子表面增强技术对苹果表面残留的毒死蜱农药的激光诱导击穿光谱信号的增强效果。 通过在被测样品表面涂抹币族金属纳米粒子, 然后利用激光诱导击穿光谱激发样品表面, 对诱导出的原子发射光谱信号进行测量, 实验结果表明, 苹果表面涂抹金属纳米粒子后毒死蜱农药中磷元素的特征峰有4倍的增强。 此方法的应用对提高果蔬表面微量有害元素的检测能力具有重要意义。 然后我们对币族金属纳米粒子的增强效果进行了优化。 研究了金纳米粒子和银纳米粒子的增强能力, 同时对纳米粒子的粒径的增强效果进行了比较, 通过对20 nm的金纳米粒子、 20 nm的银纳米粒子和80 nm的银纳米粒子的增强效果比较, 发现80 nm的银纳米粒子对苹果表面毒死蜱农药光谱的增强效果最好。 研究了信号采集延时时间对光谱信噪比的影响, 确定了0.2 μs的延时时间可以获得较为理想的信噪比。 在以上研究的基础上, 采用最优的实验参数(80 nm银粒子增强、 0.2 μs的延时时间), 以毒死蜱中磷元素在213.62, 214.91, 253.56和255.33 nm处的特征峰峰强作为依据, 对苹果表面残留的毒死蜱农药进行了定量化分析。 分别采集了毒死蜱残留浓度分别为30, 20, 15, 12, 10和6 μg·cm-2的苹果表面的LIBS光谱, 然后分别利用磷元素的四个特征峰峰强进行了定量化曲线拟合, 结果发现LIBS对残留的毒死蜱具有很好的定量化预测能力, R2在0.89以上。 根据定量化拟合曲线, 探讨了纳米增强LIBS的检测限, 计算得到, 利用纳米增强LIBS技术测量苹果表面的毒死蜱农药最低可以做到1.61 μg·cm-2的检测限。 研究证明了金属纳米粒显著提高了LIBS对苹果表面农药残留的检测灵敏度。

关键词: 激光诱导击穿光谱; 纳米增强; 农残; 苹果
中图分类号:O657.3 文献标志码:A
Detection of Pesticide Residues on Apple Based on Nanoparticle-Enhanced Laser-Induced Breakdown Spectroscopy
ZHAO Xian-de1,2, DONG Da-ming1,2,*, JIAO Lei-zi1,2, TIAN Hong-wu1,2, XING Zhen1,2
1. Beijing Research Center of Intelligent Equipment for Agriculture, Beijing 100097, China
2. Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China
Abstract

Pesticide residues on fruit surface are seriously harmful to human health. The conventional detection methods need sampling and processing, which are time-consuming and laborious. Laser induced breakdown spectroscopy has the ability of multi-element analysis and in situ measurement, and has great potential in the detection of pesticide residues on fruits. However, poor detection sensitivity limits the application of this technology to the detection of trace harmful elements on the surface of fruits. Improving the detection ability of laser induced breakdown spectroscopy is a hot research area. The enhancement effect of nanoparticle surface enhanced technology on the LIBS of chlorpyrifos residues on apple surface was studied in this paper. The metal nanoparticles were applied on the surface of the tested samples, and the induced atomic emission spectra were measured by laser induced breakdown spectroscopy. Through the study, it was found that the enhancement method of the metal nanoparticles can enhance the spectral peak intensity of the pesticide residue on the apple surface. The experimental results showed that the characteristic peak of phosphorus in the pesticide of chlorpyrifos increased by 5 times after the apple surface was applied metal nanoparticles. The application of this method is of great significance to the improvement of detection ability of trace harmful elements on the surface of fruits and vegetables. We then optimized the enhancement effect of metal nanoparticles. The enhancement ability of gold nanoparticles and silver nanoparticles, and the effect of particle size on the enhancement effect were studied. By comparing the enhancement effect of 20 nm gold nanoparticles, 20 nm silver nanoparticles and 80 nm silver nanoparticles, it was found that the enhanced effect of 80 nm silver nanoparticles on the pesticide spectrum of chlorpyrifos on the apple surface was the best. The effect of signal acquisition delay time on spectral signal-to-noise ratio (SNR) of laser induced breakdown spectroscopy system was studied, and it was found that the delay time of 0.2 μs can achieve an ideal signal-to-noise ratio. On the basis of the above study, using the optimal experimental parameters (80nm silver particles and 0.2 μs delay time), the quantitative analysis of chlorpyrifos residues on the surface of Apple was carried out by using the peak intensity of phosphorus in chlorpyrifos at 213.62, 214.91, 253.56 and 255.33 nm. The LIBS spectra of chlorpyrifos residues at concentrations of 30,20,15,12,10,6 μg·cm-2 were collected respectively. Then, the four characteristic peaks of phosphorus were used to quantify the curve fitting. It was found that LIBS had good quantitative predictive ability for residual chlorpyrifos, and the R2 was above 0.89. According to the quantitative fitting curve, we discussed the detection limit of nanoparticle-enhanced LIBS. It was found that the detection limit of chlorpyrifos on the apple surface can be as low as 1.61 μg·cm-2. This study proved that metal nanoparticles can significantly improve the sensitivity of LIBS to pesticide residues on apple surface.

Keyword: Laser-induced breakdown; Pesticide residues; Nanoparticle enhancement; Apple
引 言

随着农业的快速发展, 越来越多的农药被用于农业生产的各个环节。 农药的不合理使用导致了果蔬表面有害元素严重超标, 果蔬表面有害元素滞留成为了人们健康的隐形杀手。 因此, 农药残留的快速检测方法研究已成为热点。

传统的农药残留的检测方法有液相色谱-质谱法[1]、 高效液相色谱法[2]、 荧光偏振免疫法[3]、 酶抑制法[4]等, 但这些方法不能实时检测, 并且过程复杂, 检测时间长[5]。 而激光诱导击穿光谱(LIBS)以其检测速度快, 不需要制样, 能够实时检测等优点已被应用于农药残留的检测[6, 7, 8]。 我们研究团队已经建立了利用LIBS技术定量化分析苹果表面毒死蜱残留的方法[9]。 但是, 因检测灵敏度差限制了其在农残检测领域的进一步应用。 一些学者尝试利用多脉冲[10]、 双脉冲[11]、 充惰性气体[12]、 磁约束[13]、 空间约束[14]、 金属纳米粒子增强[15, 16, 17, 18]等方法来提高LIBS检测的灵敏度。 就金属纳米粒子增强方面而言, Rusak[17]等将拉曼基体用于金属(铜)和非金属(氟)的LIBS信号增强, 结果表明, SE-LIBS可以将铜在324.7 nm处的谱线的信噪比提高3.5倍; 而且, SE-LIBS可以明显的观测到0.1%氟的水溶液中氟在685.6 nm的特征峰。 Giacomo[16, 18]的团队深入的研究了金属纳米粒子对LIBS光谱的增强作用, 他们发现金属纳米颗粒对导体的LIBS信号可以增强1~2个数量级。 OHTA[15]等利用增强LIBS分析植物叶片中的营养元素, 结果表明涂有金属纳米粒子的发射谱线强度明显强于没有涂抹金属纳米粒子的。

基于我们以前的研究进行更深入的探索, 主要是: (1)金属纳米粒子对果蔬表面微量有害元素的LIBS光谱的增强作用; (2)金属纳米粒子对LIBS光谱检测灵敏度的改善。

1 实验部分
1.1 样品准备

毒死蜱: 毒死蜱的化学名是O, O-二乙基-O-3, 5, 6-三氯-2-吡啶基硫逐磷酸酯, 分子式是C9H11C13NO3PS。 我们使用的是美国陶氏益农公司的有效成分为480 g· L-1的毒死蜱样品。 将毒死蜱溶解在去离子水中, 分别制备成1:2 000, 1:3 000, 1:4 000, 1:5 000, 1:6 000和1:10 000共6种不同浓度的毒死蜱溶液。

金属纳米粒子: 实验用的20 nm金粒子、 20 nm银粒子和80 nm银粒子都购于上海起发实验试剂有限公司, 三种粒子的浓度分别为7.0× 1011, 7.0× 1010和1.1× 109 mL-1

苹果: 苹果是从北京果香四溢水果超市购买的当天采摘的红富士苹果, 选取没有损伤和缺陷、 大小均匀、 成熟度一致的苹果作为实验样品。 用清水清洗苹果表面后, 将苹果切成大小约4 cm2, 重量约20 g的小块。

1.2 仪器及参数

实验装置如图1所示, 系统由激光器、 光谱仪、 三维精密移动平台、 信号延时器组成。 激光器为镭宝公司(Beamtech)生产的Dawa Series Q-Switched Nd:YAG Laser System激光器, 型号为Dawa-200。 基频光波长为1 064 nm, 脉冲激光输出的最大能量为200 mJ, 激光器的脉冲最高重复频率为20 Hz, 脉冲宽度为3~5 ns。 激光器输出的激光被反光镜反射后, 经聚焦透镜聚焦到样品表面。 激光诱导产生的等离子光信号被集入光纤, 并传导至光谱仪。 光谱仪采用的是Ocean Optics公司的HR2000+, 光谱范围为200~1 100 nm, 分辨率为0.2 nm, 信噪比为250:1。

图1 LIBS测量系统Fig.1 LIBS measurement system

实验设置: 激光器输出功率160 mJ, 光谱范围200~1 000 nm, 积分时间2 ms。 延时时间0.2 μ s(在延时对LIBS信号影响部分我们设置延时时间分别为0, 0.2, 0.4, 0.8和2 μ s)。

1.3 方法

实验过程: 用移液器取20 μ l的毒死蜱溶液滴到苹果样品的表皮, 分布在一个4 mm× 4 mm的范围内, 等溶液刚干的时候再取20 μ L的金属纳米粒子滴到毒死蜱残留的苹果样品上面。 分别制备成滴有80 nm银粒子的1:2 000, 1:3 000, 1:4 000, 1:5 000, 1:6 000和1:10 000毒死蜱残留的苹果样品, 滴有20 nm银粒子的1:2 000毒死蜱残留的苹果样品和滴有20 nm金粒子的1:2 000毒死蜱残留的苹果样品。 然后计算毒死蜱在苹果表面的残留浓度, 1:2 000的20 μ L的毒死蜱溶液滴到苹果表面后的单位面积浓度约为30 μ g· cm-2。 同样, 1:3 000, 1:4 000, 1:5 000, 1:6 000和1:10 000的毒死蜱残留的浓度分别为20, 15, 12, 10和6 μ g· cm-2

数据预处理: 每组样品采样10组数据, 分别去掉每组中最大和最小的数据, 然后对剩下的8组数据进行平均以减小误差。 在进行数据分析前先对光谱进行基线校正, 以获得相同的基线。

2 结果与讨论
2.1 苹果表面扫描电镜成像

为了解苹果表面的农药残留和银纳米粒子分布情况, 我们采集了苹果表面的图像。 图2(a)是苹果表面涂有毒死蜱和80 nm银纳米颗粒以后的RGB图像, 比例尺为3 mm, 此时能看到农药和银纳米颗粒干燥以后形成的痕迹, 呈现不规则的圆形, 分布在苹果表面。 LIBS测量时, 在圆斑范围内随机取10个点测量, 激光击打的光斑大小为100 μ m, 为了看清激光在苹果表面的击打情况, 选择300 μ m的比例尺, 对激光击打过的苹果表面做10 kV电镜扫描, 扫描电镜图像如图2(b)所示, 以背散射Full模式成像, 图像中包含80%的样品成分信息和20%的形貌信息。 在背散射图像下, 成像亮(白)的区域往往代表此处成分以重元素为主, 成像暗(黑)的区域往往代表此处成分含以轻元素为主。

图2 苹果的表面图像
(a): 涂抹有80 nm银纳米颗粒的苹果表面RGB图像; (b): 被LIBS激光器击打以后的苹果表面扫描电镜图像
Fig.2 The image of apple epidermis
(a): RGB image of apple epidermis coated with 80 nm silver nanoparticles; (b): Scanning electron microscopic image of apple epidermis after laser ablation

图2(b)中可以看到, 激光并没有把苹果表皮打穿, 只是在表面留下了烧蚀痕迹, 但是大部分毒死蜱农药和银纳米粒子在激光击打的过程中已经被打飞, 只是在激光斑点的周围还残留部分白色的银纳米粒子, 说明采集到的LIBS光谱主要包含苹果表面的农药等成分信息, 不包含表皮内部的果肉成分信息。

2.2 纳米粒子对农药LIBS光谱的增强

我们对纳米增强的LIBS信号与未进行增强的LIBS光谱进行了对比, 图3所示的是P元素的光谱特征, 其中黑线是只有1:2 000毒死蜱残留的苹果样品的光谱, 红线是涂抹了80 nm银粒子的1:2 000的毒死蜱残留的苹果样品。 从图3中可以看出, 1:2 000的毒死蜱残留的苹果样品的LIBS黑线光谱在213.62, 214.91和253.56 nm处的特征峰强度非常微弱, 在255.33 nm处几乎已经看不到特征峰。 涂有80 nm银纳米粒子的1:2 000的毒死蜱残留的苹果样品的LIBS红线光谱在213.62, 214.91和253.56 nm处有了显著的增强, 其强度大约是未涂抹纳米粒子样品的4倍。 在255.33 nm处也能清楚地观察到P元素的特征峰。 可见, 纳米粒子对LIBS光谱有显著的增强效果。

图3 纳米粒子对毒死蜱中P元素的LIBS信号增强
(a): P元素在213.62和214.91 nm的谱峰(b): P元素在253.56和255.33 nm的谱峰
Fig.3 Signal enhancement of P element in chlorpyrifos by nanoparticles
(a): Spectral peaks at 213.62 and 214.91 nm; (b): Spectral peaks at 253.56 and 255.33 nm

在我们以前的研究中, 高浓度毒死蜱(1:100)残留的苹果样品中能够观测到Cl元素在837.59 nm处的特征峰。 而在1:2 000的毒死蜱残留的苹果样品中未观察到Cl元素的特征峰, 即使涂抹了80 nm银粒子的样本也未观测到Cl元素的特征峰。 这可能是由于在苹果表面, 毒死蜱中的Cl元素相对于P元素更难产生跃迁。

为了探索金属纳米粒子对LIBS光谱的增强效果, 我们研究了延时和纳米粒子的材料、 粒径对LIBS光谱的影响, 从而选择最优实验参数, 以获得最优检测限。

2.3 不同材料、 粒径的纳米粒子对LIBS信号的增强效果

图4所示的是分别涂抹不同金属纳米材料和不同粒径纳米粒子的1:2 000的毒死蜱残留的苹果样品的LIBS光谱。 其中, 黑色线是具有1:2 000的毒死蜱残留的苹果样品的LIBS光谱; 粉红色线是涂抹了20 nm金粒子的1:2 000的毒死蜱残留的苹果样品的LIBS光谱; 蓝色线是涂抹了20 nm银粒子的1:2 000的毒死蜱残留的苹果样品的LIBS光谱; 红色线是涂抹了80 nm银粒子的1:2 000的毒死蜱残留的苹果样品的LIBS光谱。

图4 不同粒径和种类的纳米粒子对毒死蜱中 P元素的增强效果
(a): P元素在213.62和214.91 nm的谱峰; (b): P元素在253.56和255.33 nm的谱峰
Fig.4 Signal enhancement of P element in chlorpyrifos by noble metal nanoparticles with different sizes
(a): Spectral peaks at 213.62 and 214.91 nm; (b): Spectral peaks at 253.56 and 255.33 nm

由图4中可以看出, 在213.62, 214.91和253.56 nm处, 涂抹了纳米粒子的毒死蜱残留的苹果样品的LIBS光谱强度具有明显的增强, 而且80 nm银粒子的增强效果最好。 比较粉红色线和蓝色线, 可以看出涂有不同金属纳米材料的毒死蜱残留苹果样品的LIBS光谱存在着明显的差异, 银纳米粒子的增强效果要强于金纳米粒子。 比较红色线和蓝色线, 可以看出涂有不同粒径的银纳米粒子的毒死蜱残留苹果样品的LIBS光谱也存在着显著差异, 80 nm的银粒子的增强效果要明显强于20 nm。 在255.33 nm处, 我们可以观察到分别涂有20 nm金粒子、 20 nm银粒子和80 nm银粒子的毒死蜱残留苹果样品的LIBS光谱都有明显的增强, 但是增强效果没有显著的差异。 除此之外, 图4(a)中A, B和C三个波峰处也有显著增强, 这可能是来源于苹果表皮或者空气中的元素, 在本研究中不做讨论。 由以上分析可以看出, 80 nm银粒子增强效果最优。

2.4 延时对LIBS光谱的影响

根据LIBS原理, 激光打在样本上以后, 瞬时内以轫致辐射为主, 同时有样本发热的辐射以及大量的激光在样本表面的反射光。 等离子体发射的原子光谱被淹没在热辐射等背景噪声信号中, 表现为光谱背景噪声很强, 光谱基线整体抬高, 趋于连续谱。 随着等离子体的能量降低, 轫致辐射和热辐射越来越弱, 而等离子体元素发射的原子光谱信号相对变得越来越强, 表现为各个波长的特征尖峰。 因此LIBS系统对光谱采集时机要求严格, 延时时间太短, 光谱信噪比太低, 很多有用信号淹没在背景噪声里, 而延时时间太长的话, 等离子体的发射谱消逝殆尽, 也将造成信噪比降低。 选择多长的延时需要根据样本种类、 样品性状、 激发光能量等综合考虑, 合适的延时时间, 可以提高有用信号信噪比。

图5所示是涂有80 nm银粒子的1:2 000的毒死蜱残留苹果样品在不同延时时间下的LIBS光谱, 从图中可以看出, 延时越长背景越低, 但是当延时大于0.4 μ s时, 几乎已经观测不到P元素的特征峰了。 虽然0和0.2 μ s时, LIBS光谱的背景相对较高, 但是P元素的特征峰也相对较强。 当延时时间为0.2 μ s时, P元素的特征峰强度最强。 从以上分析可以看出, 0.2 μ s的延时间在本次试验中能够获得最优的增强效果。

图5 不同延时时间采集的毒死蜱LIBS光谱
(a): P元素在213.62和214.91 nm的LIBS光谱; (b): P元素在253.56和255.33 nm的LIBS光谱
Fig.5 LIBS spectra of chlorpyrifos collected at different delay time
(a): Spectral peaks of P element at 213.62 and 214.91 nm; (b): Spectral peaks of P element at 253.56 and 255.33 nm

2.5 定量化分析与检测限讨论

由以上分析可以看出, 不同实验参数(延时和金属纳米粒子的材料、 粒径)对LIBS光谱的增强影响很大。 我们选择80 nm银粒子进行LIBS光谱增强的定量化检测探索, 延时时间选择0.2 μ s。

我们定量化的分析了毒死蜱的光谱强度与浓度的关系。 我们利用P元素在213.62, 214.91, 253.56和255.33 nm的特征峰的峰强, 对浓度分别为1:2 000, 1:3 000, 1:4 000, 1:5 000, 1:6 000和1:10 000(苹果表面残留的浓度分别为30, 20, 15, 12, 10和6 μ g· cm-2)的毒死蜱进行了定量化曲线拟合。 如图6所示, 光谱特征峰的强度随农药浓度的增加而增强。

图6 P元素在四个特征峰处的强度回归曲线
(a): P元素在213.62 nm的回归曲线; (b): P元素在214.91 nm的回归曲线; (c): P元素在253.56 nm的回归曲线; (d): P元素在255.33 nm的回归曲线
Fig.6 Intensity regression curves of P element at four characteristic peaks
(a): Peak at 213.62 nm; (b): Peak at 214.91 nm; (c): Peak at 253.56 nm; (d): Peak at 255.33 nm

为了探索金属纳米粒子对水果表面农药残留定量化检测的能力的提升, 我们分别计算了毒死蜱中P元素在各峰位的检测限。 计算公式采用的是3σ /k, 其中σ 是背景光谱的标准差, k是定量化曲线的斜率。 利用四个峰强计算出的检测限如表1所示。 可以看出, 利用纳米增强LIBS技术测量苹果表面的毒死蜱农药最低可以做到1.61 μ g· cm-2的检测限。

表1 毒死蜱根据P元素在四个谱峰的检测限 Table 1 The detection limits of chlorpyrifos at four peaks of P element

由以上分析可以得出, 金属纳米粒子增强使得LIBS的检测灵敏度有了很大的改善, 对农药残留的测量可以实现极低的检测限。 这将为LIBS在水果表面微量有害元素检测方面发挥重要作用。

3 结 论

进行了金属纳米粒子的增强激光诱导击穿光谱的苹果表面毒死蜱农药残留的检测方法的研究。 通过在毒死蜱农药残留的苹果表面涂抹币族金属纳米粒子的方式证明了币族金属纳米粒子对LIBS光谱的增强作用。 还证明了不同金属材料、 不同粒径的纳米粒子对农药LIBS光谱的增强存在着显著差异。 不同的延时时间也会影响金属纳米粒子对LIBS光谱的增强效果, 通过比较分析, 我们发现采用80 nm银纳米粒子增强和0.2 μ s的延时时间能够得到较为理想的效果。 最后, 我们在最优实验参数的情况下探索了农药LIBS方法的定量化检测, 结果证明农药LIBS光谱的检测限能够低到1.61 μ g· cm-2。 本研究对果蔬农药残留检测技术的发展具有重要意义, 将为果蔬表面微量有害元素的快速定量化检测提供新的研究方法和技术手段。

参考文献
[1] Grimalt S, Pozo ó J, Sancho J V, et al. Anal. Chem. , 2007, 79: 2833. [本文引用:1]
[2] He L, Luo X, Xie H, et al. Anal. Chim. Acta, 2009, 655: 52. [本文引用:1]
[3] Kolosova A Y, Park J, Eremin S A, et al. J. Agr. Food Chem. , 2003, 51: 1107. [本文引用:1]
[4] Walz I, Schwack W. J. Agr. Food Chem. , 2007, 55: 10563. [本文引用:1]
[5] Li J, Xue L, Liu M, et al. Chin. Opt. Lett. , 2010, 8: 1050. [本文引用:1]
[6] Ma F, Dong D. Food Anal. Method, 2014, 7: 1858. [本文引用:1]
[7] Kim G, Kwak J, Choi J, et al. J. Agr. Food Chem. , 2012, 60: 718. [本文引用:1]
[8] Multari R A, Cremers D A, Scott T, et al. J. Agr. Food Chem. , 2013, 61: 2348. [本文引用:1]
[9] Du X, Dong D, Zhao X, et al. Rsc. Adv. , 2015, 5: 79956. [本文引用:1]
[10] Jedlinszki N, Galbacs G. Microchem. J. , 2011, 97: 255. [本文引用:1]
[11] Babushok V I, DeLucia F C, Gottfried J L, et al. Spectrochimica Acta Part B Atomic Spectroscopy, 2006, 61: 999. [本文引用:1]
[12] Effenberger Jr A J, Scott J R. Sensors-Basel, 2010, 10: 4907. [本文引用:1]
[13] Hao Z, Guo L, Li C, et al. J. Anal. Atom. Spectrom. , 2014, 29: 2309. [本文引用:1]
[14] Popov A M, Colao F, Fantoni R. J. Anal. Atom. Spectrom. , 2009, 24: 602. [本文引用:1]
[15] Ohta T, Ito M, Kotani T, et al. Appl. Spectrosc. , 2009, 63: 555. [本文引用:2]
[16] De Giacomo A, Gaudiuso R, Koral C, et al. Anal. Chem. , 2013, 85: 10180. [本文引用:2]
[17] Rusak D A, Anthony T P, Bell Z T. Rev. Sci. Instrum. , 2015, 86: 116106. [本文引用:2]
[18] De Giacomo A, Gaudiuso R, Koral C, et al. Spectrochimica Acta Part B: Atomic Spectroscopy, 2014, 98: 19. [本文引用:2]