河南省夏季臭氧生成敏感性及其驱动因素分析

河南省夏季臭氧生成敏感性及其驱动因素分析 Summertime ozone formation sensitivity and driving factors in Henan Province 1 2 3 first-author 白杨， 研究方向为大气环境遥感、农业遥感。E-mail： daisy.baiyang@henu.edu.cn 白杨， 研究方向为大气环境遥感、农业遥感。E-mail： daisy.baiyang@henu.edu.cn daisy.baiyang@henu.edu.cn 1 3 1 4 1 2 4 corresp 郭建忠， 研究方向为时空大数据挖掘、大气环境遥感。E-mail： 10130151@vip.henu.edu.cn 郭建忠， 研究方向为时空大数据挖掘、大气环境遥感。E-mail： 10130151@vip.henu.edu.cn 10130151@vip.henu.edu.cn 1 2 4 河南大学 地理与环境学院, 郑州 450046 河南大学 地理与环境学院, 郑州 450046 College of Geography and Environmental Science, Henan University, Zhengzhou 450046, China College of Geography and Environmental Science, Henan University, Zhengzhou 450046, China 河南省时空大数据技术创新中心, 郑州 450046 河南省时空大数据技术创新中心, 郑州 450046 Henan Technology Innovation Center of Spatio-Temporal Big Data, Henan University, Zhengzhou 450046, China Henan Technology Innovation Center of Spatio-Temporal Big Data, Henan University, Zhengzhou 450046, China 黄河中下游数字地理技术教育部重点实验室(河南大学), 开封 475004 黄河中下游数字地理技术教育部重点实验室(河南大学), 开封 475004 Key Laboratory of Geospatial Technology for the Middle and Lower Yellow River Regions (Henan University), Ministry of Education, Kaifeng 475004, China Key Laboratory of Geospatial Technology for the Middle and Lower Yellow River Regions (Henan University), Ministry of Education, Kaifeng 475004, China 河南省时空大数据产业技术研究院, 郑州 450046 河南省时空大数据产业技术研究院, 郑州 450046 Henan Industrial Technology Academy of Spatio-Temporal Big Data, Henan University, Zhengzhou 450046, China Henan Industrial Technology Academy of Spatio-Temporal Big Data, Henan University, Zhengzhou 450046, China 明确当地臭氧生成敏感性变化的主控因子是制定有效臭氧污染控制策略的前提。采用卫星观测OMI FNR（Ratio of the tropospheric columns of Formaldehyde to Nitrogen dioxide，HCHO/NO 2 ）指示剂将河南省夏季臭氧生成敏感性OFS（Ozone Formation Sensitivity）划分为VOCs控制区、协同控制区和NOx控制区。基于地理探测器，量化气象条件、人为源前体物及其交互作用与OFS的关系。研究揭示：（1）河南省夏季OFS以协同控制区为主，区域内臭氧污染严重，仅次于VOC S 控制区。2005年—2015年，FNR值波动下降，OFS向协同控制区转变，主要受NO X 减排的影响。2016年之后，FNR值变大，OFS有向NO X 控制区转变的趋势。（2）人为源排放是OFS变化的主要驱动因子，平均可解释FNR变化的40.5%（ q ＝0.405）。若CO、PM 2.5 、NOx和非甲烷挥发性有机物NMVOC（Non-methane Volatile Organic Compounds）的排放量增加，FNR减小，河南省夏季OFS向VOCs控制区转变，对NOx减排的敏感性降低。（3）地表净太阳辐射SSR（ q ＝0.321， Surface net Solar Radiation）和大气柱总水量TCW（ q ＝0.302， Total Column Water）是河南省夏季OFS变化的主要气象驱动因素。SSR增加，FNR减小，使臭氧生成对VOCs更加敏感。TCW对OFS变化的影响较为复杂，当TCW < 40 kg/m 2 时，TCW增加，FNR减小，臭氧生成对VOCs更加敏感；当TCW > 40 kg/m 2 时，TCW增加，FNR增大，臭氧生成对NOx更加敏感。（4）因子间的交互作用对OFS空间分布的驱动大于单一因子的独立作用，人为源前体物和气象因子的交互作用占主导地位。研究结果可加强对臭氧生成光化学过程的认识，为制定合理的污染减排措施提供依据。 Determining Ozone Formation Sensitivity (OFS) and its driving factors is conducive to formulating effective ozone pollution control strategies. This study characterizes spatial and temporal variations in OFS by calculating the ratio of formaldehyde (HCHO, a maker of VOCs) to nitrogen dioxide (NO 2 ) in Henan Province from 2005 to 2016. The relationships of OFS with precursor emissions and meteorological factors are also analyzed. The Level 3 gridded retrievals from the Ozone Monitoring Instrument (OMI) were adopted to calculate Formaldehyde Nitrogen Ratio (FNR). Then, we took FNR < 2.3 to indicate VOC-limited regime, FNR > 4.2 to indicate NO x -limited regime, and FNR between 2.3 and 4.2 to indicate transitional regime. Finally, the geographic detector model (GeoDetector) was used to quantify the influence of meteorological factors, anthropogenic emission precursors, and their interactions on OFS. The OFS in Henan Province changes in time and space. Most cities are transitional regimes in summer, where the O 3 concentrations are relatively higher. The drastic change in tropospheric NO 2 concentration determines the increase or decrease in VOC-limited regime. From 2005 to 2015, the FNR values decreased due to NO x emission reduction, and OFS tended to be a transitional regime. After 2016, the FNR values increased, and OFS tended to be NO x -limited. Anthropogenic emissions are the main driving factor of OFS in summer, which explains 40.5% of FNR variation on average. With the increase in CO ( q = 0.46), PM 2.5 ( q = 0.41), NO x ( q = 0.38), and NMVOC ( q = 0.37) emissions, the FNR value decreases, which makes OFS more sensitive to VOC emissions in summer. Its sensitivity to NO x emission reduction decreases. Surface net solar radiation (SSR, q = 0.321) and total column water (TCW, q = 0.302) are the top two meteorological factors influencing OFS in summer in Henan Province. As SSR increases, FNR decreases, which makes ozone formation more sensitive to VOCs. TCW has a complex effect on OFS. When TCW is less than 40 kg/m 2 , FNR decreases with the increase in TCW, and ozone formation becomes more sensitive to VOCs. When TCW is larger than 40 kg/m 2 , FNR increases with the rise in TCW, and ozone formation becomes more sensitive to NO x . Interaction among factors enhances the ability to explain the change in OFS. In other words, each pair of factors has a greater influence on OFS than either. The interactions between precursors and meteorological factors have the most significant influence on OFS. Research results can enhance understanding of the photochemical process of ozone formation and provide a basis for formulating reasonable pollution reduction measures. However, the applicability of the OMI FNR indicator for the classification of ground-level ozone sensitivity in various regions still needs to be strengthened. Understanding the influence of driving factors and their interactions on changes in ozone sensitivity remains a challenge due to the nonlinear relationship between ozone sensitivity and its precursors and the complex reactions between meteorological conditions and precursors. 大气污染 臭氧生成敏感性 地理探测器 气象条件 人为源排放 交互作用 air pollution ozone formation sensitivity GeoDetector model meteorological factors anthropogenic emissions interactive effects 1　引言 1 高浓度臭氧对人类健康、植被生产力和作物产量均有不良影响（ Yang等，2019 Yang等，2019 ； Yue等，2017 Yue等，2017 ； Zhao等，2020 Zhao等，2020 ）。近年来，中国大部分城市近地面O 3 浓度日益增加，成为继PM 2.5 后的主要大气污染物。由于缺乏对大气臭氧污染的长期监测，使得PM 2.5 与O 3 协同治理的难度加大（ Wang等，2017 Wang等，2017 ， 2019 2019 ； Liu等，2021 Liu等，2021 ）。局地O 3 污染形成过程及浓度的高低受前体物、光化学反应速率和扩散传输的共同影响。研究表明O 3 生成速率与前体物VOCs和NOx之间是复杂的非线性关系，仅靠控制单一前体物的排放并不能有效地减缓臭氧污染。因此，判断臭氧污染区域的光化学属性、确定臭氧生成敏感性OFS（Ozone Formation Sensitivity）的主要影响因素，是开展臭氧污染防治工作的前提（ He等，2019 He等，2019 ； Li等，2021a Li等，2021a ）。 当前诊断和评估臭氧生成敏感性的方法主要有基于空气质量模型的数值模拟法和基于观测数据的方法。常见基于观测的手段主要有参数比值法（ Sillman和He，2002 Sillman和He，2002 ； Sillman，2003 Sillman，2003 ； Sillman等，2003 Sillman等，2003 ）、OBM模型法OBM（Observation Based Model）和光化学烟雾产量模型法SPM（Smog Production Model）等（ Cardelino和Chameides，2000 Cardelino和Chameides，2000 ； Su等，2018 Su等，2018 ； 陆克定 等，2010 陆克定 等，2010 ）。数值模拟法依赖于气象条件和排放清单的准确性，而地面观测方案往往仅以单一城市或站点为研究对象，观测时间短，未能顾及OFS空间分布的异质性，难以实现对宏观范围内臭氧生成敏感区的划分。随着卫星及航空遥感技术的发展，长时间序列、空间范围广、监测连续的臭氧前体物产品数据（甲醛HCHO、二氧化氮NO 2 等对流层柱浓度）为研究大区域范围内OFS的时空变化特征提供了数据保障和科学手段（ Souri等，2020 Souri等，2020 ； Schroeder等，2017 Schroeder等，2017 ； 陈良富 等，2021 陈良富 等，2021 ； 朱松岩 等，2019 朱松岩 等，2019 ）。以参数比值法中探测城市区域臭氧敏感性较适宜的H 2 O 2 /HNO 3 指示剂（ Sillman，1995 Sillman，1995 ）为基础，卫星遥感FNR（Ratio of the tropospheric columns of Formaldehyde to Nitrogen dioxide）指示剂首先被应用到GOME（Global Ozone Monitoring Experiment）卫星来诊断地面臭氧浓度对人为源排放的敏感性（ Martin等，2004 Martin等，2004 ）。之后，FNR（HCHO/NO 2 ）被应用于空间分辨率更高的OMI（Ozone Monitoring Instrument）卫星数据，探测城市区域内的臭氧敏感性，可将研究区划分为VOCs控制区（限制VOCs排放可减少O 3 生成）、NOx控制区（限制NOx排放可减少O 3 生成）和协同控制区（需共同限制VOCs和NOx排放）。该方法在美国的洛杉矶和纽约地区、中国的珠三角和中东部地区均取得了广泛的应用（ Wang等，2021a Wang等，2021a ； Duncan等，2010 Duncan等，2010 ； Jin和Holloway，2015 Jin和Holloway，2015 ； 武卫玲 等，2018 武卫玲 等，2018 ； 庄立跃 等，2019 庄立跃 等，2019 ）。 不同城市间的气象条件、气候背景和前体物排放特点有所差异，使得气象因素、人为源排放因素及两者的交互作用对近地面O 3 浓度的影响呈现出空间异质性（ Liu等，2020 Liu等，2020 ； Wang等，2021b Wang等，2021b ； Dang等，2021 Dang等，2021 ； Sun等，2021 Sun等，2021 ）。为了进一步探究气象因子、人为源前体物对OFS时空变化的影响，研究者多直接基于相关系数、灰度关联分析等方法识别使OFS发生变化的关键因素（ Jin和Holloway，2015 Jin和Holloway，2015 ； Chen等，2020 Chen等，2020 ）。但是缺乏对人为源前体物和气象因子交互作用的探究。因此，以河南省为例，利用OMI FNR指示剂将其划分为VOCs控制区、协同控制区和NOx控制区，并基于地理探测器分析揭示人为源前体物、气象条件及两者的交互作用对河南省夏季臭氧敏感性变化的影响。 2　数据与方法 1 2.1　研究区域概况 2 根据中国环境空气质量标准《GB 3095-2012》和环境空气质量评价规范《HJ 663-2013》，采用国控站大气污染监测的日最大8小时浓度均值MAD8_O 3 （Daily Maximum 8-h Average Ozone concentration），对河南省近地面臭氧一级污染（ > 100 μg/m 3 ）和二级污染（ > 160 μg/m 3 ）天数进行统计。发现一级污染天数在2015年—2020年间呈波动上升趋势，二级污染天数在2015年—2019年逐年递增，仅2020年有所下降（ 图1（b） 图1（b） ）。 夏季是河南省内各城市臭氧污染的高发时段，这主要归因于近地面温度低于20℃时，很少发生光化学反应产生O 3 （ Sillman，2003 Sillman，2003 ）。2015年—2020年的6—8月，河南省内所有城市MAD8_O 3 均达到一级污染，郑州市及其周边区域均达到二级污染（ 图1（a） 图1（a） ）。 2.2　试验数据 2 NO 2 对流层柱浓度数据为NASA发布的第三版本OMI L3 （OMNO2d）日均值产品（ https：//disc.gsfc.nasa.gov/datasets/OMNO2d_003/summary？keywords=aura https://disc.gsfc.nasa.gov/datasets/OMNO2d_003/summary?keywords=aura ［2022-02-17］）。该产品基于面积权重法，由L2级生成L3级产品时，去除了“row anomaly”行异常像元。仅选取云覆盖比例cloud fraction小于30%和地表反射率surface reflectivity小于0.3的像元（ Lamsal 等，2021 Lamsal 等，2021 ）。该NO 2 柱浓度数据产品的空间分辨率为0.25°×0.25°，总不确定度不超过20%。 日尺度和月均HCHO柱浓度数据由比利时太空宇航研究院（BIRA-IASB）使用NASA/KNMI 开发的一级数据生成，发布于对流层排放监测网（TEMIS， https：//www.temis.nl/index.php https://www.temis.nl/index.php ［2022-02-17］）。相对于早期的OMI HCHO柱浓度数据，BIRA-IASB发布的第14版数据集使仪器退化的影响减少了2倍。该方法通过在辐照度校准的过程中使用非对称高斯线性拟合，同时使用依赖于行的背景归一化处理，降低了OMI产品的条带效应（ Baek等，2014 Baek等，2014 ）。OMI HCHO柱浓度空间分辨率为0.25°×0.25°，总不确定度为25%。 1,2; 采用清华大学开发的中国多尺度排放清单MEIC（Multi-resolution Emission Inventory for China）数据，分析OFS与人为源前体物的关系。MEIC提供高分辨率的NOx、非甲烷挥发性有机物NMVOC、CO、PM 2.5 在内的10种大气污染物以及CO 2 的人为排放数据，覆盖中国大陆地区700多种人为排放源，并将这些人为排放源归类到5个排放部门（电力源、工业源、民用源、交通源以及农业源）（ Li等，2017 Li等，2017 ）。使用0.25°空间分辨率的逐月MEIC网格NOx、NMVOC、CO、PM 2.5 这4种人为排放数据来研究前体物对OFS的影响。 采用欧洲中期天气预报中心ECMWF（European Centre for Medium-Range Weather Forecasts）发布的ERA5月均小时尺度的气象要素再分析产品，计算UTC时间5：00和6：00（北京时间13：00和14：00）这两个时间段的均值代表OMI过境时刻的气象数据。采用地理探测器，分析行星边界层高度BLH （Boundary Layer Height）、10 m风速WS10（10 meter wind speed）、地表大气压力SP（Surface air Pressure）、地表净太阳辐射SSR（Surface net Solar Radiation）、2 m气温T2 （2 meter temperature）、大气柱总水量TCW （Total Column Water）这6个气象要素对OFS的影响程度，其空间分辨率为0.25°×0.25°。 2.3　臭氧敏感性分区方案 2 采用OMI卫星观测的HCHO和NO 2 月均值产品，计算研究区夏季月尺度OMI FNR（HCHO/NO 2 ）。当FNR < 2.3时，研究区为VOCs控制区；当FNR > 4.2时，研究区为NOx控制区；当2.3 < FNR < 4.2时，为协同控制区（ Wang等，2021a Wang等，2021a ）。该分区方案基于CLASS模型（Chemistry Land-surface Atmosphere Soil Slab model）模拟O 3 生成和NO 2 、HCHO之间的非线性关系，通过关联卫星观测OMI FNR与中国地面观测站O 3 浓度，得到适合中国区域的OFS分区阈值。相较于 Duncan等（2010） Duncan等（2010） 的分区方案（当FNR < 1时，研究区为VOCs控制区；当FNR > 2时，研究区为NOx控制区；当1 < FNR < 2时，为协同控制区），更适用于郊区和偏远城市。在判定研究区日尺度和年尺度的OFS时，采用的分区方案与月尺度相同。 2.4　地理探测器 2 采用地理探测器（ 王劲峰和徐成东，2017 王劲峰和徐成东，2017 ）中的“分异及因子探测器”和“交互作用探测器”来定量解释河南省OFS的空间异质性及其驱动力。 分异及因子探测器的数学模型如 式（1） 式（1） 所示： <math display="block" id="M1"><mfenced open="{" close="" separators="|"><mrow><mtable><mtr><mtd><mi>q</mi><mo>=</mo><mn mathvariant="normal">1</mn><mo>-</mo><mfrac><mrow><mi mathvariant="normal">S</mi><mi mathvariant="normal">S</mi><mi mathvariant="normal">W</mi></mrow><mrow><mi mathvariant="normal">S</mi><mi mathvariant="normal">S</mi><mi mathvariant="normal">T</mi></mrow></mfrac><mtext>           </mtext></mtd></mtr><mtr><mtd><mi mathvariant="normal">S</mi><mi mathvariant="normal">S</mi><mi mathvariant="normal">W</mi><mo>=</mo><mstyle displaystyle="true"><munderover><mo largeop="true">∑</mo><mrow><mi>h</mi><mo>=</mo><mn mathvariant="normal">1</mn></mrow><mrow><mi>L</mi></mrow></munderover></mstyle><mrow><msub><mrow><mi>N</mi></mrow><mrow><mi>h</mi></mrow></msub><msup><mrow><msub><mrow><mi>σ</mi></mrow><mrow><mi>h</mi></mrow></msub></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup></mrow><mtext>     </mtext></mtd></mtr><mtr><mtd><mi mathvariant="normal">S</mi><mi mathvariant="normal">S</mi><mi mathvariant="normal">T</mi><mo>=</mo><mi>N</mi><msup><mrow><mi>σ</mi></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup><mtext>                 </mtext></mtd></mtr></mtable></mrow></mfenced></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624232&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624252&type= 31.41133499 23.53733444 式中， <math id="M2"><mi>q</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624277&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624275&type= 1.69333339 3.47133350 统计量表示因子 <math id="M3"><mi>X</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624290&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624288&type= 2.28600001 2.62466669 对OFS空间分异性的解释程度， <math id="M4"><mi>X</mi><mtext> </mtext></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624239&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624238&type= 3.04800010 2.70933342 包括NOx、NMVOC、CO、PM 2.5 这4种人为排放源，以及BLH、WS10、SP、SSR、T2、TCW这6种气象要素。 <math id="M5"><mi>q</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624277&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624275&type= 1.69333339 3.47133350 的取值范围为［0，1］， <math id="M6"><mi>q</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624277&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624275&type= 1.69333339 3.47133350 的值越大，表明因子 <math id="M7"><mi>X</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624290&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624288&type= 2.28600001 2.62466669 对OFS变化解释的程度越大，影响越大。 <math id="M8"><mi>h</mi><mo>=</mo><mn mathvariant="normal">1</mn><mo>,</mo><mtext> </mtext><mn mathvariant="normal">2</mn><mo>,</mo><mtext> </mtext><mn mathvariant="normal">3</mn><mo>…</mo><mo>,</mo><mtext> </mtext><mi>L</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624293&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624282&type= 25.39999962 3.13266683 为各人为排放源和气象要素的分类或者分区的数目， <math id="M9"><msub><mrow><mi>N</mi></mrow><mrow><mi>h</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624287&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624294&type= 3.64066648 3.72533321 和 <math id="M10"><mi>N</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624307&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624304&type= 2.53999996 2.62466669 表示因子的第 <math id="M11"><mi>h</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624320&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624310&type= 1.86266661 2.62466669 类的样本数量和区域的样本总数量； <math id="M12"><msub><mrow><mi>σ</mi></mrow><mrow><mi>h</mi></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624326&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624322&type= 3.64066648 3.72533321 和 <math id="M13"><mi>σ</mi><mtext> </mtext></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624332&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624329&type= 3.21733332 2.70933342 则表示因子的第 <math id="M14"><mi>h</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624349&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28624316&type= 1.86266661 2.62466669 类的样本方差和区域的样本总方差。各因子最优离散方案由地理探测器工具自动选取，各因子的分区方案、分区数目及各分区样本数量详见附录A（电子版）。 交互作用探测器用来判别两个因子的共同作用相对于单因子对因变量解释能力的强弱。以CO和SSR两种因子为例，首先分别探测两者对OFS的解释能力 q （CO）、 q （SSR），然后计算CO和SSR的交互作用 q （CO∩SSR），通过比较 q （CO）、 q （SSR）、 q （CO∩SSR）之间的关系，确定CO和SSR两种因子对OFS变化影响的交互作用类型。若 q （CO∩SSR） > q （CO）+ q （SSR），则其交互作用属于非线性增强；若 q （CO∩SSR）= q （CO）+ q （SSR），则交互作用是独立的；若 q （CO∩SSR） > Max（ q （CO）， q （SSR）），则交互作用为双因子增强。否则，交互作用均为减弱。 （a） 2005年—2012年OMI HCHO柱浓度均值 （b） 2013年—2016年OMI HCHO柱浓度均值 （a） Average of OMI HCHO from 2005 to 2012 in summer （b） Average of OMI HCHO from 2013 to 2016 in summer 3　结果与分析 1 3.1　O 3 -NO X -VOCs敏感性的空间变化特征 2 为深入理解FNR的空间分布，以2013年《大气污染防治行动计划》发布时间为界限，分别计算了河南省2005年—2012年和2013年—2016年夏季HCHO和NO 2 柱浓度的均值，其结果如 图2 图2 所示。可以发现：（1）2005年—2016年研究区域内HCHO浓度呈上升趋势，高值主要集中在河南省中部和东北部的人口密集和工业发达区域。（2）由于《大气污染防治行动计划》的发布，区域内NO 2 浓度值由2005年—2012年的上升趋势转变为下降趋势。NO 2 浓度高值区域主要位于河南省北部一些煤源型电厂分布较多的城市，其次是人口密集机动车较多的城市。（3）HCHO浓度均值（13.9×10 15 molec./cm 2 ）整体要比NO 2 浓度均值（5.17×10 15 molec./cm 2 ）高，但NO 2 浓度值空间分布差异较大。以2015年为例，NO 2 高值区域浓度约是低值区域的4.5倍。 基于所采用的臭氧生成敏感区划分方案，河南省2005年—2016年夏季OFS的分区结果如 图3 图3 所示。由 图3 图3 可知： 1,2;3; （1）NOx控制区较少，主要分布在河南省西南部偏远城市的郊区。区域内NO 2 浓度较低，约为HCHO浓度的20%，主要来源于交通、工业和电力的NOx排放；NMVOC排放中工业源占比超过50%，交通和民用排放量相差不大（图4）。NOx控制区占总网格单元的比例最高约为26%（2006年和2013年），其他年份均在10%左右甚至更低。表现为协同控制区与NO X 控制区的相互转变。 （2）协同控制区占主导地位。在河南省区域的占比由54.6%（2006年）波动升高至82.9%（2016年）。该区域内HCHO浓度约为NO 2 的3.2倍。2013年之前主要集中在郑州市北部、洛阳市东北部、平顶山市中部及北部、许昌市北部、开封市西部等人口稠密区域。2013年后，随着VOCs控制区的逐渐减少，协同控制区则以河南中部为中心，向四周辐射。区域内工业过程排放的NMVOC最大，占比超过53%，且呈逐年增加趋势；交通源排放占比变化不大；民用源排放逐年减小。NO X 排放中以工业源和交通源为主，占比变化不大；电力行业则呈减少趋势（图4）。 （a） NMVOC排放量 （a） NMVOC emissions （b） NOx排放量 （b） NOx emissions 2 http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625132&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625147&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=28625146&type= 35.56000137 3.47133350 （3）2012年之前，VOCs控制区以焦作市为中心，向周边辐射。之后，VOCs控制区向协同控制区转变。VOCs控制区内NO 2 浓度较高，火电厂分布密度较高，电力行业排放NOx在2013年之前超过40%，之后下降至2016年的18%（图4），主要位于安阳、鹤壁、新乡东北部、焦作、郑州和洛阳东北部。2012年之后，部分VOCs控制区向协同控制区转变，主要归因于燃煤电厂及工业设施执行的严格脱硝措施。值得注意的是，虽然区域内NO X 排放大幅减少，但其O 3 浓度呈逐年增加趋势，这主要是由于区域内VOCs的减排速率要远小于NO X 减排（图4）。 基于MECI清单及O 3 -NO X -VOCs敏感性分区结果，图4进一步展示了不同控制区内交通、民用、电力和工业这4个行业的臭氧生成前体物NMVOC和NOx的排放量。可以看出： （1）工业源排放的NMVOC在3种敏感分区内均占主导地位，VOC S 控制区内占比最多（平均占比约67%），NO X 控制区内占比最低（平均占比约56.5%）。其次是交通行业，交通源排放的NMVOC在3种敏感区内占比基本相同（平均占比约23.9%）。民用排放NMVOC在NOx控制区内的比例较大（平均占比19.5%），在协同控制区内占比约为14.8%，在VOC S 控制区内占比最小（平均约8.8%）。 （2）2013年之前，电力行业NOx排放在VOCs控制区比例较大，随后出现下降趋势。2016年电力行业排放的NO X 已位于交通源和工业源之后。协同控制区内NOx排放主要来自交通和工业源。 （3）NOx控制区内，交通行业排放的NOx前体物最多，其次是工业和电厂。2013年之后，河南省电力行业的臭氧前体物排放得到了有效控制，尤其是NO X 大幅减少，应进一步加强对工业源和交通源的管控。 3.2　O 3 -NO X -VOCs敏感性的时间变化特征 2 2005年—2016年夏季河南省及其不同敏感分区内HCHO柱浓度、对流层NO 2 柱浓度和FNR值的变化如 图5 图5 所示。可以发现： （1）河南省内HCHO浓度的最大值（1.59×10 16 molec./cm 2 ）出现在2013年，其他年份呈现波动上升趋势（ 图5（a） 图5（a） ）。HCHO在VOCs控制区、协同控制区、NOx控制区均呈现出相同的变化态势（ 图5（b） 图5（b） — 图5（d） 图5（d） ）。协同控制区内HCHO浓度均值（1.43×10 16 molec./cm 2 ）和NOx控制区内HCHO浓度均值相当（1.42×10 16 molec./cm 2 ），VOCs控制区内HCHO浓度均值最小（1.32×10 16 molec./cm 2 ）。 1,2;3,4;5; （2）河南省内NO 2 浓度总体上呈现先上升、后下降的变化趋势，最大值出现在2012年（5.82×10 15 molec./cm 2 ）。随着燃煤电厂的脱硝设备运转和机动车排放标准的提高，2016年区域内浓度均值降至最低（约4.2×10 15 molec./cm 2 ），较2012年下降约27.9%（ 图5（a） 图5（a） ）。不同控制区内的NO 2 浓度均值呈现较大的差异，VOCs控制区内NO 2 浓度均值最大（约8.36×10 15 molec./cm 2 ），协同控制区次之（约4.57×10 15 molec./cm 2 ），NOx控制区最小（约2.87×10 15 molec./cm 2 ）。VOCs控制区和协同控制区内NO 2 浓度最大值均出现在2013年，NOx控制区内NO 2 浓度最大值出现在2014年。这说明NOx控制区内NO 2 减排效应相对滞后。 （3）河南省区域内夏季FNR均值约为3.2，主要表现为协同控制区和VOCs控制区，且VOCs控制区内的O 3 浓度要大于协同控制区。2005年—2012年出现波动下降趋势，2013年上升至3.68，2014年—2015年继续呈现波动下降趋势，2016年FNR值又有所上升。2015年之前OFS趋向于协同控制区，2016年之后OFS趋向于NO X 控制区，这与 Wang等（2021a） Wang等（2021a） 的研究结果一致。其主要归因于NO 2 浓度值的剧烈变化引起的VOCs控制区与协同控制区的转化（ 图5（a） 图5（a） ）。如果针对河南省全域制定相同的污染减排措施，则应以O 3 污染严重、占比最大的协同控制区为主，同时控制NO X 和VOCs的排放。FNR值在不同控制区内的变化趋势有所差异。VOCs控制区（FNR=1.67±0.07）和协同控制区（FNR=3.21±0.08）内FNR值波动相似，与河南省全域基本一致。NO X 控制区内FNR变化趋势在2006年、2007年、2012年和2013年均异于VOCs和协同控制区（FNR=5.02±0.14）。这主要归因于不同区域内HCHO和NO 2 浓度变化比例不一致。因此，在河南省内应根据不同臭氧敏感区的特性制定相应的减排方案。 3.3　O 3 -NO X -VOCs敏感性空间变异的驱动力分析 2 利用2012年—2016年FNR、MEIC清单及ERA5气象数据，基于地理探测器探究了4个人为源排放因子、6个气象因子及任意两个因子之间的交互作用（共45对）对河南省夏季OFS变化的影响（ 图6 图6 ）。 图7 图7 为FNR与各因子间的散点图及Pearson相关系数结果。 1,2; 1,2;3,4;5,6;7,8;9,10; 研究发现： （1）人为源排放是影响河南省夏季OFS变化的主要驱动要素；随着4种人为源排放的增加，FNR值减小，区域内OFS趋向于VOCs控制区（ 图6（a） 图6（a） ， 图7（a） 图7（a） —（d），详见附录B（电子版））。相较于NOx（ q ＝0.38）和NMVOC（ q ＝0.37），CO（ q ＝0.46）对OFS变化的解释力更强。这可能归因于研究区内人为排放CO要远大于NO X 和NMVOC，CO易与大气中的OH自由基和O 2 发生反应生成更多的HO 2 自由基，使研究区内光化学反应速率增加，OFS更易改变。PM 2.5 （ q ＝0.41）的增加使得研究区内趋向于VOCs控制，这主要归因于PM 2.5 对HO 2 自由基和NOx的非均相吸收，抑制了O 3 的化学生成，使得OFS更加受到VOCs排放的影响，即对NOx减排的敏感性降低（ Li 等，2019 Li 等，2019 ）。 （2）气象因子中对河南省夏季OFS变化解释力大于30%的仅有SSR（ q ＝0.321）和TCW（ q ＝0.302）。随着SSR的增加，河南省夏季OFS对VOCs更加敏感（FNR减小）。当SSR > 2000 KJ/m 2 时，OFS趋向于VOCs控制；当SSR < 1900 KJ/m 2 时，OFS趋向于NOx控制。这可能是由于SSR增加时，光照较强，导致光解反应加速，河南省夏季大气中的HCHO浓度远大于NOx，较少VOCs排放可减慢与O 3 生成相关的光化学过程（ 图7（h） 图7（h） ）。 TCW对河南省夏季OFS变化的影响较为复杂（ 图7（j） 图7（j） ），为非线性：当TCW < 40 kg/m 2 时，TCW增加，OFS对VOCs更加敏感（FNR减小）；当TCW > 40 kg/m 2 时，TCW增加，OFS对NOx更加敏感（FNR增大）。 WS10（ q ＝0.243），BLH（ q ＝0.171）、SP（ q ＝0.157）和T2（ q ＝0.04）对OFS的变化影响则较小（ 图7（e） 图7（e） —（j））。值得注意的是，地表2m温度T2对河南省夏季OFS的变化影响很小，这可能是由于研究时间段为6—8月，温度浮动较小的原因。10 m风速WS10对OFS变化的影响也分为两个阶段，当WS10 < 2.7 m/s时，风速较小，WS10增加，FNR降低，OFS对VOCs的敏感性增加；当WS10 > 2.7 m/s时，风速较大，WS10增加，FNR增加，OFS对NOx的敏感性增加。 （3）任意两个因子对OFS空间分布变化的交互作用大于单一因子的独立作用，人为源前体物和气象因子的交互作用是河南省夏季OFS变化的主要驱动力（ 图6（b） 图6（b） ）。在所有交互作用中，解释力大于60%的为：CO∩TCW（ q =0.784）、NMVOC∩TCW（ q =0.711）、CO∩SSR（ q =0.699）、TCW∩WS10（ q =0.675）、NOx∩SSR（ q =0.667）、NOx∩TCW（ q =0.657）、NMVOC∩SSR（ q =0.656）、PM 2.5 ∩TCW（ q =0.644）、CO∩SP（ q =0.631）、CO∩WS10（ q =0.622）、PM 2.5 ∩SSR（ q =0.62）、SSR∩WS10（ q =0.616）和CO∩T2（ q =0.612）。这主要归因于气象条件的改变，会导致大气光解反应发生改变。在不同的大气氧化性条件下，人为源前体物生成臭氧速率也发生改变，进而影响区域臭氧生成敏感性。河南省夏季OFS的变化，则主要是由CO、NMVOC、NOx、PM 2.5 与气象因素TCW和SSR之间的交互作用引起。此外，TCW∩WS10交互作用导致OFS易发生改变，低风速低湿条件下，FNR较小，OFS对VOCs更加敏感；高风速高湿条件下，FNR增大，OFS对NOx更加敏感。 4　讨论 1 为了进一步验证OMI FNR（HCHO/NO 2 ）不同阈值分区方案在河南省的适用性，对比分析河南省郑州市烟厂站点日尺度和月尺度卫星观测OMI FNR与地面监测VOCs/NOx的臭氧敏感性分区结果（ 表1 表1 ， 图8 图8 ）。日尺度和月尺度分区方案采用相同的阈值。由于缺乏长时间序列地面实测数据，选取2018-05-01—2018-06-30为对比时间段，与 Li 等（2021b） Li 等（2021b） 地面观测试验一致。可以发现： （1）与地面日尺度观测结果相比，文中采用的 Wang 等（2021a） Wang 等（2021a） 的分区方案优于Duncan等（2010a），但卫星观测样本较少。在2018-05—2018-06仅有的11 d卫星有效观测结果中， Wang 等（2021a） Wang 等（2021a） 分区方案与地面观测结果一致性为72.7%，高于 Duncan等（2010） Duncan等（2010） 分区方案的63.6%。 注： 表格中加粗和粗斜体代表卫星观测方案与地面观测方案结果一致的日期。 分区方案 日期（观测有效天数） VOC S 控制区 协同控制区 NOx控制区 2 OMI FNR（HCHO/NO 2 ）（Duncan等，2010a） 2018-05 （4 d） 7，13，23，27 2018-06 （7 d） 10 ， 12 ，14，28 22， 24 19 2 OMI FNR（HCHO/NO 2 ）（Wang 等，2021a） 2018-05 （4 d） 7，13，23，27 2018-06 （7 d） 10 ， 12 ， 14， 22 ，24，28 19 2 地面观测VOC S /NO X （Li 等，2021b） 2018-05（29 d） 1，2，3，4，5，7，10，11，12，13，14，15，19，23，24，25，26，27，29，30，31 6，8，9，17，18，20，21，22 2018-06（30 d） 1，2，7，10，11，12，13，16，17，18，20，22，25，26，27，29，30 3，4，5，6，8，15，19，21，23，24，28 9，14 （2）OMI FNR（HCHO/NO 2 ）卫星观测分区方案在敏感性趋于VOCs控制时，分区效果较好，但在趋于协同控制和NO X 控制时不确定性较大。这主要取决于分区方案选取的适用性，应进一步优化适用于河南省的阈值分区方案。 （3）OMI卫星观测的月尺度分区结果与地面观测结果一致。OMI卫星观测郑州市2018—05和2018—06的臭氧敏感性结果均为VOCs控制区（ 图8（a） 图8（a） —（b）），这与地面监测郑州市5—6月以VOC S 控制区为主相一致（ Li 等，2021b Li 等，2021b ）。 虽然本文采用的OMI FNR（HCHO/NO 2 ）阈值分区方案在月尺度上对河南省城市区域臭氧敏感性确定有较好的适用性，但仍有如下不足之处：（1）日尺度卫星观测样本较少，且当前方案仍缺乏对郊区的验证。（2）卫星观测手段确定臭氧敏感性依赖于天气条件及卫星成像质量，在需要确定每日的臭氧敏感性时，适用性不强。（3）还需进一步加强地面观测试验，为卫星观测方案确定合适的分区阈值提供参考。（4）当前使用的卫星观测数据分辨率较低，在未来的试验中可引入TROPOMI等载荷较高、空间分辨率更优的传感器数据，以便刻画更为精细的臭氧敏感区划分。 1,2,3;4; 5　结论 1 明确当地臭氧生成的光化学机制是制定有效臭氧污染控制策略的前提。为探究河南省O 3 -NO X -VOCs敏感性的时空分布特征及其空间变异的主要驱动力，首先采用OMI FNR指示剂将研究区划分为VOCs控制区、协同控制区和NOx控制区。然后，结合同时期MEIC清单中NMVOC和NOx的排放量数据，分析河南省OFS的时空变化特征。最后，利用地理探测器的“分异及因子探测器”和“交互作用探测器”来定量分析气象条件、人为源排放及其交互作用对河南省OFS空间异质性的影响。主要结论如下： （1）O 3 -NO X -VOCs敏感性在时间和空间上都存在变化。OFS分区以协同控制区为主，区域内对流层NO 2 柱浓度的剧烈变化决定了VOCs控制区面积的增加或减少。中国实施的大气污染减排措施直接影响了OFS的分区，尤其是NO X 的大量减排。2015年之前，OFS向协同控制区转变，2016年开始向NOx控制区转变。 （2）不同OFS区域内各行业的NMVOC和NOx排放总量有所差异。3种控制区内对NMVOC贡献最大的均为工业过程排放。VOCs控制区内NOx排放主要贡献因子发生剧烈变化，最初由电力行业主导（2008年），后转变为电力为主、交通和工业占比提升（2012年—2013年），现在为交通和工业共同主导（2016年）。NOx控制区中交通行业排放的NOx贡献最大。协同控制区内交通排放NOx贡献最大，工业和民用占比基本不变，电力行业减少。 （3）人为源排放前体物是河南省夏季O 3 -NO X -VOCs敏感性变化的主要驱动因子。随着CO、PM 2.5 、NOx和NMVOC的排放量增加，FNR减小，OFS对NOx减排的敏感性降低，易受VOCs排放的影响。 （4）SSR和TCW是河南省夏季O 3 -NO X -VOCs敏感性变化的两个主要气象因素，但两者对OFS的影响方式有所差异。SSR增加使臭氧生成对VOCs更加敏感。当湿度较小时，TCW增加，OFS对VOCs更加敏感；当湿度较大时，TCW增加，OFS对NOx更加敏感。 （5）因子间的交互作用加剧了OFS的空间变化，CO、NMVOC、NOx、PM 2.5 与气象因素TCW和SSR之间的交互作用占主导地位。 采用卫星观测OMI FNR指示剂来表征O 3 生成敏感性，可提供空间上连续的数据。但卫星柱浓度产品对地面空气质量监测的适用性仍需加强研究，尤其是OMI FNR的本地化阈值确定。由于臭氧生成敏感性与其前体物之间的非线性关系，以及气象条件与前体物之间的复杂反应机制，理解潜在影响因子及其相互作用对臭氧敏感性发生变化的相对重要性仍是当前面临的难题。以后的研究也应考虑自然源前体物对臭氧生成的影响。 参考文献（References） Baek K H , Kim J H , Park R J , Chance K and Kurosu T P . 2014 . Validation of OMI HCHO data and its analysis over Asia . Science of the Total Environment , 490 : 93 - 105 [ DOI: 10.1016/j.scitotenv.2014.04.108 http://dx.doi.org/10.1016/j.scitotenv.2014.04.108 ] Validation of OMI HCHO data and its analysis over Asia Cardelino C A and Chameides W L . 2000 . The application of data from photochemical assessment monitoring stations to the observation-based model . Atmospheric Environment , 34 ( 12/14 ): 2325 - 2332 [ DOI: 10.1016/S1352-2310(99)00469-0 http://dx.doi.org/10.1016/S1352-2310(99)00469-0 ] The application of data from photochemical assessment monitoring stations to the observation-based model Chen L F , Shang H Z , Fan M , Tao J H , Husi L T , Zhang Y , Wang H M , Cheng L X , Zhang X X , Wei L S , Li M Y , Zou M M and Liu D D . 2021 . Mission overview of the GF-5 satellite for atmospheric parameter monitoring . National Remote Sensing Bulletin , 25 ( 9 ): 1917 - 1931 Mission overview of the GF-5 satellite for atmospheric parameter monitoring 陈良富 , 尚华哲 , 范萌 , 陶金花 , 胡斯勒图 , 张莹 , 王红梅 , 程良晓 , 张欣欣 , 伟乐斯 , 李明阳 , 邹铭敏 , 刘冬冬 . 2021 . 高分五号卫星大气参数探测综述 . 遥感学报 , 25 ( 9 ): 1917 - 1931 [ DOI: 10.11834/jrs.20210582 http://dx.doi.org/10.11834/jrs.20210582 ] 高分五号卫星大气参数探测综述 Chen Y P , Yan H , Yao Y J , Zeng C L , Gao P , Zhuang L Y , Fan L Y and Ye D Q . 2020 . Relationships of ozone formation sensitivity with precursors emissions, meteorology and land use types, in Guangdong-Hong Kong-Macao Greater Bay Area, China . Journal of Environmental Sciences , 94 : 1 - 13 [ DOI: 10.1016/j.jes.2020.04.005 http://dx.doi.org/10.1016/j.jes.2020.04.005 ] Relationships of ozone formation sensitivity with precursors emissions, meteorology and land use types, in Guangdong-Hong Kong-Macao Greater Bay Area, China Dang R J , Liao H and Fu Y . 2021 . Quantifying the anthropogenic and meteorological influences on summertime surface ozone in China over 2012-2017 . Science of the Total Environment , 754 : 142394 [ DOI: 10.1016/j.scitotenv.2020.142394 http://dx.doi.org/10.1016/j.scitotenv.2020.142394 ] Quantifying the anthropogenic and meteorological influences on summertime surface ozone in China over 2012-2017 Duncan B N , Yoshida Y , Olson J R , Sillman S , Martin R V , Lamsal L , Hu Y T , Pickering K E , Retscher C , Allen D J and Crawford J H . 2010 . Application of OMI observations to a space-based indicator of NO x and VOC controls on surface ozone formation . Atmospheric Environment , 44 ( 18 ): 2213 - 2223 [ DOI: 10.1016/j.atmosenv.2010.03.010 http://dx.doi.org/10.1016/j.atmosenv.2010.03.010 ] Application of OMI observations to a space-based indicator of NOx and VOC controls on surface ozone formation He Z R , Wang X M , Ling Z H , Zhao J , Guo H , Shao M and Wang Z . 2019 . Contributions of different anthropogenic volatile organic compound sources to ozone formation at a receptor site in the Pearl River Delta region and its policy implications . Atmospheric Chemistry and Physics , 19 ( 13 ): 8801 - 8816 [ DOI: 10.5194/acp-19-8801-2019 http://dx.doi.org/10.5194/acp-19-8801-2019 ] Contributions of different anthropogenic volatile organic compound sources to ozone formation at a receptor site in the Pearl River Delta region and its policy implications Jin X M and Holloway T . 2015 . Spatial and temporal variability of ozone sensitivity over China observed from the Ozone Monitoring Instrument . Journal of Geophysical Research: Atmospheres , 120 ( 14 ): 7229 - 7246 [ DOI: 10.1002/2015JD023250 http://dx.doi.org/10.1002/2015JD023250 ] Spatial and temporal variability of ozone sensitivity over China observed from the Ozone Monitoring Instrument Lamsal , L N , Krotkov N A , Vasilkov A , Marchenko S , Qin W H , Yang E S , Fasnacht Z , Joanna J , Choi S , Haffner D , Swartz W H , Fisher B and Bucsela E . 2021 . Ozone Monitoring Instrument (OMI) Aura nitrogen dioxide standard product version 4.0 with improved surface and cloud treatments . Atmospheric Measurement Techniques , 14 ( 1 ): 455 - 479 [ DOI: 10.5194/amt-14-455-2021 http://dx.doi.org/10.5194/amt-14-455-2021 ] Ozone Monitoring Instrument (OMI) Aura nitrogen dioxide standard product version 4.0 with improved surface and cloud treatments Li K , Jacob D J , Liao H , Zhu J , Shah V , Shen L , Bates K H , Zhang Q and Zhai S X . 2019 . A two-pollutant strategy for improving ozone and particulate air quality in China . Nature Geoscience , 12 ( 11 ): 906 - 910 [ DOI: 10.1038/s41561-019-0464-x http://dx.doi.org/10.1038/s41561-019-0464-x ] A two-pollutant strategy for improving ozone and particulate air quality in China Li K , Jacob D J , Liao H , Qiu Y L , Shen L , Zhai S X , Bates K H , Sulprizio M P , Song S J , Lu X , Zhang Q , Zheng B , Zhang Y L , Zhang J Q , Lee H C and Kuk S K . 2021a . Ozone pollution in the North China Plain spreading into the late-winter haze season . Proceedings of the National Academy of Sciences of the United States of America , 118 ( 10 ): e 2015797118 [ DOI: 10.1073/pnas.2015797118 http://dx.doi.org/10.1073/pnas.2015797118 ] Ozone pollution in the North China Plain spreading into the late-winter haze season Li M , Liu H , Geng G N , Hong C P , Liu F , Song Y , Tong D , Zheng B , Cui H Y , Man H Y , Zhang Q and He K B . 2017 . Anthropogenic emission inventories in China: a review . National Science Review , 4 ( 6 ): 834 - 866 [ DOI: 10.1093/nsr/nwx150 http://dx.doi.org/10.1093/nsr/nwx150 ] Anthropogenic emission inventories in China: a review Li Y S , Yin S S , Yu S J , Bai L , Wang X D , Lu X and Ma S L . 2021b . Characteristics of ozone pollution and the sensitivity to precursors during early summer in central plain, China . Journal of Environmental Sciences , 99 : 354 - 368 [ DOI: 10.1016/j.jes.2020.06.021 http://dx.doi.org/10.1016/j.jes.2020.06.021 ] Characteristics of ozone pollution and the sensitivity to precursors during early summer in central plain, China Liu P F , Song H Q , Wang T H , Wang F , Li X Y , Miao C H and Zhao H P . 2020 . Effects of meteorological conditions and anthropogenic precursors on ground-level ozone concentrations in Chinese cities . Environmental Pollution , 262 : 114366 [ DOI: 10.1016/j.envpol.2020.114366 http://dx.doi.org/10.1016/j.envpol.2020.114366 ] Effects of meteorological conditions and anthropogenic precursors on ground-level ozone concentrations in Chinese cities Liu Z Y , Qi Z L , Ni X F , Dong M T , Ma M Y , Xue W B , Zhang Q Y and Wang J N . 2021 . How to apply O 3 and PM 2.5 collaborative control to practical management in China: a study based on meta-analysis and machine learning . Science of the Total Environment , 772 : 145392 [ DOI: 10.1016/j.scitotenv.2021.145392 http://dx.doi.org/10.1016/j.scitotenv.2021.145392 ] How to apply O3 and PM2.5 collaborative control to practical management in China: a study based on meta-analysis and machine learning Lu K D , Zhang Y H , Su H , Shao M , Zeng L M , Zhong L J , Xiang Y R , Chang C C , Chou C K C and Wahner A . 2010 . Regional ozone pollution and key controlling factors of photochemical ozone production in Pearl River Delta during summer time . Science China Chemistry , 53 ( 3 ): 651 - 663 Regional ozone pollution and key controlling factors of photochemical ozone production in Pearl River Delta during summer time 陆克定 , 张远航 , 苏杭 , 邵敏 , 曾立民 , 钟流举 , 向运荣 , 张志忠 , 周崇光 , Wahner A . 2010 . 珠江三角洲夏季臭氧区域污染及其控制因素分析 . 中国科学 : 化学 , 40 ( 4 ): 407 - 420 [ DOI: 10.1360/zb2010-40-4-407 http://dx.doi.org/10.1360/zb2010-40-4-407 ] 珠江三角洲夏季臭氧区域污染及其控制因素分析 Martin R V , Fiore A M and Van Donkelaar A . 2004 . Space-based diagnosis of surface ozone sensitivity to anthropogenic emissions . Geophysical Research Letters , 31 ( 6 ): L 06120 [ DOI: 10.1029/2004GL019416 http://dx.doi.org/10.1029/2004GL019416 ] Space-based diagnosis of surface ozone sensitivity to anthropogenic emissions Schroeder J R , Crawford J H , Fried A , Walega J , Weinheimer A , Wisthaler A , Müller M , Mikoviny T , Chen G , Shook M , Blake D R and Tonnesen G S . 2017 . New insights into the column CH 2 O/NO 2 ratio as an indicator of near-surface ozone sensitivity . Journal of Geophysical Research: Atmospheres , 122 ( 16 ): 8885 - 8907 [ DOI: 10.1002/2017JD026781 http://dx.doi.org/10.1002/2017JD026781 ] New insights into the column CH2O/NO2 ratio as an indicator of near-surface ozone sensitivity Sillman S . 1995 . The use of NO y , H 2 O 2 , and HNO 3 as indicators for ozone-NO x -hydrocarbon sensitivity in urban locations . Journal of Geophysical Research : Atmospheres , 100 ( D7 ): 14175 - 14188 [ DOI: 10.1029/94JD02953 http://dx.doi.org/10.1029/94JD02953 ] The use of NOy, H2O2, and HNO3 as indicators for ozone-NOx-hydrocarbon sensitivity in urban locations Sillman S . 2003 . Tropospheric ozone and photochemical smog // Treatise on Geochemistry . Oxford : Pergamon: 407 - 431 [ DOI: 10.1016/B0-08-043751-6/09053-8 http://dx.doi.org/10.1016/B0-08-043751-6/09053-8 ] Tropospheric ozone and photochemical smog Sillman S and He D Y . 2002 . Some theoretical results concerning O 3 -NO x -VOC chemistry and NO x -VOC indicators . Journal of Geophysical Research : Atmospheres , 107 ( D22 ): ACH 26 - 1 -ACH 26 - 15 [ DOI: 10.1029/2001JD001123 http://dx.doi.org/10.1029/2001JD001123 ] Some theoretical results concerning O3-NOx-VOC chemistry and NOx-VOC indicators Sillman S , Vautard R , Menut L and Kley D . 2003 . O 3 -NO x -VOC sensitivity and NO x -VOC indicators in Paris: results from models and atmospheric pollution over the Paris Area (ESQUIF) measurements . Journal of Geophysical Research : Atmospheres , 108 ( D17 ): 8563 [ DOI: 10.1029/2002JD001561 http://dx.doi.org/10.1029/2002JD001561 ] O3-NOx-VOC sensitivity and NOx-VOC indicators in Paris: results from models and atmospheric pollution over the Paris Area (ESQUIF) measurements Souri A H , Nowlan C R , González Abad G , Zhu L , Blake D R , Fried A , Weinheimer A J , Wisthaler A , Woo J H , Zhang Q , Chan Miller C E , Liu X and Chance K . 2020 . An inversion of NO x and non-methane volatile organic compound (NMVOC) emissions using satellite observations during the KORUS-AQ campaign and implications for surface ozone over East Asia . Atmospheric Chemistry and Physics , 20 ( 16 ): 9837 - 9854 [ DOI: 10.5194/acp-20-9837-2020 http://dx.doi.org/10.5194/acp-20-9837-2020 ] An inversion of NOx and non-methane volatile organic compound (NMVOC) emissions using satellite observations during the KORUS-AQ campaign and implications for surface ozone over East Asia Su R , Lu K D , Yu J Y , Tan Z F , Jiang M Q , Li J , Xie S D , Wu Y S , Zeng L M , Zhai C Z and Zhang Y H . 2018 . Exploration of the formation mechanism and source attribution of ambient ozone in Chongqing with an observation-based model . Science China Earth Sciences , 61 ( 1 ): 1 - 10 [ DOI: 10.1007/s11430-017-9104-9 http://dx.doi.org/10.1007/s11430-017-9104-9 ] Exploration of the formation mechanism and source attribution of ambient ozone in Chongqing with an observation-based model Sun J , Shen Z X , Wang R N , Li G H , Zhang Y , Zhang B , He K , Tang Z Y , Xu H M , Qu L L , Ho S S H , Liu S X and Cao J J . 2021 . A comprehensive study on ozone pollution in a megacity in North China Plain during summertime: observations, source attributions and ozone sensitivity . Environment International , 146 : 106279 [ DOI: 10.1016/j.envint.2020.106279 http://dx.doi.org/10.1016/j.envint.2020.106279 ] A comprehensive study on ozone pollution in a megacity in North China Plain during summertime: observations, source attributions and ozone sensitivity Wang J F and Xu C D . 2017 . Geodetector: principle and prospective . Acta Geographica Sinica , 72 ( 1 ): 116 - 134 Geodetector: principle and prospective 王劲峰 , 徐成东 . 2017 . 地理探测器: 原理与展望 . 地理学报 , 72 ( 1 ): 116 - 134 [ DOI: 10.11821/dlxb201701010 http://dx.doi.org/10.11821/dlxb201701010 ] 地理探测器: 原理与展望 Wang N , Lyu X P , Deng X J , Huang X , Jiang F and Ding A J . 2019 . Aggravating O 3 pollution due to NO x emission control in eastern China . Science of the Total Environment , 677 : 732 - 744 [ DOI: 10.1016/j.scitotenv.2019.04.388 http://dx.doi.org/10.1016/j.scitotenv.2019.04.388 ] Aggravating O3 pollution due to NOx emission control in eastern China Wang T , Xue L K , Brimblecombe P , Lam Y F , Li L and Zhang L . 2017 . Ozone pollution in China: a review of concentrations, meteorological influences, chemical precursors, and effects . Science of the Total Environment , 575 : 1582 - 1596 [ DOI: 10.1016/j.scitotenv.2016.10.081 http://dx.doi.org/10.1016/j.scitotenv.2016.10.081 ] Ozone pollution in China: a review of concentrations, meteorological influences, chemical precursors, and effects Wang W N , van der A R , Ding J Y , van Weele M and Cheng T H . 2021a . Spatial and temporal changes of the ozone sensitivity in China based on satellite and ground-based observations . Atmospheric Chemistry and Physics , 21 ( 9 ): 7253 - 7269 [ DOI: 10.5194/acp-21-7253-2021 http://dx.doi.org/10.5194/acp-21-7253-2021 ] Spatial and temporal changes of the ozone sensitivity in China based on satellite and ground-based observations Wang X Q , Zhang T S , Xiang Y , Lv L H , Fan G Q and Ou J P . 2021b . Investigation of atmospheric ozone during summer and autumn in Guangdong Province with a lidar network . Science of the Total Environment , 751 : 141740 [ DOI: 10.1016/j.scitotenv.2020.141740 http://dx.doi.org/10.1016/j.scitotenv.2020.141740 ] Investigation of atmospheric ozone during summer and autumn in Guangdong Province with a lidar network Wu W L , Xue W B , Lei Y and Wang J N . 2018 . Sensitivity analysis of ozone in Beijing-Tianjin-Hebei (BTH) and its surrounding area using OMI satellite remote sensing data . China Environmental Science , 38 ( 4 ): 1201 - 1208 Sensitivity analysis of ozone in Beijing-Tianjin-Hebei (BTH) and its surrounding area using OMI satellite remote sensing data 武卫玲 , 薛文博 , 雷宇 , 王金南 . 2018 . 基于OMI数据的京津冀及周边地区O 3 生成敏感性 . 中国环境科学 , 38 ( 4 ): 1201 - 1208 [ DOI: 10.3969/j.issn.1000-6923.2018.04.001 http://dx.doi.org/10.3969/j.issn.1000-6923.2018.04.001 ] 基于OMI数据的京津冀及周边地区O3生成敏感性 Yang P L , Zhang Y , Wang K , Doraiswamy P and Cho S H . 2019 . Health impacts and cost-benefit analyses of surface O 3 and PM 2.5 over the U.S. under future climate and emission scenarios . Environmental Research , 178 : 108687 [ DOI: 10.1016/j.envres.2019.108687 http://dx.doi.org/10.1016/j.envres.2019.108687 ] Health impacts and cost-benefit analyses of surface O3 and PM2.5 over the U.S. under future climate and emission scenarios Yue X , Unger N , Harper K , Xia X G , Liao H , Zhu T , Xiao J F , Feng Z Z and Li J . 2017 . Ozone and haze pollution weakens net primary productivity in China . Atmospheric Chemistry and Physics , 17 ( 9 ): 6073 - 6089 [ DOI: 10.5194/acp-17-6073-2017 http://dx.doi.org/10.5194/acp-17-6073-2017 ] Ozone and haze pollution weakens net primary productivity in China Zhao H , Zheng Y F , Zhang Y X and Li T . 2020 . Evaluating the effects of surface O 3 on three main food crops across China during 2015-2018 . Environmental Pollution , 258 : 113794 [ DOI: 10.1016/j.envpol.2019.113794 http://dx.doi.org/10.1016/j.envpol.2019.113794 ] Evaluating the effects of surface O3 on three main food crops across China during 2015-2018 Zhu S Y , Li X Y , Cheng T H , Yu C , Wang X H , Miao J and Hou C . 2019 . Comparative analysis of long-term (2005—2016) spatiotemporal variations in high-level tropospheric formaldehyde (HCHO) in Guangdong and Jiangsu Provinces in China . Journal of Remote Sensing , 23 ( 1 ): 137 - 154 Comparative analysis of long-term (2005—2016) spatiotemporal variations in high-level tropospheric formaldehyde (HCHO) in Guangdong and Jiangsu Provinces in China 朱松岩 , 李小英 , 程天海 , 余超 , 王新辉 , 苗晶 , 侯灿 . 2019 . 广东省和江苏省大气甲醛时空变化对比分析 . 遥感学报 , 23 ( 1 ): 137 - 154 [ DOI: 10.11834/jrs.20197528 http://dx.doi.org/10.11834/jrs.20197528 ] 广东省和江苏省大气甲醛时空变化对比分析 Zhuang L Y , Chen Y P , Fan L Y and Ye D Q . 2019 . Study on the ozone formation sensitivity in the Pearl River Delta based on OMI satellite data and MODIS land cover type products . Acta Scientiae Circumstantiae , 39 ( 11 ): 3581 - 3592 Study on the ozone formation sensitivity in the Pearl River Delta based on OMI satellite data and MODIS land cover type products 庄立跃 , 陈瑜萍 , 范丽雅 , 叶代启 . 2019 . 基于OMI卫星数据和MODIS土地覆盖类型数据研究珠江三角洲臭氧敏感性 . 环境科学学报 , 39 ( 11 ): 3581 - 3592 [ DOI: 10.13671 /j.hjkxxb.2019.0218 http://dx.doi.org/10.13671/j.hjkxxb.2019.0218 ] 基于OMI卫星数据和MODIS土地覆盖类型数据研究珠江三角洲臭氧敏感性 致谢:论文中使用的郑州市地面观测VOCS和NOX数据来源于郑州大学化学学院及河南省环境监测中心，在此表示衷心的感谢！ 10.11834/jrs.20221375 1007-4619（2022）05-0988-14 白杨，王盼，赵鹏飞，郭建忠，王家耀.2022.河南省夏季臭氧生成敏感性及其驱动因素分析.遥感学报，26（5）： 988-1001 白杨，王盼，赵鹏飞，郭建忠，王家耀.2022.河南省夏季臭氧生成敏感性及其驱动因素分析.遥感学报，26（5）： 988-1001 Bai Y，Wang P，Zhao P F，Guo J Z and Wang J Y. 2022. Summertime ozone formation sensitivity and driving factors in Henan Province. National Remote Sensing Bulletin， 26（5）：988-1001 Bai Y，Wang P，Zhao P F，Guo J Z and Wang J Y. 2022. Summertime ozone formation sensitivity and driving factors in Henan Province. National Remote Sensing Bulletin， 26（5）：988-1001 国家自然科学基金联合基金（编号： U21A2014）；中国博士后科学基金（编号： 2018M640669）；河南省高等学校重点科研项目（编号： 21A420001）；河南省科技攻关项目（编号： 202102310014） Supported by Joint Funds of the National Natural Science Foundation of China (No. U21A2014); China Postdoctoral Science Foundation (No. 2018M640669); Key Scientific Research Projects in Colleges and Universities of Henan Province (No. 21A420001); Key Research and Development and Promotion Special Projects in Henan Province (No. 202102310014) 2021-06-02 2022-05-07 2022-05-30 2022-02-20 Appendix A　Classification method for each driving factor in Geodetector 2 因子 分类方法 分类数目 2 CO 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 96.10 627.90 1011.26 1580.62 1949.28 2608.85 4160.97 21775.34 2 NOx 2 natural 2 7 样本数目 53 50 69 35 29 16 6 分类区间 11.78 110.39 212.49 351.68 652.13 1256.19 2247.99 5023.84 2 NMVOC 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 11.94 82.29 179.27 264.95 347.99 454.54 817.71 4795.35 2 PM 2.5 2 sd 2 7 样本数目 24 115 60 20 16 8 15 分类区间 3.67 22.52 119.92 217.32 314.72 412.12 509.52 1508.04 2 BLH 2 equal 2 7 样本数目 12 20 25 45 80 60 16 分类区间 1028.49 1080.82 1133.16 1185.50 1237.84 1290.18 1342.52 1394.86 2 WS10 2 equal 2 6 样本数目 26 28 31 51 104 18 分类区间 2.28 2.48 2.68 2.87 3.07 3.27 3.46 2 SP 2 geometric 2 7 样本数目 15 14 16 18 28 166 分类区间 88313.57 90163.91 92053.02 93981.70 95950.80 97961.15 100013.60 2 SSR 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 1847703 1907522 1940141 1969122 1985061 2012738 2043839 2139688 2 T2 2 sd 2 5 样本数目 20 24 41 169 4 分类区间 298.25 300.03 301.63 303.22 304.82 305.33 2 TCW 2 natural 2 7 样本数目 27 25 29 44 49 47 37 分类区间 32.00 35.60 38.73 41.42 43.69 45.60 47.31 49.44 因子 分类方法 分类数目 2 CO 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 100.27 669.73 1109.74 1672.13 2129.23 2780.70 4328.06 20623.84 2 NOx 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 11.93 83.22 149.13 223.51 294.48 428.50 1012.95 5377.37 2 NMVOC 2 natural 2 6 样本数目 65 63 64 35 25 6 分类区间 11.99 135.11 293.97 492.80 898.61 1877.88 4146.47 2 PM 2.5 2 sd 2 7 样本数目 20 121 60 21 10 13 13 分类区间 4.37 21.88 139.56 257.24 374.91 492.59 610.27 1688.03 2 BLH 2 sd 2 6 样本数目 11 27 84 100 30 6 分类区间 1112.57 1214.00 1281.96 1349.91 1417.86 1485.81 1506.92 2 WS10 2 natural 2 7 样本数目 22 23 30 30 61 61 31 分类区间 2.43 2.61 2.79 2.95 3.07 3.16 3.25 3.41 2 SP 2 geometric 2 7 样本数目 14 14 16 18 28 166 分类区间 88246.14 90091.59 91975.64 93899.09 95862.76 97867.49 99914.15 2 SSR 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 1781569 1882664 1928354 1957539 1975464 2002614 2033322 2109006 2 T2 2 geometric 2 7 样本数目 13 16 18 23 96 92 分类区间 298.65 299.77 300.90 302.03 303.16 304.30 305.44 2 TCW 2 equal 2 7 样本数目 10 25 27 37 55 61 43 分类区间 31.33 33.93 36.54 39.14 41.74 44.34 46.94 49.54 因子 分类方法 分类数目 2 CO 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 97.70 634.56 1055.26 1578.59 1981.70 2712.24 4154.30 20261.48 2 NOx 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 11.79 83.24 156.64 218.27 293.04 432.33 968.38 5001.55 2 NMVOC 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 12.06 83.03 175.13 257.49 333.77 443.58 807.59 4195.08 2 PM 2.5 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 4.02 38.57 73.61 103.00 135.42 181.51 345.19 1574.60 2 BLH 2 geometric 2 7 样本数目 4 18 42 63 89 42 分类区间 995.19 1056.50 1121.57 1190.65 1263.98 1341.82 1424.45 2 WS10 2 natural 2 7 样本数目 31 31 38 52 44 31 31 分类区间 2.38 2.71 2.96 3.22 3.45 3.67 3.95 4.26 2 SP 2 geometric 2 6 样本数目 16 22 15 33 171 分类区间 88217.55 90440.84 92720.16 95056.93 97452.59 99908.63 2 SSR 2 equal 2 6 样本数目 13 36 47 85 61 16 分类区间 1934744 1974504 2014264 2054024 2093784 2133544 2173304 2 T2 2 natural 2 7 样本数目 23 20 21 31 52 56 55 分类区间 298.93 301.01 302.42 303.77 304.67 305.41 305.97 306.52 2 TCW 2 natural 2 7 样本数目 24 24 30 43 46 50 41 分类区间 33.84 37.27 40.67 43.77 46.14 47.78 49.46 51.39 因子 分类方法 分类数目 2 CO 2 sd 2 7 样本数目 30 98 71 25 12 8 11 分类区间 95.58 473.28 1781.27 3089.26 4397.24 5705.23 7013.22 23945.65 2 NOx 2 quantile 2 6 样本数目 43 43 43 43 43 43 分类区间 12.40 98.16 187.33 276.68 371.06 831.28 5464.09 2 NMVOC 2 natural 2 6 样本数目 63 51 74 40 25 5 分类区间 12.30 137.76 277.89 499.48 962.46 2139.15 5380.94 2 PM 2.5 2 sd 2 7 样本数目 23 114 64 21 13 8 15 分类区间 3.68 21.58 120.66 219.73 318.80 417.88 516.95 1675.15 2 BLH 2 natural 2 6 样本数目 27 21 38 58 69 45 分类区间 940.28 1055.67 1191.23 1283.33 1340.12 1393.31 1454.00 2 WS10 2 natural 2 6 样本数目 28 35 34 38 67 56 分类区间 2.05 2.26 2.44 2.60 2.75 2.87 3.09 2 SP 2 geometric 2 7 样本数目 15 14 16 18 28 167 分类区间 88389.51 90245.84 92141.16 94076.29 96052.05 98069.31 100128.90 2 SSR 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 1734499 1853487 1913485 1970663 2001940 2036644 2061356 2187367 2 T2 2 quantile 2 6 样本数目 43 43 43 43 43 43 分类区间 297.55 301.09 302.46 303.25 303.76 304.07 304.84 2 TCW 2 natural 2 7 样本数目 26 27 32 43 51 49 30 分类区间 30.55 33.64 37.06 39.64 41.56 43.42 45.49 47.66 因子 分类方法 分类数目 2 CO 2 sd 2 7 样本数目 30 99 68 26 15 9 11 分类区间 95.17 468.94 1703.74 2938.53 4173.32 5408.12 6642.91 22528.47 2 NOx 2 geometric 2 5 样本数目 27 95 115 21 分类区间 11.59 54.50 243.70 1077.88 4755.76 2 NMVOC 2 sd 2 7 样本数目 19 118 66 22 11 11 11 分类区间 11.95 41.34 309.60 577.87 846.13 1114.40 1382.66 5045.16 2 PM 2.5 2 sd 2 7 样本数目 25 111 65 20 14 9 14 分类区间 3.29 20.34 109.01 197.69 286.37 375.04 463.72 1487.38 2 BLH 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 944.05 1004.59 1078.94 1165.53 1222.88 1265.59 1318.27 1540.93 2 WS10 2 geometric 2 7 样本数目 20 30 36 86 66 20 分类区间 2.09 2.28 2.49 2.71 2.94 3.19 3.46 2 SP 2 equal 2 6 样本数目 16 17 12 18 30 165 分类区间 88377.91 90330.33 92282.76 94235.19 96187.62 98140.04 100092.50 2 SSR 2 natural 2 7 样本数目 21 44 40 44 46 43 20 分类区间 1792005 1858595 1900316 1934243 1966949 1995725 2033994 2104780 2 T2 2 equal 2 5 样本数目 14 26 33 125 60 分类区间 297.57 299.04 300.50 301.97 303.44 304.90 2 TCW 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 29.71 34.54 38.61 40.72 42.63 44.34 45.92 47.65 因子 分类方法 分类数目 2 CO 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 91.79 598.78 951.74 1453.29 1750.97 2383.44 3687.85 21517.26 2 NOx 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 11.20 79.26 160.91 219.72 295.17 420.48 806.78 4520.45 2 NMVOC 2 natural 2 6 样本数目 61 60 71 38 23 5 分类区间 11.40 125.24 275.03 521.20 975.76 2084.69 5209.08 2 PM 2.5 2 quantile 2 4 样本数目 65 64 64 65 分类区间 2.99 47.05 92.79 155.34 1308.53 2 BLH 2 sd 2 5 样本数目 23 55 99 61 20 分类区间 976.72 1008.27 1091.11 1173.95 1256.79 1319.51 2 WS10 2 equal 2 7 样本数目 11 21 31 31 87 55 22 分类区间 2.18 2.37 2.55 2.73 2.92 3.10 3.28 3.47 2 SP 2 natural 2 5 样本数目 27 31 33 61 106 分类区间 88336.74 91930.22 95522.26 97902.57 99321.98 100033.5 2 SSR 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 1838432 1885589 1904620 1919580 1941572 1969617 2011987 2161965 2 T2 2 sd 2 6 样本数目 35 11 18 53 98 38 5 分类区间 298.18 301.34 302.07 302.80 303.53 304.26 304.99 305.18 2 TCW 2 quantile 2 7 样本数目 37 37 37 36 37 37 37 分类区间 34.45 39.14 43.49 45.80 46.93 47.85 49.20 51.09 附录B：2012年—2016年河南省夏季臭氧生成敏感性指标FNR与各驱动因子的散点图及相关性分析（图1—图5） 3 Appendix B 2 Pearson correlations between FNR and each driving factor in Henan province from 2012 to 2016 3 1,2;3,4;5,6;7,8;9,10; 1,2;3,4;5,6;7,8;9,10; 1,2;3,4;5,6;7,8;9,10; 1,2;3,4;5,6;7,8;9,10; 1,2;3,4;5,6;7,8;9,10; 遥感学报 5 26