根据O3的月◆◆◆★■、季、年等均值的最大值与最小值■★★◆■★，将其浓度值分成3个区间■◆◆：相对低值区（256~266DU）、相对中值区（266~274DU）和相对高值区（274~288DU）。图4为福建省近10年月均O3浓度空间分布◆■。总体上看★◆★■，7~12月的O3浓度总体偏高★■■★，高值区范围较广★■★★■★，特别是9~11月基本都处于高值区。7~12月O3浓度随纬度变化而变化的特征要比1~6月更加明显★◆■◆■★；2~4月的O3浓度很明显为全年最低月份，基本都处于低值区；9~11月为全年浓度最高月份，这与前述季节时序变化基本相吻合，也进一步体现了季节性变化的规律。

　　图5为福建省近10年O3浓度季均值空间分布。季均值空间分布变化有着明显特征★★◆■★：春季O3浓度最低◆■◆★，全省O3分布以相对低值区为主◆◆◆◆■■；夏季O3主要分布为相对中值区★■■◆■，相对于春季，O3浓度值有所升高；秋季O3分布均处于相对高值区★■■，是四季中O3浓度值最高季节；相比秋季◆◆★，冬季O3浓度有所下降★■★■■◆，与夏季的O3浓度较为相似，也是主要集中在相对中值区■◆★★◆★。秋夏季的纬度变化特征比春冬季相对更加明显。

　　O 3 数据来自美国宇航局AURA卫星OMI的Level3数据产品（下载于NASA官方网站）。 OMI在太阳同轴轨道上观测★★◆■■◆，每天扫视地球一次，获取的数据格式为He5（HDF文件）★★，利用HDFView软件进行读取、可视化和分析■◆，获得O3总量数据集。 利用MATLAB软件将描绘O 3 总量的数据提取并以TIFF格式进行存储。针对TIFF格式数据■◆■■，采用ArcGIS 10■★◆.8 Desktop软件进行处理、统计与分析■◆■★，并结合使用Spyder软件的Arcpy编程语言对O 3 数据进行批处理（近10年的日数据）。由于OMI传感器自身和大气状况影响，其O 3 数据产品出现信息丢失现象，若使用直接平均方法会导致年、季和月等的均值产生偏离■■◆◆★。本研究采用克里金（Kriging）插值法，其利用已知点数据进行未知区域的估计，得到的估计值与实际数值的差异较小，对整个区域的多用途统计分析非常有益◆■◆★。为保证插值数据的准确性，通过目视判读，剔除完整度小于80%的TIFF图像◆■★■，以减小对后续处理结果的影响。O 3 数据总体处理过程为：掩膜TIFF图至研究区域大小，栅格计算器去除异常值，目视判读筛选图像◆◆★★，将数据统一到地理投影中，并在此基础上完成图像像元统计和格式转换等处理，最后根据福建省区划边界掩膜提取研究区全域O 3 数据★◆◆。

　　近年来对于福建省区域大气O3污染的研究主要是基于地面监测手段，而针对大气污染遥感★■，特别是O3遥感解析的相关研究还相对较少。如徐芯蓓等利用地面观测数据◆◆★■◆，分析2017年厦门金砖会晤期间人为减排和气象条件变化对O3污染特征的影响；王宏等利用福建省O3小时浓度观测数据，分析O3时空分布规律及其超标的天气成因，利用ONI指数资料与近地面O3浓度数据■★，研究福建省不同城市O3的Z指数与海温距平指数的相关性；宋佳颖等基于OMI数据，对2005—2018东南沿海5省大气O3柱浓度数据进行提取分析■■★◆■，探讨了O3时空分布格局及其影响因素■◆★◆◆；但扬彬等基于OMI数据，利用O3敏感性指示剂法研究了福建省及其9地市在疫情影响下的不同时间阶段O3敏感性特征及其变化规律。本研究尝试利用OMI反演的O3数据（O3柱总量，文中简称O3或O3浓度），运用空间信息技术（GIS★◆◆■★、RS）和相关性分析方法，进行福建省2011—2020近10年的O3浓度时空变化特征及其与影响因素的关系研究。

　　图7为福建省2011—2020年O3浓度总体空间分布。总体上看O3浓度分布差异较为明显，呈现出从北向南逐渐降低的分布规律，与东南沿海O3浓度空间变化趋势基本吻合。从数值上来看，O3浓度数值差异并不大（267.12~272.99DU）◆■■■★，均处于相对中值区；浓度较高区域主要分布在宁德市◆■■■★、南平市以及福州市的北部，浓度较低区域主要分布在南部（漳州市■■◆◆◆，厦门市，以及龙岩和泉州的南部），最大值与最小值仅相差5★■★■★■.87DU。在同纬度上◆■★◆，沿海区域O3浓度要比内陆区域O3浓度高些★■◆◆，但这种差异并不显著。

　　式中，rxy表示x与y之间的相关性系数，其值介于-1与1之间；xi表示第i月/年O 3 浓度均值（DU）■★★★，yi表示第i月/年的降水、气温■★、植被覆盖指数★■；x表示O 3 浓度的各月/年均值■◆★★★，y表示降水、气温、植被覆盖指数的各月/年均值；i为样本量，以月计算时i=120，以年计算时i=10。

　　年均O3浓度情况如图3。近10年年均值变化不大■◆■★◆，总体保持稳定◆★★■■◆，维持在265.18~275■■■■◆.09DU间小幅度波动。在2013和2016年出现低值，在2014和2018年出现高值◆■；2011—2013年整体呈现下降趋势，2013年降到265■■■◆◆.18DU，为近10年内最低，2014年相比较2013年呈现陡坡式升高，均值提高约10DU■★■★■，达到275.09DU，为近10年内最高；在2014—2016年间★★■★◆，均值再次下降■★◆，从2017年开始，均值再次回升★◆★，增长在2018年达到高值，在2019—2020年间则上下波动不大◆★■★◆■。近10年总均值为270.19DU★■，低于该值的年份为2013、2015、2016■■、2017、2019年，呈现年份时序围绕总均值上下较均匀分布状态。各年份最低值的变化与平均值的变化相似★■★，最高值的变化则相对更加平缓。根据福建省发布的空气质量状况，O3从2015年开始■★★◆■★，逐渐成为各市首要污染物，由于福建省对大气环境质量的重视，且对工业化和城市化出台了一系列措施，由此近10年间其O3浓度起伏相对较小。

　　1）在时序变化上★■，O3月均值在4月份为最低值260◆■★.10DU，10月份达最高值283★★◆.97DU，月际总体呈波浪形变化趋势◆◆★■★■；季均值从高到低依次为秋季◆★、夏季、冬季和春季，秋季明显高于其他3个季节，秋季和冬季变化比较平稳，春季和夏季有较明显波动；年均值变化不大★■★★■■，总体保持稳定，波动范围为265.18~275★◆.09DU，最低年均值出现在2013年，最高年均值出现在2014年■◆◆；近10年O3总均值为270.19DU■★◆■■。

　　福建省位于中国东南沿海■■◆，与广东★◆■■★、江西、浙江等省相邻★■，东南侧隔台湾海峡与台湾省相望，陆域介于北纬23°33′~28°20′、东经115°50′~120°40′◆★◆◆■，陆地总面积12.4万km2，2020年末常住人口为4154万人。福建省位于北回归线附近，气候为亚热带海洋性季风气候◆■★◆■★，气候区域差异较大，受地形与季风环流的影响，闽东南沿海地区属南亚热带气候◆■◆，而闽东北、闽西和闽北则属中亚热带气候。日照充足，雨量充沛◆★★，年均气温17~21℃，平均降雨量1400~2000mm，是中国雨量最丰富省份之一◆■★■■。森林覆盖率66.8%◆★★■★◆，连续42年居全国第1。2020年全省国内生产总值（GDP）为4.39万亿元，比上年增长3.3%。根据福建省环境状况公报（2011—2020年）的数据表明，2015和2016年全省9个设区市中仅龙岩市首要污染物为O 3 ★■■，2017年则除厦门市和漳州市外，其余7个市均为O 3 ， 2018—2020年连续3年全省9市的首要污染物则均为O3 。

　　随着经济快速发展以及工业活动增加，臭氧（O3）污染已成为了一种普遍而又很难解决的大气污染◆★■。本研究基于臭氧探测仪（OMI）的臭氧数据，运用空间信息技术（GIS、RS）和皮尔森相关分析方法，分析了福建省2011—2020年臭氧时空变化特征及其与影响因素的相关性。

　　《科技导报》创刊于1980年，中国科协学术会刊，主要刊登科学前沿和技术热点领域突破性的成果报道★◆、权威性的科学评论、引领性的高端综述，发表促进经济社会发展◆★、完善科技管理◆◆◆★、优化科研环境、培育科学文化★★◆★◆、促进科技创新和科技成果转化的决策咨询建议。常设栏目有院士卷首语、智库观点、科技评论、热点专题■■◆、综述★■◆◆◆、论文、学术聚焦、科学人文等◆◆★◆■■。

　　OMI数据应用于大气环境污染研究，具有较好实用价值★◆★◆，但其存在一些数据缺失★★■★■◆，导致数据并非十分完整，使得本研究受到一定限制，可考虑进一步利用更完善的插值方法◆■◆★，辅与多源遥感数据进行补充，并与地面观测数据进行校验■◆◆■◆★，提高数据精度◆■★■。由于长时间序列数据处理量大，如何利用效率更高且人为干预更少的批处理方法也是值得思考的。由于O3影响因素众多且相互作用过程复杂，可综合更多影响因子进行更加深入的相关性数值模式研究■■，以探究更全面的O3影响机理。

　　季均O3浓度情况如图2。四季O3浓度随年份总体上变化不大★■，整体上呈现出从大到小依次为秋季■★◆★、夏季、冬季、春季■★◆■■，且秋季明显高于其他3个季节，这与O3浓度月均值变化规律一致。四季O3浓度走势较为相似，秋冬季的变化比较平稳，春夏季有明显的上下浮动★★◆★，在各别年份出现了波动★■，如夏季在2014—2015年出现较大幅度下降◆★★■，2014和2015年分别为近10年最高值和最低值；春季在2018—2019年也出现明显下降，在2018和2019年分别为近10年的最高值和最低值；秋季最高值和最低值分别出现在2011和2016年■■★◆；冬季最高值和最低值出现在2020和2016年■◆◆★。总体上看，季均O3浓度在2013—2014年明显增长，2014—2015年明显下降，可能与2015年为“十二五”最后1年，全国各地环保政策落实到位■◆，O3污染防治成效较为显著有关。

　　近10年福建省月均O3浓度情况如图1。O3浓度月均值呈先小幅度减小，后明显增加，在10月达到峰值后逐渐减小的态势★◆■★，总体呈现出正弦曲线.97DU，从4月开始持续上升◆★◆■■，直至10月达到最高，从11月开始递减，直至次年4月浓度降到最低◆★■；8月到9月出现了全年的最大增幅8.40DU，11月到12月出现了全年最大降幅9.42DU■◆◆◆◆。根据常用季节划分，3~5月为春季，6~8月为夏季，9~11月为秋季，12月至次年2月为冬季，可知春季O3浓度最低◆★■◆，秋季明显高于其他季节，冬季比夏季要略低一些。

　　皮尔森（Pearson）相关分析系数是基于2组随机数据之间线性相关程度指数，其变化数值范围在[-1，1]之间，大于零时呈正相关性，小于零时为负相关◆■◆★。2列数据之间相关性趋势大小由相关系数绝对值数值来体现，绝对值越高相关性越强，线性趋势越明显，相关系数越接近0，则线性相关性越弱。通常取绝对值后，规定0~0.3为弱相关，0.3~0.5为较弱相关◆◆★◆★，0◆■■◆★★.5~0.8为较强相关，大于0.8为强相关。本文根据福建省O3浓度数据，分析其与NDVI◆★◆■★、降水和气温等因素之间的相关性，其计算公式如式（1）所示。

　　气象要素在O3的产生◆◆、沉降、传输和稀释中扮演着重要角色。气温升高会加速光化学反应速率，导致O3浓度升高；在阴天降水时，由于云层厚度增加，吸收更多紫外线光化学链式反应发生，进而减少O3生成；而且水和水蒸气本身也会吸收一定O3，降低O3浓度■■◆。由此，本研究着重从温度和降水2方面研究其对O3浓度的影响。

　　图6为福建省 2011—2020年O3浓度年均值空间分布。由图6可知O3浓度各年间存在一定差异■★■，如2011、2012■◆★★◆、2014、2018年总体浓度值偏高★◆★，主要集中在相对高值区；而2013、2016年总体浓度值偏低，主要集中在相对低值区◆◆★；2015、2017、2019◆★◆■、2020年则较多出现相对中值区。10年间福建省O3浓度年均值处于 260~277DU之间■◆◆◆★，在空间分布上整体相对稳定，浓度高值主要分布在宁德市和南平市的北部，浓度低值主要出现在漳州市南部★◆■■◆，与季节性空间分布特征相似◆■，较明显地呈现出各年份以南北走向并随纬度降低而浓度也降低态势。

　　图8为近10年福建省的平均气温、降水与O3浓度的空间相关情况。在利用皮尔森相关分析法进行O3■◆★◆■、气温和降水数据的相关性分析中（均通过显著性检验P0◆◆◆■.05），为更直观表达，将其相关性划分为4类：绝对值小于0.3为弱相关、0◆◆■★■.3~0.5为较弱相关★◆★、0■■.5~0.8为较强相关、大于0.8为强相关。从图9中可知降水、温度与O3浓度的相关性均表现为正负相关性并存■★◆，分布区域相对集中的态势★■：1）对于气温◆◆，弱正相关性和弱负相关性主要集中分布在福建省中部的东北—西南条带走向的区域■■◆；较弱正相关与弱正相关相邻且走向相似，主要分布在沿海区域（该现象与厦门市地面监测O3和温度的相关性相似较强正相关主要分布在东部沿海的局部区域；较弱负相关集中分布在三明市、南平市西南部和龙岩市的东北部；较强负相关主要集中在南平市和龙岩市。总体上，正相关性主要分布在沿海城市，负相关性则主要分布在内陆城市，呈现出由沿海向内陆的较强正相关逐渐变为较强负相关的特征。2）对于降水，全省大部分区域体现为负相关，弱正相关和较弱正相关主要分布在南平市、三明市、宁德市和福州市★◆◆★。强负相关和较强负相关主要分布在福建省西南部的龙岩市■★、漳州市★■◆◆、泉州市和厦门市等区域。

　　作者简介：施益强，集美大学港口与海岸工程学院地理信息科学系，集美大学遥感与地理信息研究中心■◆■■◆◆，厦门市绿色与智慧海岸工程重点实验室◆■■，副教授，研究方向为GIS与RS技术应用、大气环境遥感。

　　温度和降水数据来自中国科学院资源环境科学与数据中心。该数据集基于中国各地2400多个气象站的每日观测数据，通过数据收集、数学运算和空间插值得到的★■◆◆，该插值为采用样条平滑函数的多变量数据分析和插值工具（澳大利亚插值程序ANUSPLIN）。在处理数据时，需要将其除以10以转换为标准摄氏度和毫米，然后对数据进行预处理■◆★◆■，通过重新投影和掩膜，用时间序列表示平均温度和降水数据，与O3浓度的空间尺度相对应；归一化植被指数（NDVI）数据来自于NASA的MODIS13A3遥感数据，其传感器为EOS-MODIS，空间分辨率为1km，时间分辨率为月。将所获取的NDVI数据导入MRT（MODIS Reprojection Tool）软件中利用批量处理脚本，进行数据统一投影◆◆，并在此基础上完成图像像元统计和格式转换等处理■◆★■■■，最后根据福建省区划边界进行掩膜提取NDVI影像数据。

　　自2013年实施《大气污染防治行动计划》和《打赢蓝天保卫战三年行动计划》以来■■◆◆，国内环境空气质量改善效果明显，空气中SO2、NO2★★■■◆■、PM10、PM2.5和CO浓度下降明显■◆◆◆，尤其是PM2■■■◆.5污染控制取得显著成效■◆，但臭氧（O3）污染却呈逐年加重趋势，其防控形势严峻。O3是一种微量气体■■◆★■，主要存在于对流层和平流层。平流层O3能防止高能量紫外线辐射到达地面■★，这对人类和其他生物是有益的。但对流层中高浓度O3却成为了主要大气污染物之一★★◆■★，它会在城市地区造成光化学烟雾，对人类呼吸系统有很强刺激性，影响肺部功能，也会造成白内障等疾病，同时对作物产量和环境产生不利影响。随着经济快速发展以及工业活动增加，O3污染已成为了一种普遍而又很难解决的大气污染。获取近地面O3污染最直接和准确的方法是利用现场监测■★◆◆■，但由于地面监测站点普遍较少和成本较高，且较难进行长时间连续的大范围监测◆★■。随着卫星遥感时空分辨率的提高，其具有经济性和公开性等优势，被越来越多应用于大气O3污染监测。当前基于卫星遥感的O3污染相关研究中★■★，主要围绕于O3遥感反演数据的可靠性、时空分布◆■■、污染过程◆■◆、源汇以及影响机理等方面。如Sousa等分析了马来西亚婆罗洲地区O3浓度变化特征，发现湿度对O3浓度变化有很大影响；David等利用臭氧探测仪（OMI）数据分析了印度大陆和海洋上空O3和NO2的时空分布★■★■◆；Hong等利用OMI估算了东亚大城市总O3浓度■★■★◆，结合地面监测数据得出大城市较低O3浓度通常出现在夏季；Ul-Haq等通过对O3影响因子进行关联性对比◆★■★，发现O3前体物种氮氧化物和挥发有机物对大气O3影响显著。Jin等和Chang等探究了北美和中国地区氮氧化物和挥发性有机物对大气中O3浓度的影响，并分析得出其在各自控制区的占比■★◆；陈雪萍利用2007—2017年OMI遥感数据分析了中国西部地区O3整体时空分布，并利用经纬度和地形讨论了O3总浓度分布原因；李菁等利用OMI和Ziemke数据集对南京市2008—2017年O3时空分布特征进行了反演和统计分析；李紫微等利用地面监测与遥感数据■◆★★，用神经网络★◆◆■、ELM和SVM预测和估计京津唐地区近地表O3浓度■■★★◆，并系统分析了时间特征、空间分布，以及影响因素与O3浓度关系◆◆；戚佩霓等根据多源遥感数据分析了中国区域O3■◆、NO2和SO2的时空特征；谢静晗等基于验证后的遥感数据，分析了中国1971—2020年O3总量不同尺度的时空变化特征。

　　2）在空间变化上◆■◆★，月均值在7~12月基本分布于相对中高值区。1~6月则为相对中低值区，其随纬度变化的特征相对更加明显；季均值在春季基本为相对低值区◆★，夏冬季以相对中值区为主■◆，而秋季则为相对高值区，秋夏季纬度变化特征比春冬季更加显著；年均值在2013年和2016年处于相对低值区，而2011年◆◆★◆★、2012年■■、2014年、2018年则处于相对高值区◆■■★■；近10年总均值分布体现为北部高于南部，相对高值区主要分布在宁德市、南平市及福州市的北部◆★，相对低值区主要在漳州市、厦门市及龙岩和泉州的南部，呈现南北走向随纬度降低而降低，东西走向沿海比内陆升高的总体态势★★◆★◆。

　　本研究基于OMI Level3的O3数据，利用ArcGIS、MATLAB和python等软件技术，分析福建省2011—2020年O3浓度时空特征及其与影响因素的相关性，主要的研究结果如下。

　　3）在影响因素相关性上，气温★■◆◆★、降水和O3均呈现正负相关性并存，分布区域相对集中的态势◆◆■■★★，正相关性主要分布在沿海城市，负相关性则主要分布在内陆城市，呈现沿海向内陆的较强正相关逐渐变为较强负相关的特征；对于降水，全省大部分区域表现为负相关；NDVI也呈现出正负相关性并存现象，但负相关性所占面积明显高于正相关性（仅占总面积的10■★.39%），整体上呈现出NDVI与O3浓度的较显著负相关性。

　　2、NDVI对O3的影响植被与O3的相互作用复杂■★■★◆◆，植被通过排放挥发性有机物影响O3生成，也可以通过叶片气孔的吸收参与O3沉降过程★■★◆。图9为福建省近10年平均NDVI及其与O3相关性的空间分布◆★■◆。与气象因子相似★★，NDVI与O3浓度也存在正相关性和负相关性，但相关性系数值域更广（P0.05，正相关最大值为0.87■■★，负相关最大值为-0★★★★.98）。由图9可知，正相关零星分布在部分区域，正相关性区域明显小于负相关性区域■■■◆◆，其体现了二者空间相关性总体负相关所占面积较大■■■★，正相关性区域仅占总面积的10◆■★◆■.39%，主要集中在宁德市、厦门市★■◆◆、福州市等区域，负相关性区域集中于漳州市、南平市◆■◆◆、泉州市★★★■◆★、三明市等。整体上呈现出NDVI与O3浓度值的较显著负相关性★◆◆■■，即植被指数NDVI越高★◆，O3浓度越低。O3和植被之间是相互依存、相互影响■★★◆、相互作用的◆■■★◆◆，O3挡住了太阳辐射紫外线，对植物起到了保护作用■■★■◆◆，而在对流层中，O3会破坏植物光合作用正常运行，植物覆盖也会对气温、降水等因素产生影响，进而影响到O3浓度。在福州市◆■◆★◆、莆田市、泉州市■◆■■◆、厦门市、漳州市等城市的沿海区域★■，人口较密集，城市化水平较高，NDVI相对较低■★◆★，且由于人类活动、工业活动较多，相较于内陆山区以及植被覆盖较高的区域，其O3浓度与植被的相关性较多表现为负相关。