Rapid screening and quantitative analysis of 26 soluble sugars in tobacco by ultra performance liquid chromatography-quadrupole-time of flight mass spectrometry

doi:10.3724/SP.J.1123.2025.10022

Abstract

Abstract:

Sugars are one of the important chemical components in tobacco. They serve as key precursor substances for various aromatic compounds in tobacco. Furthermore， they also have a significant impact on the taste and burning characteristics of tobacco. Thus， obtaining accurate information on the composition and content of soluble sugars in tobacco can provide a scientific basis for quality assessment of tobacco leaves. Moreover， it offers critical data support for quality control and process optimization. Traditional techniques for soluble sugar analysis include continuous flow analysis， ion chromatography， gas chromatography， and liquid chromatography， etc. However， these methods still have limitations such as tedious sample pretreatment， poor detection sensitivity， and low analysis efficiency. In contrast， ultra performance liquid chromatography-quadrupole-time of flight mass spectrometry （UPLC-Q-TOF-MS） is a highly effective analytical technology. It integrates the excellent separation capability of UPLC and the superior sensitivity of MS. This combination offers great potential for qualitative and quantitative analysis of target compounds. Nonetheless， the types of soluble sugars detectable in tobacco by UPLC-Q-TOF-MS remain limited. This defect restricts the comprehensive evaluation of sugar components in tobacco. Herein， a rapid and accurate analysis method was established for high-throughput screening and quantification of 26 soluble sugars in tobacco leaves. The tobacco leaf samples were ultrasonically extracted with 30 mL 40% acetonitrile aqueous solution at 120 W for 30 min. Soluble sugar extract solution was prepared using a Waters Sep-Pak C18 solid-phase extraction cartridge. With the help of self-built sugar library， the tobacco leaf samples were screened by UPLC-Q-TOF-MS. Then matrix-matched standard calibration curves were employed to accurately quantify the target analytes. The established method was verified. The 26 soluble sugars exhibited good linear relationships with correlation coefficients （R²） ranging from 0.999 1 to 0.999 9. The limits of quantification （LOQs） were in the range of 0.03-20 mg/L. The spiked recoveries ranged from 92.39% to 111.75%， and relative standard deviations （RSDs） were ≤4.65%. Finally， this method was applied to analyze 59 tobacco leaf samples from different origins， grades and years. Six soluble sugars including erythritol， fructose， sorbitol， glucose， sucrose and inositol were successfully identified. The content of each soluble sugar varied significantly among samples from different origins， grades， and years. Even among samples from the same origin， grade， and year， the soluble sugar contents showed certain fluctuations. This is speculated to be related to factors such as the growth environment， maturity， processing， and harvest time of the tobacco leaves. Among them， the contents of fructose and glucose were at relatively high levels in all tobacco leaf samples. The soluble sugar content from Heilongjiang was generally higher than that from Guizhou， Hunan， and other regions. Additionally， the overall soluble sugar content in samples from 2021 and 2022 was higher than that from 2020. Principal component analysis （PCA） and hierarchical cluster analysis （HCA） were conducted on tobacco leaf samples from different positions， respectively. These analyses demonstrated significant differences in soluble sugar contents among tobacco leaves from different positions. It confirmed that soluble sugars could serve as effective indicators for distinguishing positions of tobacco leaves. In summary， the established method enables the qualitative and quantitative detection of the 26 soluble sugars without relying on standard substances. Moreover， the method exhibits high throughput， simplicity， rapidity， and accuracy. Meanwhile， it is suitable for the qualitative and quantitative detection of soluble sugars in tobacco leaf samples. It provides robust technical support for in-depth research on tobacco chemical components and the digital formulation design of cigarette products.

Key words: ultra performance liquid chromatography-quadrupole-time of flight mass spectrometry （UPLC-Q-TOF-MS）, soluble sugars, rapid screen, tobacco leaves, quantitative detection

CLC Number:

O658

YANG Pengfei, FENG Zhengbo, FANG Cheng, LUO Yake, FEI Jiaxiang, MAO Duobin. Rapid screening and quantitative analysis of 26 soluble sugars in tobacco by ultra performance liquid chromatography-quadrupole-time of flight mass spectrometry[J]. Chinese Journal of Chromatography, 2026, 44(5): 555-564.

Figures/Tables 11

References

[1]	Wang L， Zhou P， He P， et al. Chinese Tobacco Science， 2021， 42（6）： 7
[1]	王林，周平，贺佩，等. 中国烟草科学， 2021， 42（6）： 7
[2]	Banožić M， Jokić S， Ačkar Đ， et al. Molecules， 2020， 25（7）： 1734
[3]	Stedman R L. Chem. Rev， 1968， 68（2）： 153
[4]	Li G， Tang J， Zhang Q， et al. Phyton， 2025， 94（8）： 2385
[5]	Li J， Ma Z， Dai H， et al. Heliyon， 2024， 10（8）： e29547
[6]	Jiang J R， Yang W W， Zhang J D， et al. Chemical Analysis and Meterage， 2019， 28（2）： 4
[6]	蒋佳芮，杨文武，张建铎，等. 化学分析计量， 2019， 28（2）： 4
[7]	YC/T 159-2019
[8]	He S B， Luo A N， Wang Y Y， et al. Tobacco Science & Technology， 2018， 51（4）： 41
[8]	何声宝，罗安娜，王英元，等. 烟草科技， 2018， 51（4）： 41
[9]	Michalski R， Kończyk J. Molecules， 2024， 29（14）： 3413
[10]	Xu J J， Lou C Y， Zhuo Y H， et al. Chinese Journal of Chromatography， 2025， 43（3）： 245
[10]	许健军，楼超艳，卓延红，等. 色谱， 2025， 43（3）： 245
[11]	Cai K， Xiang Z M， Zhang J， et al. Chinese Journal of Analysis Laboratory， 2012， 31（1）： 4
[11]	蔡凯，向章敏，张婕，等. 分析试验室， 2012， 31（1）： 4
[12]	Yu J J， Ding L， Wang Y， et al. Tobacco Science & Technology， 2022， 55（3）： 59
[12]	余晶晶，丁丽，王予，等. 烟草科技， 2022， 55（3）： 59
[13]	Wang X， Zhou Q， Pristijono P， et al. Microchem J， 2025， 212： 113358
[14]	Huang Y. Tobacco Science & Technology， 2010， 43（1）： 40
[14]	黄翼飞. 烟草科技， 2010， 43（1）： 40
[15]	Qiao Y S， Wang J H， Qiu Y J， et al. Chinese Journal of Chromatography， 2020， 38（12）： 11
[15]	乔勇升，王俊虎，仇雅静，等. 色谱， 2020， 38（12）： 11
[16]	Zeng W L， Liu W， Xu Y， et al. Chemical Analysis and Meterage， 2025， 34（3）： 44
[16]	曾婉俐，刘巍，许永，等. 化学分析计量， 2025， 34（3）： 44
[17]	Zhao Y， Liu J， Tang W， et al. Science and Technology of Food Industry， 2012， 33（12）： 83
[17]	赵瑜，刘金云，汤威，等. 食品工业科技， 2012， 33（12）： 83
[18]	Yang P F， Liu Y， Qian Y M， et al. Chinese Journal of Analysis Laboratory， 2026， 45（3）： 374
[18]	杨鹏飞，刘盈，钱玉梅，等. 分析试验室， 2026， 45（3）： 374
[19]	GB 5009.8-2023

No.	Extraction solvent/%	Extraction solvent volume/mL	Extraction time/min	Extraction power/W	Peak areas
No.	Extraction solvent/%	Extraction solvent volume/mL	Extraction time/min	Extraction power/W	Glucose	Fructose
1	40	30	20	80	5.9×10⁶	8.6×10⁶
2	40	40	30	100	7.1×10⁶	1.0×10⁷
3	40	50	40	120	7.0×10⁶	1.0×10⁷
4	50	30	30	120	7.5×10⁶	1.1×10⁷
5	50	40	40	80	5.5×10⁶	8.1×10⁶
6	50	50	20	100	6.5×10⁶	9.4×10⁶
7	60	30	40	100	6.9×10⁶	9.9×10⁶
8	60	40	20	120	7.4×10⁶	1.0×10⁷
9	60	50	30	80	5.6×10⁶	8.3×10⁶
K₁	1.62×10⁷	1.68×10⁷	1.59×10⁷	1.40×10⁷
K₂	1.60×10⁷	1.61×10⁷	1.65×10⁷	1.66×10⁷
K₃	1.60×10⁷	1.56×10⁷	1.58×10⁷	1.73×10⁷
R	2.0×10⁵	1.2×10⁶	7.0×10⁵	3.3×10⁶

No.	Extraction solvent/%	Extraction solvent volume/mL	Extraction time/min	Extraction power/W	Peak areas
No.	Extraction solvent/%	Extraction solvent volume/mL	Extraction time/min	Extraction power/W	Glucose	Fructose
1	40	30	20	80	5.9×10⁶	8.6×10⁶
2	40	40	30	100	7.1×10⁶	1.0×10⁷
3	40	50	40	120	7.0×10⁶	1.0×10⁷
4	50	30	30	120	7.5×10⁶	1.1×10⁷
5	50	40	40	80	5.5×10⁶	8.1×10⁶
6	50	50	20	100	6.5×10⁶	9.4×10⁶
7	60	30	40	100	6.9×10⁶	9.9×10⁶
8	60	40	20	120	7.4×10⁶	1.0×10⁷
9	60	50	30	80	5.6×10⁶	8.3×10⁶
K₁	1.62×10⁷	1.68×10⁷	1.59×10⁷	1.40×10⁷
K₂	1.60×10⁷	1.61×10⁷	1.65×10⁷	1.66×10⁷
K₃	1.60×10⁷	1.56×10⁷	1.58×10⁷	1.73×10⁷
R	2.0×10⁵	1.2×10⁶	7.0×10⁵	3.3×10⁶

Compound	Linear range/（mg/L）	Linear equation	R²	LOD/（mg/L）	LOQ/（mg/L）	Recovery/%	RSD/%
2-Deoxy-dribose	25-300	Y=2.29×10⁴X+1.60×10⁵	0.9999	3.00	10.0	100.31	1.07
Ribose	5-50	Y=4.19×10⁴X-1.09×10⁴	0.9998	1.50	5.00	100.60	2.12
Rhamnose	30-250	Y=1.10×10⁴X+3.50×10⁴	0.9999	6.00	20.0	100.59	1.40
Erythritol	1-10	Y=4.84×10⁵X+3.95×10⁴	0.9994	0.10	0.30	98.62	4.65
Lyxose	25-150	Y=6.97×10³X+3.01×10⁴	0.9993	3.00	10.0	100.93	4.07
Xylose	25-300	Y=1.05×10⁴X+8.06×10⁴	0.9997	3.00	10.0	101.99	1.64
Arabinose	20-200	Y=2.18×10⁴X-1.58×10³	0.9999	3.00	10.0	101.79	1.77
Xylitol	25-300	Y=1.63×10⁴X+1.54×10⁵	0.9993	0.75	2.50	100.08	1.33
Arabinitol	25-300	Y=7.08×10³X+7.64×10⁴	0.9997	0.75	2.50	100.12	0.93
Fructose	30-250	Y=5.38×10⁴X+3.73×10⁵	0.9991	0.30	1.00	103.54	4.46
Sorbose	10-120	Y=2.81×10⁴X+2.61×10⁴	0.9997	0.30	1.00	98.85	3.48
Mannose	0.5-10	Y=3.20×10⁵X-3.60×10⁴	0.9998	0.30	1.00	111.75	1.78
Sorbitol	0.3-4	Y=3.32×10⁷X+1.36×10⁶	0.9993	0.01	0.03	103.22	3.41
Glucose	20-200	Y=5.67×10⁴X+2.79×10⁵	0.9998	1.00	3.00	105.15	3.81
Galactose	25-300	Y=1.39×10⁵X+8.77×10⁵	0.9998	0.06	2.00	99.72	0.87
Sucrose	2-14	Y=6.91×10⁵X+1.09×10⁵	0.9999	0.30	1.00	101.92	3.40
Inositol	1-20	Y=6.56×10⁴X-1.04×10⁴	0.9999	0.06	2.00	102.39	4.34
Maltose	5-50	Y=9.17×10⁵X+2.39×10⁶	0.9994	0.12	4.00	92.39	1.92
Cellobiose	10-100	Y=8.64×10⁵X+1.67×10⁶	0.9993	3.00	10.0	99.98	1.20
Lactose	10-120	Y=9.76×10⁴X+2.12×10⁵	0.9994	0.75	2.50	106.43	3.75
Trehalose	0.5-10	Y=1.28×10⁶X+2.99×10³	0.9999	0.30	1.00	107.90	3.06
Melibiose	0.5-10	Y=1.36×10⁶X-1.31×10⁵	0.9997	0.30	1.00	101.66	2.66
Raffinose	0.5-10	Y=6.81×10⁵X+3.97×10⁴	0.9999	0.09	0.30	100.45	3.36
Maltotriose	10-115	Y=4.31×10⁵X+3.08×10⁶	0.9991	0.09	0.30	101.25	1.84
Maltotetraose	8-80	Y=1.29×10⁵X-4.01×10⁴	0.9997	0.30	1.00	100.98	1.87
Stachyose	2-18	Y=9.83×10⁵X+3.43×10⁵	0.9997	0.12	0.40	100.16	1.74

Compound	Linear range/（mg/L）	Linear equation	R²	LOD/（mg/L）	LOQ/（mg/L）	Recovery/%	RSD/%
2-Deoxy-dribose	25-300	Y=2.29×10⁴X+1.60×10⁵	0.9999	3.00	10.0	100.31	1.07
Ribose	5-50	Y=4.19×10⁴X-1.09×10⁴	0.9998	1.50	5.00	100.60	2.12
Rhamnose	30-250	Y=1.10×10⁴X+3.50×10⁴	0.9999	6.00	20.0	100.59	1.40
Erythritol	1-10	Y=4.84×10⁵X+3.95×10⁴	0.9994	0.10	0.30	98.62	4.65
Lyxose	25-150	Y=6.97×10³X+3.01×10⁴	0.9993	3.00	10.0	100.93	4.07
Xylose	25-300	Y=1.05×10⁴X+8.06×10⁴	0.9997	3.00	10.0	101.99	1.64
Arabinose	20-200	Y=2.18×10⁴X-1.58×10³	0.9999	3.00	10.0	101.79	1.77
Xylitol	25-300	Y=1.63×10⁴X+1.54×10⁵	0.9993	0.75	2.50	100.08	1.33
Arabinitol	25-300	Y=7.08×10³X+7.64×10⁴	0.9997	0.75	2.50	100.12	0.93
Fructose	30-250	Y=5.38×10⁴X+3.73×10⁵	0.9991	0.30	1.00	103.54	4.46
Sorbose	10-120	Y=2.81×10⁴X+2.61×10⁴	0.9997	0.30	1.00	98.85	3.48
Mannose	0.5-10	Y=3.20×10⁵X-3.60×10⁴	0.9998	0.30	1.00	111.75	1.78
Sorbitol	0.3-4	Y=3.32×10⁷X+1.36×10⁶	0.9993	0.01	0.03	103.22	3.41
Glucose	20-200	Y=5.67×10⁴X+2.79×10⁵	0.9998	1.00	3.00	105.15	3.81
Galactose	25-300	Y=1.39×10⁵X+8.77×10⁵	0.9998	0.06	2.00	99.72	0.87
Sucrose	2-14	Y=6.91×10⁵X+1.09×10⁵	0.9999	0.30	1.00	101.92	3.40
Inositol	1-20	Y=6.56×10⁴X-1.04×10⁴	0.9999	0.06	2.00	102.39	4.34
Maltose	5-50	Y=9.17×10⁵X+2.39×10⁶	0.9994	0.12	4.00	92.39	1.92
Cellobiose	10-100	Y=8.64×10⁵X+1.67×10⁶	0.9993	3.00	10.0	99.98	1.20
Lactose	10-120	Y=9.76×10⁴X+2.12×10⁵	0.9994	0.75	2.50	106.43	3.75
Trehalose	0.5-10	Y=1.28×10⁶X+2.99×10³	0.9999	0.30	1.00	107.90	3.06
Melibiose	0.5-10	Y=1.36×10⁶X-1.31×10⁵	0.9997	0.30	1.00	101.66	2.66
Raffinose	0.5-10	Y=6.81×10⁵X+3.97×10⁴	0.9999	0.09	0.30	100.45	3.36
Maltotriose	10-115	Y=4.31×10⁵X+3.08×10⁶	0.9991	0.09	0.30	101.25	1.84
Maltotetraose	8-80	Y=1.29×10⁵X-4.01×10⁴	0.9997	0.30	1.00	100.98	1.87
Stachyose	2-18	Y=9.83×10⁵X+3.43×10⁵	0.9997	0.12	0.40	100.16	1.74

No.	Origin	Grade	Year	Contents/（mg/g）（RSDs/%）						Total content/ （mg/g）
No.	Origin	Grade	Year	Glucose	Fructose	Sucrose	Inositol	Sorbitol	Erythritol	Total content/ （mg/g）
1	America	#7 FCB3	2020	75.20 （3.21）	94.45 （2.25）	3.734 （4.23）	13.09 （0.51）	0.610 （4.55）	0.090 （4.38）	187.174
2	Brazil	#51 MBOA-GD	2020	75.97 （0.64）	102.6 （0.94）	3.425 （2.31）	12.37 （0.39）	0.500 （2.47）	0.117 （3.35）	194.982
3	Zimbabwe	#70 L1O/C	2020	73.58 （1.70）	106.6 （0.71）	5.580 （2.74）	7.923 （0.54）	0.981 （3.20）	0.163 （2.46）	194.827
4	Zimbabwe	#74 L1O/C	2020	76.64 （1.34）	107.1 （0.60）	4.625 （6.87）	7.271 （0.13）	1.053 （4.17）	0.183 （1.89）	196.872
5	Zimbabwe	#76 L1O	2020	72.72 （0.04）	106.4 （0.47）	7.440 （3.44）	8.194 （0.14）	1.152 （3.75）	0.188 （2.97）	196.094
6	Zimbabwe	#139 L1LA	2021	75.52 （0.97）	91.30 （0.89）	5.370 （5.47）	9.033 （0.02）	1.282 （2.07）	0.232 （4.57）	182.737
7	Zimbabwe	#140 L1OA	2021	82.17 （1.75）	104.4 （0.55）	9.457 （0.31）	15.56 （0.17）	0.453 （3.70）	0.112 （2.01）	212.152
8	Yunnan	C1F （A）	2021	82.06 （1.45）	129.2 （0.10）	13.27 （1.37）	10.08 （0.04）	0.124 （3.57）	0.035 （4.38）	234.769
9	Yunnan	C2F （A）	2021	90.78 （0.11）	109.6 （0.39）	17.34 （0.18）	9.337 （0.10）	0.137 （1.13）	0.025 （4.31）	227.219
10	Yunnan	C3F （A）	2021	96.46 （1.00）	131.0 （1.27）	13.64 （3.54）	13.96 （0.37）	0.111 （2.48）	0.024 （3.74）	255.195
11	Yunnan	C4F	2021	64.84 （2.80）	99.72 （0.62）	6.348 （3.38）	9.360 （0.25）	0.119 （4.21）	0.022 （3.44）	180.409
12	Yunnan	B1F （A）	2022	81.10 （0.84）	109.7 （0.52）	16.59 （0.92）	10.27 （3.89）	0.425 （4.15）	0.054 （3.11）	218.139
13	Yunnan	C1F （JD）	2020	77.19 （1.28）	129.1 （0.62）	3.335 （4.31）	10.69 （3.18）	0.581 （3.19）	0.238 （1.57）	221.134
14	Yunnan	C2F	2020	72.01 （1.06）	112.0 （0.53）	2.640 （3.95）	10.51 （3.80）	0.597 （4.15）	0.169 （3.96）	197.926
15	Yunnan	C2F （A）	2021	81.56 （0.88）	111.6 （0.75）	24.52 （0.48）	19.51 （1.75）	0.372 （2.22）	0.055 （3.61）	237.617
16	Yunnan	C3F （C2JD）	2021	90.91 （0.53）	115.5 （0.44）	16.54 （3.28）	16.55 （1.74）	0.195 （3.86）	0.037 （3.94）	239.732
17	Yunnan	B1F （B1）	2021	75.21 （0.41）	112.1 （0.43）	8.419 （0.12）	8.354 （0.28）	0.427 （3.03）	0.076 （4.24）	204.586
18	Yunnan	C3F （B）	2021	93.15 （0.02）	114.1 （0.51）	8.199 （1.65）	10.56 （1.09）	0.499 （0.51）	0.124 （1.08）	226.632
19	Yunnan	X2F	2021	61.23 （0.42）	93.72 （0.14）	5.270 （1.88）	10.23 （0.39）	0.335 （3.32）	0.009 （2.13）	170.794
20	Yunnan	C3L	2022	70.80 （1.17）	93.13 （0.46）	14.24 （4.34）	7.407 （1.07）	0.452 （4.03）	0.005 （3.32）	186.034
21	Yunnan	C1F （A）	2020	111.4 （0.85）	111.5 （0.69）	14.69 （1.64）	7.716 （2.63）	0.506 （4.14）	0.004 （2.59）	245.816
22	Yunnan	B2F （B1）	2022	59.24 （0.72）	81.42 （0.63）	8.460 （3.07）	6.313 （2.69）	0.512 （1.83）	0.037 （2.64）	155.982
23	Yunnan	C3F （C1）	2022	99.87 （0.95）	104.0 （0.93）	22.57 （1.57）	11.82 （3.22）	0.441 （1.16）	0.006 （4.34）	238.707
24	Yunnan	C2F	2022	89.66 （1.39）	94.69 （0.66）	23.77 （3.24）	8.442 （2.55）	0.358 （3.00）	0.002 （2.37）	216.922
25	Yunnan	C3F （C1）	2020	87.40 （0.70）	95.04 （0.34）	11.49 （4.57）	7.574 （1.11）	0.464 （4.02）	-	201.968
26	Yunnan	B2F （C）	2021	55.02 （0.53）	70.82 （0.62）	15.20 （4.48）	4.477 （0.93）	0.414 （4.38）	-	145.931
27	Yunnan	C4F	2022	66.09 （1.32）	81.09 （0.23）	15.41 （3.25）	6.482 （3.13）	0.374 （4.10）	-	169.446
28	Yunnan	C2F （G）	2019	76.15 （0.78）	95.20 （0.44）	5.250 （2.28）	7.708 （1.34）	0.748 （4.52）	0.093 （1.20）	185.149
29	Yunnan	C2F （A）	2022	87.63 （0.86）	96.32 （0.41）	11.17 （3.10）	8.377 （0.62）	0.454 （4.39）	0.083 （3.99）	204.034
30	Yunnan	B1F （A）	2022	67.27 （1.00）	80.13 （0.92）	7.515 （2.48）	6.498 （1.11）	0.639 （2.44）	0.061 （3.49）	162.113
31	Yunnan	B1F （B2）	2022	60.84 （1.08）	75.09 （1.08）	5.130 （1.37）	4.321 （3.45）	0.535 （4.20）	0.058 （3.51）	145.974
32	Sichuan	C2F （A）	2021	94.59 （1.01）	121.2 （0.31）	15.48 （1.25）	8.160 （3.05）	0.653 （4.24）	0.061 （2.42）	240.144
33	Sichuan	C2F （A）	2019	61.47 （1.37）	127.4 （0.41）	8.240 （2.27）	3.590 （1.18）	0.619 （2.66）	0.116 （3.33）	201.435
34	Sichuan	C2F （AJD）	2021	66.15 （1.24）	98.98 （0.86）	15.36 （2.46）	6.745 （3.44）	0.416 （2.49）	0.044 （4.10）	187.695
35	Sichuan	C2F （T）	2022	85.29 （1.26）	113.7 （0.99）	17.38 （1.38）	7.948 （2.97）	0.543 （4.39）	0.137 （0.52）	224.998
36	Sichuan	C3F （A）	2021	109.5 （1.18）	137.2 （0.82）	14.68 （2.20）	8.047 （2.96）	0.508 （2.31）	0.099 （3.56）	270.034
37	Sichuan	C3F （AJD）	2021	105.3 （0.58）	117.7 （0.67）	21.38 （1.32）	8.380 （3.94）	0.563 （4.06）	0.046 （3.41）	253.369
38	Sichuan	C3F （A）	2022	93.72 （1.16）	106.4 （0.50）	21.70 （3.03）	8.330 （2.32）	0.429 （4.06）	0.046 （3.90）	230.625
39	Sichuan	C3F （C2）	2021	91.70 （0.85）	124.1 （2.07）	13.52 （1.78）	10.79 （4.32）	0.121 （3.99）	0.029 （2.53）	240.260
40	Guangdong	C4F （C1）	2022	112.7 （0.62）	120.7 （0.70）	6.443 （4.30）	15.50 （2.44）	0.542 （3.11）	0.167 （4.26）	256.052
41	Guangdong	C3F （C1）	2022	101.3 （0.83）	110.1 （0.67）	6.520 （3.80）	13.50 （3.48）	0.595 （4.39）	0.152 （0.85）	232.167
42	Guizhou	C3F	2022	77.80 （1.53）	97.20 （1.03）	6.021 （1.73）	4.144 （4.59）	-	-	185.165
43	Guizhou	C3F （A）	2021	80.66 （1.39）	87.31 （1.38）	6.258 （1.00）	9.408 （0.14）	0.667 （4.36）	0.023 （3.80）	184.326
44	Guizhou	C3F （C1）	2022	75.27 （0.96）	89.37 （2.29）	6.239 （3.59）	8.343 （3.76）	0.607 （3.69）	0.027 （3.87）	179.856
45	Guizhou	C2F （G）	2021	97.27 （1.09）	103.4 （1.01）	16.34 （0.52）	7.342 （0.59）	0.546 （3.61）	0.045 （4.03）	224.943
46	Fujian	C2F （A）	2021	115.3 （1.11）	121.4 （0.56）	12.81 （0.83）	7.391 （1.17）	0.265 （3.07）	-	257.166
47	Fujian	C3F （C1）	2022	116.5 （0.43）	122.8 （0.30）	6.351 （2.54）	9.294 （1.26）	0.371 （1.22）	-	255.316
48	Fujian	C2F （A）	2022	115.5 （0.79）	124.9 （0.31）	13.78 （0.59）	13.16 （2.88）	0.154 （3.00）	-	267.494
49	Fujian	C3F （A）	2021	118.7 （0.30）	123.0 （1.33）	5.933 （2.23）	12.51 （0.55）	0.261 （2.17）	-	260.404
50	Hunan	X2F	2020	65.79 （1.08）	84.06 （1.23）	1.050 （4.35）	9.250 （3.21）	0.555 （3.60）	0.036 （3.17）	160.741
51	Hunan	C3F （C1）	2020	75.16 （1.97）	99.06 （1.63）	2.323 （4.19）	6.851 （2.61）	0.511 （4.52）	0.051 （3.75）	183.956
52	Hunan	B1F （A）	2020	57.72 （1.34）	81.77 （1.26）	0.259 （3.76）	8.522 （2.93）	0.617 （3.00）	0.055 （4.50）	148.943
53	Hunan	C3F （C1）	2021	71.70 （1.71）	97.36 （1.08）	2.463 （3.89）	6.990 （2.50）	0.629 （2.54）	0.037 （3.31）	179.179
54	Hunan	C3F	2021	96.79 （0.34）	139.9 （0.24）	4.373 （3.79）	11.60 （1.76）	-	-	252.663
55	Hunan	C3F	2021	85.48 （1.18）	100.6 （1.14）	3.470 （4.62）	6.503 （0.94）	0.523 （2.04）	0.085 （1.80）	196.661
56	Heilong-jiang	C2F	2022	129.9 （0.39）	127.4 （0.59）	17.56 （2.67）	9.274 （1.28）	0.653 （2.44）	0.184 （2.00）	284.971
57	Heilong-jiang	C3F	2021	133.5 （0.64）	128.2 （0.87）	23.74 （2.62）	9.387 （3.89）	0.604 （3.44）	0.170 （3.95）	295.601
58	Shaanxi	C3F	2021	84.55 （1.25）	90.70 （2.29）	37.50 （2.27）	5.215 （1.55）	-	-	217.965
59	Shandong	C3F	2021	78.29 （0.65）	106.5 （0.87）	4.461 （3.32）	4.284 （1.98）	-	-	193.535