《表2 影响因子地理探测分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《2015—2019年中东部地区PM_(2.5)时空演变及其驱动力》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:#表示未通过显著性检验，其他均通过0.01级别的检验．

基于REOF分析所得的区划，以2015年为断面，利用因子探测器确定子区域内各影响因子对PM2.5污染的解释力大小，结果如表2所示。Ⅰ区中解释力超过0.3的影响因子依次为相对湿度（0.487）>年降水量（0.454）>城市绿化率（0.437）>二氧化硫排放量（0.356）>人均GDP（0.317）；Ⅱ区依次为用电量（0.391）>降水大于0.1 mm日数（0.351）>相对湿度（0.345）；Ⅲ区则依次为人口密度（0.463）>相对湿度（0.405）>用电量（0.400）>二氧化硫排放量（0.393）>年降水量（0.338）；全区则表现出明显的规律性，依次表现为气象因素（0.267～0.489）>地形坡度（0.223）>人类活动（0.110～0.189）。以上结果表明各子区域的PM2.5分异的主要驱动力有明显差异，Ⅰ区主要受气象因素影响较大，相对湿度对于颗粒物的二次生成与转化具有重要作用，而降水则能够有效清除大气中的颗粒物（Tai et al.，2010），此外城市绿化率、二氧化硫排放量和人均GDP对PM2.5均有较大影响，反映出该区受多方面驱动力影响；Ⅱ区首要受到用电量影响，其次为气象因素，东部沿海地区人口密集，工业发达，是中国经济最为发达的区域，且大部分城市以火力发电为主，其在一定程度上反映了城市颗粒物的排放水平；Ⅲ区主要受到人口密度的影响，同时能源消费（用电量和二氧化硫排放量）与气象因子共同影响PM2.5分异。综合全区来看，气象因子始终是影响PM2.5分异的主要驱动力，其次是地形坡度对于气团的控制力，再者是人类活动的影响。