《表2 影响因子地理探测分析结果》
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》
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。
图表编号 | XD00209706300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 姚荣鹏、张勃、王立兵、张耀文 |
绘制单位 | 西北师范大学地理与环境科学学院、西北师范大学地理与环境科学学院、西北师范大学地理与环境科学学院、西北师范大学地理与环境科学学院 |
更多格式 | 高清、无水印(增值服务) |