《表3 粤港澳大湾区NO2柱浓度与影响因子OLS模型参数》

  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

《基于Sentinel-5P的粤港澳大湾区NO_2污染物时空变化分析》

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:在5%的水平上显著；**在1%的水平上显著.

考虑到研究区的范围，本文在大湾区内构建10×10km的格网用以提取对应格网内的NO2柱浓度及各影响因子的均值.对获取的格网单元使用OLS进行建模分析，结果如表3所示.从模型各变量的显著性来看，DEM、DNB、NDVI通过了1%显著性检验，而IPS和LST变量则不显著.OLS回归的校正拟合优度（Adj.R2）表明该模型所选择的变量对大湾区NO2柱浓度的解释程度约为80%.从变量系数来看，DEM、NDVI与NO2柱浓度呈现负相关，即海拔越低、植被覆盖度越低的地区NO2柱浓度越高.对于DEM所代表的地形结构而言，粤港澳大湾区中部为低洼的珠江三角洲平原，三面以丘陵、山地为主，这种特殊的地形结构容易导致中心地区的NO2污染物无法快速扩散而产生聚集现象[44].此外，DEM还往往通过影响建成区建设、工业企业选址、人口居住、植被覆盖等因素来间接的影响NO2浓度分布[45-47].已有研究表明，植被对区域NO2污染物具有一定的缓释作用，主要表现在:1)吸收作用，植物可以吸收NO2并与海绵组织细胞表面的水分结合，生成亚硝酸或硝酸；2)吸附作用，植物可以通过吸附作用来降低大气中硝酸盐粒子浓度，提高大气NO2转化硝酸盐粒子的效率[23].对大湾区而言，植被覆盖度呈现出明显的“中心低-外围高”和“南低北高”的分布特征[48]，这与图3中大湾区NO2柱浓度分布具有较高的一致性.DNB变量的系数为0.159，这表明DNB与NO2柱浓度呈现正相关.实际上，夜间灯光数据DNB来自传感器对地表夜间人工光源的捕获，可以有效的刻画地表人类的活动水平[49].已有的夜间灯光研究证实夜间灯光强度跟能源消耗具有高度相关性，可用于评估地区NOx排放量[50-51].粤港澳大湾区内夜间灯光的分布呈现出与植被覆盖度完全相反的特征，即“中心高-外围低”、“南高北低”.对于夜间灯光强度较高的中心地区而言，高强度的人类活动和工业生产是导致NO2排放量显著高于外围区域的主要诱因.