《表4 因子载荷矩阵：城市道路交叉口颗粒物浓度及行人暴露研究》

  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

《城市道路交叉口颗粒物浓度及行人暴露研究》

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

主成分分析（PCA）用于数据分析，它的主要结果是因子载荷，它反映了给定的变量对特定主成分的贡献程度，变量的载荷值越高，表明该变量对特定主成分的变化贡献越大[15]。通过主成分分析可以探究最能代表该交叉口污染情况的颗粒以及探究不同粒径颗粒物间的相关性，这些不同粒径的颗粒物行为是否相似、其来源是否相同，同时基于实测的数据，探索气象要素（风速、温度、气压和相对湿度）对颗粒物浓度变化的影响。选择静安环境监测站发布的每小时气象数据和相应时间段测得的每小时颗粒物浓度数据进行研究分析。表4为通过主成分分析得到的因子载荷矩阵，提取特征值>1的因子，可提取出3个主成分，同时第1主成分解释了原始数据52.6%的方差，第2主成分解释了原始数据23.5%的方差，第3主成分解释了原始数据10.7%的方差，前3个主成分的累积方差贡献率达到了86.8%，因此前3个主成分已经涵盖了原始数据中大部分的信息。第1主成分PC1中0.3～4.99μm范围的颗粒物显示出了较高的载荷，这表明城市交叉口<5μm的4种不同粒径颗粒物间的行为较为相似且相互关联；第2主成分PC2中5～9.99μm和>10μm范围的颗粒物以及相对湿度显示出较高的载荷，表明>5μm的颗粒物间的行为较为相似；第3主成分PC3中风速、温度和气压显示出较高的载荷。