曾賢剛,阮芳芳,姜藝婧

中國臭氧污染的空間分布和健康效應(yīng)

曾賢剛*,阮芳芳,姜藝婧

(中國人民大學(xué)環(huán)境學(xué)院,北京 100872)

基于2017年全國1365個(gè)監(jiān)測站點(diǎn)的實(shí)時(shí)監(jiān)測數(shù)據(jù),運(yùn)用空間數(shù)據(jù)統(tǒng)計(jì)模型揭示近地面臭氧(O3)污染的時(shí)空分布格局,并利用BenMap工具在10km×10km空間網(wǎng)格尺度上估計(jì)O3污染的健康損失和健康經(jīng)濟(jì)價(jià)值.結(jié)果表明,O3濃度具有較強(qiáng)的季節(jié)性變化,呈倒“V”型變化趨勢,在空間分布上呈現(xiàn)明顯的集聚性,即高值或低值區(qū)域集中分布,具有較強(qiáng)的空間正相關(guān)性;通過O3暴露系數(shù)模擬人群室內(nèi)、室外O3暴露情況,在統(tǒng)計(jì)意義上估計(jì)得到2017年O3污染共計(jì)造成我國全因早逝人數(shù)98473例(95%置信區(qū)間:53419~143292),其中心血管疾病早逝風(fēng)險(xiǎn)約占45%,以不同學(xué)者估算得到的單位統(tǒng)計(jì)生命價(jià)值為基礎(chǔ),估計(jì)得到的健康經(jīng)濟(jì)損失在197~978億元之間,約占2017年全國GDP的0.05%~0.26%.

O3；健康效應(yīng)；BenMap；空間自相關(guān)；時(shí)空變化

隨著我國產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、機(jī)動(dòng)車數(shù)量增加,大氣污染已由常規(guī)化石燃燒引起的單一污染逐漸轉(zhuǎn)變?yōu)榛紵蜋C(jī)動(dòng)車排放為主的復(fù)合型污染[1].除顆粒物污染外,近地面臭氧(O3)污染在我國也日益嚴(yán)重.近年來,我國在顆粒物尤其是細(xì)顆粒物污染治理上取得豐碩成果,但由于PM2.5控制政策包括減少氮氧化物(NO)和揮發(fā)性有機(jī)化合物(VOCs),導(dǎo)致O3濃度隨著氮氧化物與揮發(fā)性有機(jī)化合物比例的增加而增加[2].同時(shí),O3可促使空氣中的大量氣體污染物轉(zhuǎn)化為顆粒物,進(jìn)而轉(zhuǎn)化為PM2.5,因而近地面濃度超標(biāo),其危害程度不亞于PM2.5超標(biāo).據(jù)統(tǒng)計(jì),2015~ 2017年全國338個(gè)城市O3濃度、超標(biāo)天數(shù)占比均逐年上升,達(dá)標(biāo)城市占比逐年下降,部分地區(qū)超過新標(biāo)準(zhǔn)二級(jí)濃度限值(160μg/m3).京津冀地區(qū)首要污染物天數(shù)占比O3僅次于PM2.5,上升幅度較大.而在珠江三角洲地區(qū)和長江三角洲地區(qū),O3分別于2014、2017年取代PM2.5成為全年首要污染物.如何在控制PM2.5濃度的同時(shí)遏制O3的增加是當(dāng)前大氣污染防治亟需解決的問題,應(yīng)當(dāng)引起政府和公眾的重視.

流行病學(xué)研究表明[2-6],O3危害人體健康,短期暴露會(huì)引起心血管疾病和呼吸系統(tǒng)疾病患病率、住院率和死亡率增加.董繼元等[7]、Shang等[8]針對中國有關(guān)研究進(jìn)行meta分析發(fā)現(xiàn),我國O3短期暴露對死亡風(fēng)險(xiǎn)影響的暴露-反應(yīng)關(guān)系系數(shù)較高,O3濃度的上升會(huì)導(dǎo)致我國人群非意外總死亡率、心血管系統(tǒng)疾病死亡率和呼吸系統(tǒng)疾病死亡率的增加.關(guān)于O3暴露與呼吸系統(tǒng)疾病之間的關(guān)系,有研究表明在北京,O3濃度的增加與呼吸系統(tǒng)死亡率的增長無顯著關(guān)系[2],而在南方幾個(gè)城市的研究顯示,O3對呼吸系統(tǒng)死亡率的影響最大[9].由于O3本身的特性,針對它的研究以短期暴露、急性效應(yīng)為主,但仍然可以得出:O3與多種疾病尤其是心血管疾病顯著相關(guān),表現(xiàn)出獨(dú)立的健康危害,且表現(xiàn)出空間差異和空間溢出效應(yīng),并對季節(jié)具有敏感性.因而研究O3污染的健康效應(yīng)具有實(shí)際意義.

1 方法與數(shù)據(jù)處理

本文包括污染物濃度特征分析、健康損失評(píng)估、經(jīng)濟(jì)損失評(píng)估和空間分析4部分.其中健康損失評(píng)估和經(jīng)濟(jì)損失評(píng)估由美國環(huán)保署開發(fā)的BenMAP-CE工具完成.該模型通過綜合利用空間網(wǎng)格化的人口與空氣質(zhì)量信息,基于暴露-反應(yīng)函數(shù)來評(píng)估空氣污染物濃度的改變對各種健康結(jié)果發(fā)生率的變化,并進(jìn)一步利用價(jià)值衡量函數(shù),估計(jì)污染物濃度變化所帶來的健康經(jīng)濟(jì)效益[10].

1.1 暴露人群

人口空間分布數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心,由于該中心提供的是2015年全國人口空間分布1km網(wǎng)格數(shù)據(jù),首先利用ArcGIS提取10km×10km人口分布數(shù)據(jù),然后假定2015~2017年人口數(shù)量同比例增長,最后依據(jù)《中國統(tǒng)計(jì)年鑒》[11]中的年末總?cè)丝跀?shù),換算得到2017年全國人口10km×10km空間網(wǎng)格分布數(shù)據(jù).

1.2 O3暴露水平空間分布

O3濃度度量指標(biāo)有多種,美國環(huán)保署(1997)、世界衛(wèi)生組織(2000)和我國生態(tài)環(huán)保部(2012)先后修訂O3濃度標(biāo)準(zhǔn),均使用每日最大8h平均濃度,因此,本文選用O38h-max作為O3濃度的暴露指標(biāo),O3年均濃度用O38h-max第90%百分位數(shù)的平均質(zhì)量濃度表示(按照《環(huán)境空氣質(zhì)量評(píng)價(jià)技術(shù)規(guī)范(試行)》(HJ 663-2013)[12],將日歷年內(nèi)有效的O3日最大8h平均值按數(shù)值從小到大排序,取第90% 位置的數(shù)值.

圖1 2017年有效監(jiān)測點(diǎn)及O3年均濃度分布

根據(jù)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB 3095-2012)[13]和《環(huán)境空氣質(zhì)量評(píng)價(jià)技術(shù)規(guī)范(試行)》(HJ 663- 2013)[12]中有關(guān)O3濃度數(shù)據(jù)統(tǒng)計(jì)方法和有效性要求,對監(jiān)測點(diǎn)的實(shí)時(shí)監(jiān)測數(shù)據(jù)進(jìn)行處理,最終獲得1365個(gè)監(jiān)測點(diǎn)的有效數(shù)據(jù),如圖1所示.監(jiān)測點(diǎn)O3濃度范圍為76.4~230.1μg/m3,平均值155.4μg/m3,標(biāo)準(zhǔn)差27.0.O3年均濃度最高值出現(xiàn)在河北保定的游泳館監(jiān)測站點(diǎn),最低值出現(xiàn)在西藏那曲地區(qū)的那曲監(jiān)測站點(diǎn).有555個(gè)監(jiān)測站點(diǎn)O3年均濃度超過二級(jí)限值,主要分布在華北、華中、華東地區(qū)、華南部分區(qū)域及西藏地區(qū).模擬大氣污染物濃度空間分布常用的插值方法有反距離加權(quán)法(IDW)、普通克里格法(OK)和Voronoi領(lǐng)域平均法(VNA).研究表明[14],對于監(jiān)測點(diǎn)數(shù)據(jù)的濃度模擬預(yù)測,VNA法模擬效果較佳,因此本文采用VNA法來模擬O3濃度的空間分布.

此外,研究表明室內(nèi)外O3濃度差異較大,而一般人群處于室內(nèi)環(huán)境的時(shí)間比例較高,因而直接使用室外O3監(jiān)測濃度作為暴露水平來估計(jì)健康效應(yīng)存在較大的誤差.Chen等[15]針對美國18個(gè)城市估計(jì)了室內(nèi)O3被室外O3濃度替代的年平均變化率,定義每單位O3總暴露量變化對應(yīng)的室外O3濃度為O3暴露系數(shù)(ΔO3_exposure),發(fā)現(xiàn)O3死亡率系數(shù)與O3暴露系數(shù)之間的相關(guān)性較強(qiáng),因而可以用O3暴露系數(shù)來合理的估計(jì)O3污染的健康效應(yīng).該研究中18個(gè)城市O3暴露系數(shù)范圍為1.83~2.54,取其平均值2.10作為本文的O3暴露系數(shù).

1.3 人群健康效應(yīng)

由于對O3健康效應(yīng)的研究時(shí)間較短,目前國內(nèi)外流行病學(xué)研究關(guān)于O3暴露與人群健康效應(yīng)的研究主要集中在短期暴露對全因、心血管系統(tǒng)疾病、呼吸系統(tǒng)疾病等早逝風(fēng)險(xiǎn)的影響上.其中,由于地域差異,針對呼吸系統(tǒng)疾病的死亡風(fēng)險(xiǎn)在一些城市研究中不具有統(tǒng)計(jì)學(xué)意義.一些研究人員認(rèn)為患有呼吸道疾病的人是O3暴露的易受影響的對象,由于在O3濃度達(dá)到最高水平之前,這些易受影響的人可能已經(jīng)死亡,因而O3保護(hù)對呼吸系統(tǒng)死亡風(fēng)險(xiǎn)降低,從而使得兩者之間的相關(guān)性不顯著[16-17].

本文以全國為研究對象,在健康影響終點(diǎn)以及暴露-反應(yīng)系數(shù)的選擇上遵循以下原則.首先,采用基于國內(nèi)的流行病學(xué)研究推導(dǎo)出的O3-暴露反應(yīng)關(guān)系;其次,盡可能采用多城市群、長時(shí)間序列的研究結(jié)果.基于此,本文選擇全因早逝風(fēng)險(xiǎn)和心血管系統(tǒng)疾病早逝風(fēng)險(xiǎn)作為O3健康效應(yīng)終點(diǎn).根據(jù)國際疾病分類第10版(ICDD-10,WHO 2016)[18]對死因進(jìn)行編碼,將其分為全因早逝(A00-R99)、心血管系統(tǒng)疾病早逝(I00-I99),暴露-反應(yīng)系數(shù)參照Yin等[5]2012~ 2015年針對我國272個(gè)城市的流行病學(xué)研究結(jié)果,具體如表1所示.

9月5日，美國商務(wù)部發(fā)布數(shù)據(jù)顯示，7月份貿(mào)易賬戶逆差501億美元，為5個(gè)月來最高；其中，出口環(huán)比下降1%至2111億美元，進(jìn)口環(huán)比增長0.9%至2612億美元；1—7月份貿(mào)易賬戶逆差累計(jì)3380億美元，同比增長6.5%；分國別看，7月份與中國商品貿(mào)易逆差環(huán)比上升10%至368億美元，與墨西哥貿(mào)易逆差環(huán)比縮小25.3%至55億美元，與加拿大貿(mào)易逆差環(huán)比擴(kuò)大57.5%至31億美元，與歐盟貿(mào)易逆差環(huán)比擴(kuò)大50%至176億美元。

表1 健康影響暴露-反應(yīng)關(guān)系系數(shù)

注:表示O3濃度每增加1μg/m3,人群死亡風(fēng)險(xiǎn)增加百分比.

關(guān)于大氣污染的暴露-反應(yīng)函數(shù),主要有線性模型、對數(shù)線性模型、Logistic模型、Cox比例風(fēng)險(xiǎn)模型.目前關(guān)于O3的流行病學(xué)研究,常用泊松回歸模型,本文的暴露-反應(yīng)函數(shù)如下所示.

D=(1-e-DQ)××POP (1)

D=DO3_out?DO3_exposure(2)

式中:D是受污染物影響的健康效應(yīng)估計(jì);是暴露-反應(yīng)系數(shù);D是污染物暴露濃度變化量;DO3_out是O3濃度變化量;DO3_exposure是O3暴露系數(shù),取值2.10;A 是健康效應(yīng)終點(diǎn)的基線發(fā)生率;POP 是暴露人口數(shù)量.

關(guān)于閾值濃度,世界衛(wèi)生組織指出全球自然背景濃度約為70μg/m3[19](以每日最大8h平均濃度計(jì)).目前較少有研究表明O3的健康效應(yīng)存在閾值濃度,Atkinson等[20]針對英國5個(gè)城市和5個(gè)農(nóng)村1993~2006年的時(shí)間序列研究表明,倫敦O3與全因死亡率之間存在明確的暴露-反應(yīng)關(guān)系閾值65μg/ m3(95%CI:58~83μg/m3),但在其他城市或農(nóng)村地區(qū)未發(fā)現(xiàn)閾值濃度的存在.本文選擇70μg/m3作為閾值濃度,基年發(fā)生率來源于《中國統(tǒng)計(jì)年鑒》[11]和《中國衛(wèi)生與計(jì)劃生育統(tǒng)計(jì)年鑒》[21].

本文使用蒙特卡洛數(shù)值模擬程序得到95％置信區(qū)間下的每種健康終點(diǎn)的發(fā)生率的平均預(yù)測值.對于每種健康終點(diǎn),BenMAP-CE從每個(gè)暴露-反應(yīng)系數(shù)的概率分布中隨機(jī)選擇值,然后基于所選值計(jì)算發(fā)生率.重復(fù)該過程5000次,最終獲得發(fā)生率的分布模擬結(jié)果.

1.4 健康經(jīng)濟(jì)損失評(píng)價(jià)

O3相關(guān)健康影響的單位經(jīng)濟(jì)成本來源于本文使用的參考文獻(xiàn),具體如表2所示.關(guān)于空氣污染健康損失經(jīng)濟(jì)價(jià)值評(píng)估的方法國際上主要使用支付意愿法(WTP),我國早期以人力資本法(HC),目前逐漸轉(zhuǎn)向支付意愿法,WTP法能夠較為全面的評(píng)估研究對象的統(tǒng)計(jì)生命價(jià)值(VSL).目前已有一些學(xué)者在我國不同城市開展支付意愿研究(主要分布在北京、重慶、上海為主),由于支付意愿受調(diào)查對象的年齡、教育程度、人均年收入、健康及家庭因素等的影響[26],不同學(xué)者的研究成果不盡相同,差異較大.為了提高估計(jì)的準(zhǔn)確性,本文選取以北京為對象的幾項(xiàng)支付意愿研究結(jié)果,不同年份的估計(jì)成本使用收入彈性進(jìn)行了調(diào)整[27],調(diào)整后的貨幣年份為2017年.

表2 不同研究的單位統(tǒng)計(jì)生命價(jià)值(元)

鑒于其他影響支付意愿的因素?zé)o法控制,本文主要以人均可支配收入為控制因素,其他城市的統(tǒng)計(jì)生命價(jià)值通過如下公式轉(zhuǎn)換得到.

式中:VSL和VSLBJ分別代表被選中的城市和北京的統(tǒng)計(jì)生命價(jià)值;I和BJ分別代表被選中的城市和北京的人均年可支配收入(2017年);代表收入彈性,本文取值1.

1.5 空間自相關(guān)分析

目前已有很多指數(shù)來測度空間自相關(guān)程度,如全局或局部Moran’s指數(shù)、Geary和 Global.其中,全局Moran's指數(shù)和局部Moran's指數(shù)是現(xiàn)有研究中較為常用的測算方法.全局Moran’s值的范圍在-1~1之間波動(dòng),若Moran’s>0表示空間單元之間存在空間正相關(guān)性,其值越大,空間相關(guān)性越明顯;若Moran’s<0表示空間單元之間存在空間負(fù)相關(guān)性,其值越小,空間差異越大;若Moran’s為零則表示空間呈現(xiàn)隨機(jī)性.而局部Moran's指數(shù)描述不同空間位置上可能存在的空間關(guān)聯(lián)模式,從而發(fā)現(xiàn)數(shù)據(jù)之間的空間異質(zhì)性.

2 分析結(jié)果

2.1 O3暴露濃度特征分析

將各監(jiān)測點(diǎn)每日O3 8h-max濃度進(jìn)行算數(shù)平均獲得2017年全國O3濃度日變化趨勢圖,如圖2所示.可以看出,O3濃度具有較強(qiáng)的季節(jié)變化趨勢,1~5月O3濃度呈逐步上升趨勢,在5月28日出現(xiàn)全年最高值(181.88μg/m3),隨后呈逐步下降趨勢,并且在9~11月期間呈現(xiàn)出較為明顯的上下波動(dòng)趨勢,在9月18日和10月27日分別出現(xiàn)一個(gè)高值點(diǎn)(141.58和109.38μg/m3).全年超過一級(jí)、二級(jí)濃度限值的天數(shù)比例是153d、4d,集中在春、夏兩季,主要原因是受溫度高和太陽輻射強(qiáng)烈的影響,O3的前體污染物NO、VOCs的光化學(xué)反應(yīng)加強(qiáng)[28].

圖2 2017年全國O3濃度日變化趨勢

圖3 2017年全國O3濃度10km×10km尺度空間分布

為了進(jìn)一步觀察O3濃度的空間分布情況,按照VNA空間插值方法,設(shè)定泰森多邊形邊數(shù)3~8,采用反距離平方作為權(quán)重,將監(jiān)測點(diǎn)O3年均濃度進(jìn)行空間插值,得到2017年全國O3年均濃度10km×10km空間分布,如圖3所示.O3模擬年均濃度范圍為76~ 225μg/m3,平均值為135μg/m3,標(biāo)準(zhǔn)差為23,最低濃度出現(xiàn)在西藏那曲地區(qū),最高濃度出現(xiàn)河南省鄭州市.O3年均濃度超過二級(jí)濃度限值的區(qū)域主要分布在我國的華北地區(qū)、華東和華中部分地區(qū)、珠江三角洲地區(qū)以及其他個(gè)別城市,以這幾個(gè)區(qū)域?yàn)橹行?O3年均濃度空間分布呈現(xiàn)出向四周遞減的空間分布結(jié)構(gòu).

圖4 O3濃度全局Moran散點(diǎn)圖

圖5 O3濃度LISA聚集圖

在10km×10km空間尺度上,引入全局Moran's指數(shù)來分析O3濃度的空間自相關(guān)性和不平衡性,O3濃度全局Moran散點(diǎn)圖如圖4所示.Moran's指數(shù)為0.996,接近1(值￡0.001),說明從較小的空間尺度上來看,O3濃度在全國范圍的空間分布具有非常強(qiáng)的空間正相關(guān)性.散點(diǎn)集中分布在第一象限(高-高,正相關(guān))、第三象限(低-低,正相關(guān)).進(jìn)一步利用局部Moran's指數(shù)進(jìn)行聚類分析,得到LISA(空間相關(guān)局部指標(biāo))聚集圖(圖5,￡0.01),可以看到,網(wǎng)格被分成2類:①“高-高”型,表示網(wǎng)格本身與周圍網(wǎng)格的O3濃度值均較高;②“低-低”型,表示網(wǎng)格本身與周圍網(wǎng)格的O3濃度值均較低.這兩類網(wǎng)格與其周邊區(qū)域的空間差異較小,呈現(xiàn)較高值或較低值區(qū)域集中分布的現(xiàn)狀.

2.2 O3污染的健康效應(yīng)

2017年因O3污染造成的全因早逝人數(shù)為98473例(95%置信區(qū)間:53419~143292),其中心血管疾病早逝人數(shù)為44316例(95%CI:16438~71992),約占全因早逝人數(shù)的45.0%,表明O3污染對人群的死亡風(fēng)險(xiǎn)影響主要反映在心血管疾病風(fēng)險(xiǎn)上,具體如圖6(a)所示.以城市為研究對象,利用Benmap軟件將空間網(wǎng)格數(shù)據(jù)聚合到城市尺度,結(jié)果如圖6(b)所示(三沙市、香港、澳門和臺(tái)灣由于數(shù)據(jù)缺失問題,不再統(tǒng)計(jì)范圍內(nèi)).城市統(tǒng)計(jì)全因早逝人數(shù)范圍為2~ 2388例,平均值為267例,中位數(shù)為182例,標(biāo)準(zhǔn)差為305.全因早逝人數(shù)最多的10個(gè)城市分別是重慶市(2388)、上海市(2383)、北京市(2337)、天津市(1344)、保定市(1313)、邯鄲市(1123)、石家莊市(1107)、廣州市(1078)、成都市(1055)、蘇州市(1003),分布在我國的華北、華東、西南和華南地區(qū).從總體上來看,以“胡煥庸線”為分界線,位于分界線右側(cè)的城市普遍健康損失較高,位于分界線左側(cè)的城市普遍健康損失較低,其中京津冀、長江三角洲以及珠江三角洲重點(diǎn)區(qū)域的O3污染健康效應(yīng)如表3所示,這3個(gè)區(qū)域的O3污染全因早逝人數(shù)約占全國的29.77%,需要重點(diǎn)關(guān)注.

表3 重點(diǎn)區(qū)域O3污染健康效應(yīng)(例)

2.3 O3污染的健康經(jīng)濟(jì)損失

將不同研究得到的單位統(tǒng)計(jì)生命價(jià)值與O3污染健康損失相乘,得到2017年全國O3污染的健康經(jīng)濟(jì)損失價(jià)值,如表4所示.由于不同研究估計(jì)得到的統(tǒng)計(jì)生命價(jià)值差異較大,2017年全國O3污染的健康經(jīng)濟(jì)損失估計(jì)值相差較大,全因早逝的健康經(jīng)濟(jì)損失估計(jì)值在439~2174億元之間,心血管疾病早逝的健康經(jīng)濟(jì)損失估計(jì)值在197~978億元之間,其中心血管疾病早逝的健康經(jīng)濟(jì)損失約占全因早逝健康經(jīng)濟(jì)損失的45%.2017年中國國內(nèi)生產(chǎn)總值(GDP)為827121.7億元,O3污染的健康經(jīng)濟(jì)損失約占GDP的0.05%[22]、0.08%[23]、0.10%[24]、0.26%[25].

表4 不同單位VSL估計(jì)的健康影響經(jīng)濟(jì)損失(億元)

以謝旭軒[25]2010年估計(jì)得到的北京市單位生命統(tǒng)計(jì)價(jià)值為例,將O3污染的健康經(jīng)濟(jì)損失聚合至城市尺度,如圖7所示.2017年O3污染造成的城市健康經(jīng)濟(jì)損失范圍為0.047~106.50億元,均值為5.89億元,中位數(shù)為3.73億元,標(biāo)準(zhǔn)差為9.17.經(jīng)濟(jì)損失排名前10的城市分別是上海市(106.50億元)、北京市(101.33億元)、重慶市(43.70億元)、天津市(37.70億元)、廣州市(26.96億元)、蘇州市(26.61億元)、成都市(24.56億元)、徐州市(21.65億元)、保定市(21.37億元)、臨沂市(21.12億元),68.8%的城市健康經(jīng)濟(jì)損失低于均值.全局Moran's指數(shù)為0.2499(￡0.01),表明在城市尺度上O3健康經(jīng)濟(jì)損失具有一定的空間正相關(guān)性,呈一定的集聚效應(yīng).局部Moran's指數(shù)聚類結(jié)果表明(圖8),城市健康經(jīng)濟(jì)損失在空間分布上主要被分成3類:①“高-高”型,表示高值城市與高值城市集聚(7);②“低-低”型,表明低值城市與低值城市集聚;③“低-高”型,表明低值城市為高值城市包圍,城市之間空間差異程度較高.僅有45座城市(12.4%)的健康經(jīng)濟(jì)損失存在空間自相關(guān)性,其健康經(jīng)濟(jì)損失合計(jì)176.17億元,約占全國健康經(jīng)濟(jì)損失的8.1%,具體如表5所示.

圖7 2017年城市健康影響經(jīng)濟(jì)損失空間分布(億元)

圖8 城市健康經(jīng)濟(jì)損失LISA聚集

表5 城市健康經(jīng)濟(jì)損失局部自相關(guān)聚類結(jié)果

3 討論

目前尚無研究在全國范圍上探討近地面O3污染對人體的健康效應(yīng)及經(jīng)濟(jì)損失,本文的研究填補(bǔ)了這一空白.同時(shí),對O3污染的健康效應(yīng)估計(jì)也存在一些不確定性.一是我國有關(guān)O3污染的流行病學(xué)研究還處于起步階段,缺乏多區(qū)域、長時(shí)間序列的研究結(jié)果,導(dǎo)致暴露-反應(yīng)參數(shù)具有較強(qiáng)的不確定性;二是已有研究表明,我國O3的健康效應(yīng)存在南北方差異和冷暖季節(jié)差異,這兩種差異無法在本文的研究中體現(xiàn);三是關(guān)于O3暴露系數(shù)(DO3-exposure),由于國內(nèi)缺乏相關(guān)研究,本文選用2012年美國的研究成果,其計(jì)算公式為:

DO3_exposure=1+(in/out)′[overall/(overall+sr)] (4)

式中:in/out表示室內(nèi)外活動(dòng)時(shí)間的比值,overall表示總體每年平均換氣率,與空調(diào)、窗戶開關(guān)等有關(guān),sr表示室內(nèi)表面O3去除速率常數(shù).由于中美兩國國情差異,居民室內(nèi)外活動(dòng)時(shí)間占比、城市房屋特點(diǎn)、空調(diào)擁有率及使用率、氣候特點(diǎn)等不盡相同,因而本文所選取的O3暴露系數(shù)“2.10”并不能真實(shí)的反映中國的具體情況,只是一個(gè)粗略的估計(jì)值,其估計(jì)結(jié)果可能與真實(shí)情況存在一定的偏差;四是本文只估計(jì)了O3的早逝風(fēng)險(xiǎn),未計(jì)算住院率、門診率等其他健康影響,因此可能會(huì)低估O3污染的急性健康效應(yīng);五是最近研究表明,當(dāng)前的流行病學(xué)高估了環(huán)境O3的理論最低濃度,這可能導(dǎo)致低估中國和其他國家的O3污染的早逝死亡風(fēng)險(xiǎn).六是人口空間分布網(wǎng)格數(shù)據(jù)的不確定性.由于人口空間分布真實(shí)情況難以獲取,驗(yàn)證與評(píng)估技術(shù)缺乏,人口空間化的精度與評(píng)估仍是一個(gè)挑戰(zhàn)性的問題.

4 結(jié)論

4.1 2017年全國監(jiān)測點(diǎn)O3年均濃度范圍76.4~ 230.1μg/m3,平均濃度155.4μg/m3,有555個(gè)監(jiān)測站點(diǎn)O3年均濃度超過二級(jí)限值,主要分布在華北、華中、華東地區(qū)、華南部分區(qū)域及西藏地區(qū).從監(jiān)測點(diǎn)全年每日O3 8h-max濃度變化來看,O3濃度具有較強(qiáng)的季節(jié)性變化,呈倒“V”型變化趨勢,在夏季6月左右達(dá)到濃度最高值,全年有153d超過一級(jí)濃度限值.

4.2 在10km×10km空間網(wǎng)格尺度上,模擬得到的O3年均濃度范圍為76~225μg/m3,平均濃度為135μg/m3,O3濃度呈現(xiàn)以高值區(qū)為中心逐步向四周遞減的空間分布結(jié)構(gòu),全局Moran's和局部Moran's指數(shù)分析表明,O3濃度在空間分布上具有較強(qiáng)的空間正相關(guān)性,空間網(wǎng)格主要被分成“高-高”型和“低-低”型兩類,呈現(xiàn)出高值或者低值區(qū)域集中分布的現(xiàn)狀,表明我國O3濃度在空間分布上具有明顯的聚集現(xiàn)象.

4.3 以70μg/m3為閾值濃度,2.1為O3暴露系數(shù),在統(tǒng)計(jì)層面上,2017年O3污染共計(jì)造成我國全因早逝人數(shù)98473例(95%CI:53419~143292),其中心血管疾病早逝人數(shù)為44316例(95% CI:16438~71992),O3污染對人群的死亡風(fēng)險(xiǎn)影響主要反映在心血管疾病風(fēng)險(xiǎn)上.從城市尺度上看,O3污染健康損失較為嚴(yán)重的城市分散在我國的華北、華東、西南以及華南地區(qū),以“胡煥庸線”為分界線,位于分界線右側(cè)的城市普遍健康損失較高,位于分界線左側(cè)的城市普遍健康損失較低.京津冀、長江三角洲以及珠江三角洲地區(qū)的O3污染健康損失約占全國的29.77%.

4.4 以不同研究估算得到的單位統(tǒng)計(jì)生命價(jià)值為基礎(chǔ),估計(jì)得到的我國2017年O3污染健康經(jīng)濟(jì)損失在197~978億元之間,約占當(dāng)年全國GDP的0.05%~ 0.26%.在城市尺度上,68.8%的城市健康經(jīng)濟(jì)損失低于均值,局部自相關(guān)分析表明45個(gè)城市之間存在空間自相關(guān)性,主要分為“高-高”型、“低-低”型和“低-高”型3類,以“低-低”型為主.

[1] Kan H, Chen R, Tong S. Ambient air pollution, climate change, and population health in China [J]. Environment International, 2012,42(SI): 10-19.

[2] Li Y, Shang Y, Zheng C, et al. Estimated acute effects of ozone on mortality in a rural district of Beijing, China, 2005~2013: A Time- Stratified Case-Crossover Study [J]. International Journal of Environmental Research and Public Health, 2018,15(11):2460.

[3] Hvidtfeldt U A, S?rensen M, Geels C, et al. Long-term residential exposure to PM2.5, PM10, black carbon, NO2, and ozone and mortality in a Danish cohort [J]. Environment International, 2019,123:265-272.

[4] Huang J, Li G, Xu G, et al. The burden of ozone pollution on years of life lost from chronic obstructive pulmonary disease in a city of Yangtze River Delta, China [J]. Environmental Pollution, 2018,242: 1266-1273.

[5] Yin P, Chen R, Wang L, et al. Ambient ozone pollution and daily Mortality: A Nationwide Study in 272Chinese Cities [J]. Environmental Health Perspectives, 2017,125(11):117006.

[6] Post E S, Grambsch A, Weaver C, et al. Variation in estimated ozone-related health impacts of climate change due to modeling choices and assumptions [J]. Environmental Health Perspectives, 2012, 120(11):1559-1564.

[7] 董繼元,劉興榮,張本忠,等.我國臭氧短期暴露與人群死亡風(fēng)險(xiǎn)的Meta分析[J]. 環(huán)境科學(xué)學(xué)報(bào), 2016,36(4):1477-1485. Dong J Y, Liu X R, Zhang B Z, et al. Meta-analysis of association between short-term ozone exposure and population mortality in China [J]. Acta Scientiae Circumstantiae, 2016,36(4):1477-1485.

[8] Shang Y, Sun Z, Cao J, et al. Systematic review of Chinese studies of short-term exposure to air pollution and daily mortality [J]. Environment International, 2013,54:100-111.

[9] Tao Y, Huang W, Huang X, et al. Estimated acute effects of ambient ozone and nitrogen dioxide on mortality in the Pearl River Delta of Southern China [J]. Environmental Health Perspectives, 2012,120(3): 393-398.

[10] 楊 毅,朱 云,Carey Jang,等.空氣污染與健康效益評(píng)估工具BenMAP CE研發(fā)[J]. 環(huán)境科學(xué)學(xué)報(bào), 2013,(9):2395-2401. Yang Y, Zhu Y, Carey Jang, et al. Research and development of environmental benefits mapping and analysis program: Community edition [J].Acta Scientiae Circumstantiae, 2013,(9):2395-2401.

[11] 國家統(tǒng)計(jì)局.中國統(tǒng)計(jì)年鑒 [M]. 北京:中國統(tǒng)計(jì)出版社, 2018. National Bureau of Statistics. China Statistical Yearbook [M]. Beijing: China Statistics Press, 2018.

[12] HJ 663-2013 環(huán)境空氣質(zhì)量評(píng)價(jià)技術(shù)規(guī)范(試行) [S].HJ 663-2013 Technical regulation for ambient air quality assessment (on trial) [S].

[13] GB 3095-2012 環(huán)境空氣質(zhì)量標(biāo)準(zhǔn) [S]. GB 3095-2012 Ambient air quality standards [S].

[14] Chen L, Bai Z. Response to comment on "Assessment of population exposure to PM2.5for mortality in China and its public health benefit based on BenMAP" [J]. Environmental Pollution, 2017,231(1):1212.

[15] Chen C, Zhao B, Weschler C J. Assessing the influence of indoor exposure to "outdoor ozone" on the relationship between ozone and short-term mortality in U.S. communities [J]. Environmental Health Perspectives, 2012,120(2):235-240.

[16] 陳仁杰,陳秉衡,闞海東.上海市近地面臭氧污染的健康影響評(píng)價(jià) [J]. 中國環(huán)境科學(xué), 2010,30(5):603-608Chen Ren-jie, Chen Bing-heng, Kan Hai-dong. Health impact assessment of surface ozone pollution in Shanghai [J]. China Environmental Science, 2010,30(5):603-608.

[17] Wong C M, Ma S, Hedley A J, et al. Effect of air pollution on daily mortality in Hong Kong [J]. Environmental Health Perspectives, 2001,109(4):335-340.

[18] ICD-10. [EB/OL]. https://icd.who.int/browse10/2016/en.

[19] WHO. World Health Organization, Regional Office for Europe. Air quality guidelines: Global update 2005: Particulate matter, ozone, nitrogen dioxide, and sulfur dioxide [M]. 2019.

[20] Atkinson R W, Yu D, Armstrong B G, et al. Concentration-response function for ozone and daily mortality: Results from five urban and five rural UK populations [J]. Environmental Health Perspectives, 2012,120(10):1411-1417.

[21] 國家衛(wèi)生健康委員會(huì).中國衛(wèi)生健康統(tǒng)計(jì)年鑒 [M]. 北京:中國協(xié)和醫(yī)科大學(xué)出版社, 2018. National Health Commission. China health statistics yearbook [M]. Beijing: Peking Union Medical College Press, 2018.

[22] Hammitt J K, Zhou Y. The economic value of air-pollution-related health risks in China: A contingent valuation study [J]. Environmental & Resource Economics, 2006,33(3):399-423.

[23] Deng X. Economic costs of motor vehicle emissions in China: A case study [J]. Transportation Research Part D: Transport and Environment, 2006,11(3):216-226.

[24] Zhang M, Song Y, Cai X. A health-based assessment of particulate air pollution in urban areas of Beijing in 2000~2004 [J]. Science of the Total Environment, 2007,376(1-3):100-108.

[25] 謝旭軒.健康的價(jià)值:環(huán)境效益評(píng)估方法與城市空氣污染控制策略[D]. 北京:北京大學(xué), 2011. Xie X X. Health value: environmental benefit assessment method and urban air pollution control strategy [D]. Beijing: Peking University, 2011.

[26] 曾賢剛,蔣 妍.空氣污染健康損失中統(tǒng)計(jì)生命價(jià)值評(píng)估研究[J]. 中國環(huán)境科學(xué), 2010,(2):284-288. Zeng X G, Jiang Y. Evaluation of value of statistical life in health costs attributable to air pollution [J]. China Environmental Science, 22010,(2):284-288.

[27] 穆 泉,張世秋.中國2001~2013年P(guān)M2.5重污染的歷史變化與健康影響的經(jīng)濟(jì)損失評(píng)估[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2015,(4): 694-706. Mu Q, ZHang S Q. Assessment of the trend of heavy PM2.5pollution days and economic loss of health effects during 2001~2013 [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2015,(4):694-706.

Spatial distribution and health effects of ozone pollution in China.

ZENG Xian-gang*, RUAN Fang-fang, JIANG Yi-jing

(School of Environment & Natural Resources, Renmin University of China, Beijing 100872, China)., 2019,39(9)：4025~4032

Based on the real-time monitoring data of 1365monitoring stations in China in 2017, the spatial data statistical model was used to reveal the spatial-temporal distribution of near-ground ozone pollution, and BenMap tool was used to estimate the health loss and health economic value of ozone pollution on the scale of 10km×10km grid. The concentration of O3had a strong seasonal variation, showing an inverted "V" trend, and the spatial distribution showed obvious agglomeration, that was high or low value areas were concentrated, which had a strong positive spatial correlation. In statistical sense, by simulating indoor and outdoor O3exposure by O3exposure coefficient, O3pollution caused 98473 cases of all-cause premature death in China in 2017 (95% CI: 53419~143292), including premature death of cardiovascular diseases, which accounted for 45%. Based on the value of a statistical life estimated by different scholars, the estimated health economic loss ranged from 19.7 to 97.8 billion yuan, accounting for 0.05% to 0.26% of China's GDP in 2017.

ozone；health effect；BenMap；spatial autocorrelation；spatial-temporal variations

X503.1

1000-6923(2019)09-4025-08

曾賢剛(1972-),男,江西九江人,教授,博士,研究方向?yàn)榄h(huán)境與資源經(jīng)濟(jì)學(xué).發(fā)表論文100余篇.

2019-02-18

科技部國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2017YFC0702701)

* 責(zé)任作者, 教授, zengxg@ruc.edu.cn