郭 云， 蔣玉丹， 黃炳昭， 邢晶晶， 韋正崢

生態(tài)環(huán)境部環(huán)境與經(jīng)濟政策研究中心， 北京 100029

近年來我國政府大力治污，空氣質(zhì)量大幅改善. 按照《“十三五”生態(tài)環(huán)境保護規(guī)劃》的要求，到2020年細顆粒物(PM2.5)年均濃度不達標的地級及以上城市應(yīng)比2015年降低18%. 截至2019年底，《“十三五”生態(tài)環(huán)境保護規(guī)劃》要求的PM2.5年均濃度降幅已達23.1%. 然而，臭氧(O3)污染問題日益凸顯，2019年O3濃度比2015年上升了10.4%. PM2.5和O3已成為我國大氣污染的2個首要污染物，如何在控制PM2.5的同時遏制O3的增加是當(dāng)前大氣污染防治亟需解決的問題，應(yīng)引起政府和公眾的重視.

目前，關(guān)于大氣污染導(dǎo)致的健康效應(yīng)研究較多，但由于受到數(shù)據(jù)來源及計算方法等多方面的影響，各研究結(jié)果差異較大[1-5]，其中，關(guān)于PM2.5導(dǎo)致的健康效應(yīng)的研究相對成熟[6-9]. 2014年Burnett等[10]提出了整合暴露-反應(yīng)(Integrated Exposure-Response, IER)模型，將模型中可吸入顆粒物的暴露劑量轉(zhuǎn)換為大氣PM2.5濃度暴露量，并根據(jù)估計的全球PM2.5濃度推導(dǎo)出每個國家的人口可歸因分數(shù)(Population Attributable Fractions, PAFs)，為缺乏隊列研究的地區(qū)開展PM2.5健康效益評估提供了健康效益研究的依據(jù). 我國大部分學(xué)者采用IER模型來開展大氣污染健康效應(yīng)評估，發(fā)現(xiàn)我國2013—2017年P(guān)M2.5導(dǎo)致的過早死亡人數(shù)在90×104～120×104人之間[11-12]. 但關(guān)于O3的健康效應(yīng)研究相對較少[13]，YIN等[14]基于我國272城市的研究發(fā)現(xiàn)，O3主要導(dǎo)致非意外總死亡及心血管系統(tǒng)疾病死亡. 曾賢剛等[15]研究發(fā)現(xiàn)，我國2017年O3污染導(dǎo)致過早死亡的人數(shù)為9.8×104人. HUANG等[16]研究發(fā)現(xiàn)，我國74個城市中PM2.5導(dǎo)致的健康影響是O3的6.4～7.5倍，2017年兩種污染物共同導(dǎo)致的過早死亡人數(shù)比2013年減少了4.7×104人.

歸因于大氣污染的健康效益除了受污染物濃度影響外，還受到人口數(shù)量、年齡結(jié)構(gòu)及疾病死亡率等因素的影響. 經(jīng)預(yù)計，到2030年我國人口數(shù)量達到峰值(14.5億人)[17]，其中65歲以上的人口比重將升至18.2%[18]. 《“健康中國2030”規(guī)劃綱要》也提出，到2030年5歲以下兒童死亡率降至6‰，重大慢性病過早死亡率比2015年降低30%[19]. 未來隨著醫(yī)療水平的提高及人口老齡化問題的凸顯，人口數(shù)量、年齡結(jié)構(gòu)及疾病死亡率等這些因素在一定程度上會影響大氣污染對人群健康的效應(yīng)，因此需要考慮這些因素的變化來評估未來空氣質(zhì)量需要達到什么水平才能夠充分保障公眾健康. 該研究通過分析2015—2018年我國歸因于PM2.5及O3導(dǎo)致的健康效益，計算污染物濃度、人口數(shù)量、年齡結(jié)構(gòu)及疾病死亡率等因素對于健康效益的貢獻率，設(shè)定目標情景估算未來10年大氣污染導(dǎo)致的過早死亡，以期為我國制定空氣質(zhì)量防控目標和大氣污染防控策略提供參考依據(jù)，為評估政策的健康效益提供新的思路[20-21].

1 研究方法

1.1 數(shù)據(jù)來源

我國338個地級及以上城市2015—2018年大氣PM2.5和O3濃度數(shù)據(jù)來源于中國環(huán)境監(jiān)測總站，數(shù)據(jù)處理按HJ 663—2013《環(huán)境空氣質(zhì)量評價技術(shù)規(guī)范(試行)》[22]，PM2.5年均濃度用24 h平均濃度的算術(shù)平均值，為了數(shù)據(jù)的可比性，將2018年9月1日后338個地級及以上城市的參比狀態(tài)數(shù)據(jù)根據(jù)所在城市的溫度及氣壓統(tǒng)一調(diào)整為標準狀態(tài). O3年均濃度用O3日最大8 h滑動平均值的第90百分位數(shù). 人口分布數(shù)據(jù)(1 km×1 km網(wǎng)格，2015年)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心，利用GIS將網(wǎng)格數(shù)據(jù)轉(zhuǎn)化為市級尺度的人口數(shù)據(jù). 2015—2018年我國人口數(shù)量及年齡結(jié)構(gòu)數(shù)據(jù)來源于《人口和就業(yè)統(tǒng)計年鑒》(2016—2019年)，2025年和2030年人口數(shù)量及年齡結(jié)構(gòu)數(shù)據(jù)來源于聯(lián)合國《世界人口展望報告》[23]. 2015—2018年非意外總死亡、缺血性心臟病(IHD)、中風(fēng)(Stroke)、肺癌(LC)、慢性阻塞性肺疾病(COPD)及急性下呼吸道感染(ALRI)的疾病死亡率數(shù)據(jù)來源于《中國死因監(jiān)測數(shù)據(jù)集》(2015—2018年)，其中，中風(fēng)的數(shù)據(jù)用腦血管病數(shù)據(jù)代替.

1.2 大氣污染導(dǎo)致過早死亡人數(shù)計算

參考2017年全球疾病負擔(dān)的計算方法[10]，采用相對風(fēng)險評估模型分別對我國338個地級及以上城市歸因于PM2.5和O3污染的過早死亡人數(shù)進行估算，計算公式：

(1)

式中：Mij為i地區(qū)第j種疾病歸因于大氣PM2.5或O3污染的過早死亡人數(shù)，人；POPi,a為i地區(qū)a歲年齡人口數(shù)量，104人；AgePi,a為i地區(qū)a歲年齡人口占比，%；Ratea,i,j為i地區(qū)a歲年齡人疾病j的死亡率，1/100 000；PAFa,j為污染物導(dǎo)致的疾病j和a年齡相關(guān)的死亡比例.

PAFa,j采用暴露反應(yīng)函數(shù)進行計算：

PAFa,j=1-eβ(C-C0)

(2)

式中：β為某污染物暴露-反應(yīng)關(guān)系系數(shù)；C為評估地區(qū)某污染物濃度，μg/m3；C0為污染物參考濃度，PM2.5參考濃度取10 μg/m3，O3參考濃度取70 μg/m3[24].

通常PM2.5暴露-反應(yīng)關(guān)系系數(shù)(β)數(shù)據(jù)較O3更為詳細，可細分為5種疾病，分別為缺血性心臟病(IHD)、中風(fēng)(Stroke)、肺癌(LNC)、慢性阻塞性肺病(COPD)導(dǎo)致的成人(>25歲)過早死亡和急性下呼吸道感染(LRI)導(dǎo)致的幼兒(<5歲)過早死亡. 該研究選擇分別計算5種疾病的PAFa,j后，將5種疾病的PAFa,j分別代入式(1)計算得到5種疾病的過早死亡人數(shù)，并將5種疾病的過早死亡人數(shù)相加，β、C參數(shù)來源于文獻[25]. O3暴露-反應(yīng)關(guān)系系數(shù)(β)選取對應(yīng)年齡段的總死亡β系數(shù)，不分疾病，其數(shù)據(jù)來源于文獻[14].

1.3 4種影響因素對過早死亡人數(shù)貢獻率計算

利用2017年全球疾病負擔(dān)研究[10]及文獻[12]的方法，分析人口數(shù)量、年齡結(jié)構(gòu)、疾病死亡率及污染物濃度等因素對PM2.5及O3污染導(dǎo)致的過早死亡人數(shù)的貢獻率. 以2015年4個因素為基準，通過依次將2018年人口數(shù)、年齡結(jié)構(gòu)、疾病死亡率和污染物導(dǎo)致的疾病和年齡相關(guān)的死亡比例引入歸因死亡人數(shù)計算公式來估計各因素導(dǎo)致的過早死亡人數(shù)，2個公式〔如式(3)(4)或式(4)(5)〕計算得到的差值除以總體過早死亡人數(shù)的變化即為單個因素的貢獻率〔見式(8)～(10)〕，其中，由于人口數(shù)量和年齡結(jié)構(gòu)相對于污染物濃度是獨立的2個因素，但污染物暴露本身會影響疾病死亡率，分析過程中應(yīng)排除該因素對疾病死亡率的影響〔見式(6)〕.

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

式中：t0和t分別為基準年(2015年)和目標年(2018年)；Mt0、Mt分別為基準年和目標年污染物導(dǎo)致的過早死亡人數(shù)，104人；At、Bt和Ct為中間變量，分別是從基準年到目標年的人口數(shù)量、年齡結(jié)構(gòu)和疾病死亡率對死亡人數(shù)的增量變化；POPt、POPt0分別為目標年、基準年的人口數(shù)量，104人；CAt、CBt和CCt為人口數(shù)量、年齡結(jié)構(gòu)和疾病死亡率對死亡人數(shù)變化的貢獻率，%.

1.4 未來10年目標情景預(yù)測及過早死亡人數(shù)的計算

設(shè)定未來10年目標情景(見表1)，按1.2節(jié)方法計算2025年及2030年歸因于空氣污染的過早死亡人數(shù). 按照國家發(fā)展目標，2035年要基本實現(xiàn)社會主義現(xiàn)代化，專家呼吁到2030年爭取所有重點城市達到現(xiàn)階段的國家空氣質(zhì)量標準. 污染物濃度目標情景參考我國GB 3095—2012《環(huán)境空氣質(zhì)量標準》以及世界衛(wèi)生組織(WHO)《空氣質(zhì)量準則》設(shè)定. 人口數(shù)量和年齡結(jié)構(gòu)參考聯(lián)合國經(jīng)濟和社會事務(wù)部人口司發(fā)布的《世界人口展望報告》[18]關(guān)于1950—2100年的世界人口金字塔，同時結(jié)合《人口和就業(yè)統(tǒng)計年鑒》發(fā)布的2015—2018年人口數(shù)量予以校正. 死亡率參考《“健康中國2030”規(guī)劃綱要》關(guān)于5歲以下兒童死亡率和重大慢性病過早死亡率的建設(shè)指標設(shè)定.

表1 2025年及2030年目標情景預(yù)測Table 1 Target scenario forecast for 2025 and 2030

2 結(jié)果與分析

2.1 健康效益影響因素變化趨勢

由表2可見：2015—2018年，我國PM2.5濃度從50 μg/m3降至39 μg/m3，年均下降7.33%；O3濃度從135 μg/m3升至151 μg/m3，年均上升3.95%. 在此期間，我國人口數(shù)量年均增長0.50%，同時老齡化問題也逐漸凸顯，65歲及以上人口占比從2015年的10.47%增至2018年的11.94%，年均增加4.69%. 我國非意外總死亡率逐年上升，該研究涉及的5種疾病中，中風(fēng)(Stroke)的死亡率最高，其次依次為缺血性心臟病(IHD)、慢性阻塞性肺疾病(COPD)、肺癌(LC)和急性下呼吸道感染(ALRI)，除慢性阻塞性肺疾病死亡率逐年下降外，其他疾病均有不同幅度上升.

表2 2015—2018年影響健康效益的因素變化趨勢Table 2 Trends of factors influencing health benefits from 2015 to 2018

圖1 2015—2018年338地級及以上城市PM2.5及O3濃度變化趨勢Fig.1 Trends of PM2.5 and O3 concentrations in 338 cities at prefecture level and above during 2015-2018

2.2 PM2.5和O3導(dǎo)致的健康效益時空分布

由圖1可見：按照GB 3095—2012《環(huán)境空氣質(zhì)量標準》，2015—2018年73%的城市PM2.5濃度年均值超過GB 3095—2012二級標準限值(35 μg/m3)，22%的城市PM2.5濃度介于GB 3095—2012一級標準限值(15 μg/m3)和二級標準限值之間；22%的城市O3濃度超過GB 3095—2012二級標準限值(160 μg/m3)，72%城市介于GB 3095—2012一級標準限值(100 μg/m3)和二級標準限值之間. 總體上，PM2.5較O3污染更為嚴重，并且污染程度與人口密度分布高度重合. PM2.5導(dǎo)致的過早死亡人數(shù)約為O3的8倍，但兩種污染物導(dǎo)致的健康效應(yīng)變化不同. PM2.5導(dǎo)致的過早死亡人數(shù)從2015年的152.21×104人降至2018年的136.82×104人，年均下降3.37%，降幅低于PM2.5濃度變化；然而，O3導(dǎo)致的過早死亡人數(shù)從2015年的7.99×104人增至2018年的8.27×104人，年均增長9.52%，漲幅高于O3濃度變化.

從疾病構(gòu)成來看，2015—2018年，因PM2.5導(dǎo)致的5種疾病過早死亡人數(shù)占比變化較小. 死于中風(fēng)的人數(shù)在5種疾病中占比最高，約為50%；其次是缺血性心臟病，死于缺血性心臟病的人數(shù)占比從2015年的25%逐步升至2018年的28.57%；急性下呼吸道感染死亡人數(shù)遠低于其他4種疾病；呼吸系統(tǒng)疾病(含肺癌和慢性阻塞性肺疾病)死亡人數(shù)占比逐年穩(wěn)定下降.

按國家統(tǒng)計年鑒采用的東部、中部、西部劃分標準，2015—2018年P(guān)M2.5導(dǎo)致的過早死亡人數(shù)與PM2.5濃度分布一致，均呈中部>東部>西部的特征. 東部PM2.5濃度年均降幅(-7.84%)最大，但東部PM2.5導(dǎo)致過早死亡人數(shù)年均降幅(-1.78%)遠小于中部地區(qū)(-6.32%)(見圖2、表3). 中部大部分地區(qū)PM2.5導(dǎo)致的過早死亡人數(shù)呈下降趨勢，河北省、廣東省等東部地區(qū)以及甘肅省、貴州省、陜西省等西部地區(qū)的過早死亡人數(shù)仍呈上升趨勢(見圖2). 2015—2018年O3濃度總體呈東部>中部>西部的特征，但中部地區(qū)O3濃度及其導(dǎo)致的過早死亡人數(shù)的年均漲幅均為最大，分別為5.75%和18.64%，東部和西部地區(qū)O3濃度漲幅相近，但東部的過早死亡人數(shù)漲幅遠小于西部(見圖2、表3). 由圖2可見：東部沿海省份(山東省、江蘇省、浙江省、遼寧省)O3導(dǎo)致的過早死亡人數(shù)呈下降趨勢；中部除山西省、河南省、湖南省外，其他地區(qū)過早死亡人數(shù)均上升；西部大部分地區(qū)過早死亡人數(shù)呈上升趨勢，僅四川省、內(nèi)蒙古自治區(qū)、青海省以及新疆維吾爾自治區(qū)等部分地區(qū)過早死亡人數(shù)呈下降趨勢.

2.3 典型地區(qū)的健康效益

由圖3可見，從PM2.5來看，長三角地區(qū)和“2+26”城市導(dǎo)致的過早死亡人數(shù)遠高于汾渭平原和珠三角地區(qū). 2015—2018年，長三角地區(qū)、“2+26”城市和汾渭平原3個區(qū)域的過早死亡人數(shù)均呈下降趨勢. 考慮4個地區(qū)面積及人數(shù)的不同，采用單位面積過早死亡人數(shù)進行比較分析. 由圖3可見：2018年“2+26”城市和長三角地區(qū)單位面積過早死亡人數(shù)較為相近，分別為0.082和0.072人/km2，兩個地區(qū)變化趨勢較為相似，均在2016年降幅較大；珠三角地區(qū)單位面積過早死亡人數(shù)介于長三角地區(qū)和汾渭平原地區(qū)之間，但珠三角人口密度高達162人/m2，遠超過其他3個區(qū)域，因此過早死亡人數(shù)占總?cè)藬?shù)的比例相對較低；汾渭平原在4個區(qū)域中單位面積過早死亡人數(shù)最低，平均單位面積過早死亡人數(shù)為0.039人/km2.

由圖3可見，4個典型區(qū)域因O3導(dǎo)致的過早死亡人數(shù)均呈上升趨勢，其中，“2+26”城市在2017—2018年過早死亡人數(shù)迅速上升，超過長三角地區(qū)，成為過早死亡人數(shù)最多的區(qū)域. 2015—2018年“2+26”城市是單位面積過早死亡人數(shù)最多的區(qū)域，汾渭平原單位面積過早死亡人數(shù)遠低于其他3個區(qū)域，長三角和珠三角地區(qū)單位面積過早死亡人數(shù)的數(shù)量和變化較為一致. 2016年前，“2+26”城市單位面積過早死亡人數(shù)與長三角和珠三角地區(qū)相差不大，但在2016—2017年其單位面積過早死亡人數(shù)升速高于其他3個地區(qū)，為2016年的1.4倍.

圖2 2015—2018年P(guān)M2.5及O3導(dǎo)致的健康效應(yīng)變化Fig.2 Changes in health benefits variables of PM2.5 and O3 from 2015 to 2018

表3 2015—2018年全國歸因于PM2.5及O3的健康效益

2.4 不同因素的貢獻率

2015—2018年期間，人口數(shù)量增加和年齡結(jié)構(gòu)變化均顯著增加PM2.5和O3導(dǎo)致的過早死亡人數(shù)，疾病死亡率變化則顯著降低PM2.5和O3導(dǎo)致的過早死亡人數(shù). 由于近年來PM2.5濃度呈上升趨勢，O3濃度呈下降趨勢，大氣PM2.5濃度的變化導(dǎo)致過早死亡人數(shù)下降，O3濃度的變化導(dǎo)致過早死亡人數(shù)上升. 污染物濃度和疾病死亡率2個因素對PM2.5導(dǎo)致過早死亡人數(shù)的影響較對O3的影響大，年齡結(jié)構(gòu)對O3導(dǎo)致過早死亡人數(shù)的影響較對PM2.5的影響大(見表4).

由表4可見：以2015年為基準，2018年歸因于PM2.5過早死亡人數(shù)總體減少了15.39×104人，其中人口數(shù)量和年齡結(jié)構(gòu)的變化導(dǎo)致過早死亡人數(shù)分別增加了2.54×104和16.08×104人，疾病死亡率及污染物濃度的變化導(dǎo)致過早死亡人數(shù)分別降低了10.00×104和24.01×104人，這4個因素對總體過早死亡人數(shù)變化的貢獻率分別為4.83%、30.55%、19.00%及45.62%. 2018年歸因于O3導(dǎo)致的過早死亡人數(shù)比2015年增加了4.61×104人，其中人口數(shù)量、年齡結(jié)構(gòu)和污染物濃度的變化使過早死亡人數(shù)分別增加了1.54×104、1.07×104及4.03×104人，疾病死亡率的變化使過早死亡人數(shù)降低了2.03×104人，這4個因素對總體過早死亡人數(shù)變化的貢獻率分別為17.76%、12.34%、23.41%及46.48%.

2.5 未來10年健康效益估算

圖3 2015—2018年四大典型地區(qū)歸因于PM2.5及O3的健康效益Fig.3 The health benefits of PM2.5 and O3 in the four typical regions from 2015 to 2018

表4 2015—2018年不同影響因素對健康效益的貢獻

表5 不同目標情景下2025年及2030年健康效益預(yù)測Table 5 Prediction of health benefits for 2025 and 2030 under different target scenarios

濃度降至100 μg/m3，2025年O3將導(dǎo)致我國6.96×104人過早死亡，2030年將導(dǎo)致7.56×104人過早死亡(見表5).

3 討論

該研究分析了2015—2018年歸因于PM2.5和O3的過早死亡人數(shù)，結(jié)合兩種污染物的時空分布分析變化趨勢，估算了人口數(shù)量、年齡結(jié)構(gòu)、疾病死亡率及污染物濃度等因素對于過早死亡人數(shù)的貢獻率；同時，基于不同的目標情景預(yù)測了2025年及2030年我國歸因于空氣污染的健康效益，提出PM2.5和O3在2025年及2030年需達到的最低目標值.

目前關(guān)于我國PM2.5濃度的分布及其導(dǎo)致的健康效應(yīng)研究相對成熟[26-28]，其結(jié)果[11,29]總體上看與筆者研究結(jié)果較為一致. 全國PM2.5年均值較高的區(qū)域集中分布在京津冀地區(qū)、新疆維吾爾自治區(qū)、山東省、河南省等地區(qū)，與ZOU等[11]基于全國范圍內(nèi)各站點PM2.5小時數(shù)據(jù)模擬得到的PM2.5濃度分布結(jié)果相似. JING等[29]基于我國74城市的PM2.5健康效應(yīng)發(fā)現(xiàn)，經(jīng)濟較好的區(qū)域PM2.5導(dǎo)致的肺癌比例相對較大，中風(fēng)的比例相對較小，過早死亡人數(shù)中因中風(fēng)和缺血性心臟病死亡人數(shù)的占比呈上升趨勢，與筆者研究結(jié)果一致. 結(jié)果表明，在逐漸老齡化的社會中，大氣污染防控應(yīng)更注重對心腦血管疾病，特別是對中風(fēng)和缺血性心臟病的預(yù)防.

我國PM2.5濃度超過GB 3095—2012二級標準限值的城市數(shù)量是O3濃度超過GB 3095—2012二級標準限值城市數(shù)量的1.2倍，長期以來PM2.5是專家們首要關(guān)注的污染物，近期O3污染及其健康效應(yīng)才逐步引起人們的關(guān)注. 我國O3污染主要以京津冀地區(qū)和山東省為中心向四周呈遞減模式分布，其造成的過早死亡人數(shù)呈東部>中部>西部的特征. 該研究估算因O3導(dǎo)致的過早死亡人數(shù)為16×104～21×104人，高于JING等[29]關(guān)于中國74個重點城市歸因于O3的過早死亡人數(shù)(5.2×104人)的結(jié)果，也高于曾賢剛等[15]認為我國2017年O3污染導(dǎo)致過早死亡人數(shù)為9.8×104人的結(jié)論. 一方面可能是由于評價和分析的城市數(shù)量及范圍不同，另一方面可能是因為曾賢剛等[15]考慮了室內(nèi)外暴露系數(shù)的差異. 該研究分析全國范圍內(nèi)O3導(dǎo)致的過早死亡人數(shù)時空變化，發(fā)現(xiàn)“2+26”城市的過早死亡人數(shù)雖然在早期(2015年)處于全國較低水平，但增長速度在幾個典型地區(qū)中較迅速，2018年O3造成的單位面積過早死亡人數(shù)高達0.015人/km2，需要引起高度重視.

過早死亡人數(shù)受到人口數(shù)量、年齡結(jié)構(gòu)、疾病死亡率及污染物濃度4種因素的影響，其中人口數(shù)量反映了暴露于污染物的人群數(shù)量，污染物濃度反映了暴露水平，若更多人暴露在較高濃度的污染物下會增加疾病死亡的風(fēng)險. 而年齡結(jié)構(gòu)和死亡率則代表不同人群對于空氣污染的脆弱性. 對于人口因素和死亡率，污染物濃度是一個更容易被改變的因素，即可以降低污染物濃度來降低死亡風(fēng)險. 該研究發(fā)現(xiàn)，2015—2018年人口數(shù)量、年齡結(jié)構(gòu)、死亡率及污染物濃度等因素對歸因于PM2.5的過早死亡人數(shù)變化的貢獻率分別為7.83%、30.55%、19.00%及45.62%. 基于YUE等[12]研究結(jié)果，2013—2017年以上4個因素的貢獻率分別為17.76%、12.34%、23.41%及46.48%，與筆者所得結(jié)果總體趨勢一致，但因素之間的差異較筆者研究結(jié)果大，可能是由于研究年份不同導(dǎo)致. 該研究中PM2.5與O3兩種污染物導(dǎo)致的過早死亡人數(shù)中各因素貢獻率存在一定差異，可能有以下4個方面原因：①污染物濃度變化趨勢和幅度不同；②PM2.5導(dǎo)致的過早死亡人數(shù)采用5種疾病計算的合計，O3采用非意外總死亡計算；③受β的年齡結(jié)構(gòu)分段不同，PM2.5分為14個年齡段，O3分為3個年齡段，導(dǎo)致結(jié)果敏感性不同；④部分特殊地區(qū)在冬季極寒條件下PM2.5濃度較高，而在夏季極熱條件下O3濃度相對較高，該研究由于數(shù)據(jù)受限，沒有分析特殊氣象條件下PM2.5濃度和O3濃度異常較高對死亡率的影響.

已有研究中關(guān)于未來空氣質(zhì)量預(yù)測及其導(dǎo)致的健康效應(yīng)的研究較少. Maji等[30]基于對我國161城市的研究認為，如果2030年P(guān)M2.5濃度達到35 μg/m3，將會導(dǎo)致57.4×104人死亡. YUE等[12]研究認為，如果2030年我國PM2.5濃度達到35 μg/m3，將會導(dǎo)致95.3×104人死亡，比2017年降低1.8×104人，均略低于筆者研究結(jié)果，可能是由于計算方法和數(shù)據(jù)選擇的差異導(dǎo)致. 該研究估算了2025年及2030年不同目標情景下我國歸因于PM2.5和O3的健康效應(yīng)，認為我國338個地級及以上城市PM2.5濃度在2025年需降至40 μg/m3以下、2030年降至35 μg/m3以下，O3濃度在2025年降至與2018年持平、2030年O3濃度比2018年濃度低4%，兩種污染物導(dǎo)致的過早死亡人數(shù)才能與2018年接近. 因此，未來仍需持續(xù)加強PM2.5的污染控制，進一步遏制O3上升趨勢，在生態(tài)環(huán)境保護上要做到方向不變、力度不減.

4 結(jié)論

a) 2015—2018年我國PM2.5濃度整體呈下降趨勢，其導(dǎo)致的過早死亡人數(shù)從2015年的152.21×104人降至2018年的136.82×104人，年均下降3.37%，降幅呈中部>東部>西部的特征，四大典型區(qū)域單位面積過早死亡人數(shù)呈“2+26”城市>長三角地區(qū)>珠三角地區(qū)>汾渭平原的特征.

b) 我國O3導(dǎo)致的過早死亡人數(shù)約為PM2.5導(dǎo)致的過早死亡人數(shù)的1/8，但呈上升趨勢，從2015年的7.99×104人增至2018年的8.27×104人，年均上升9.52%，增幅呈中部>西部>東部的特征. 其中，“2+26”城市是我國O3污染較為嚴重的地區(qū)，四大典型區(qū)域單位面積過早死亡人數(shù)呈“2+26”城市>長三角地區(qū)≈珠三角地區(qū)>汾渭平原.

c) 人口數(shù)量增加和人口老齡化均會造成過早死亡人數(shù)的增加，疾病死亡率降低會使過早死亡人數(shù)降低，PM2.5和O3對過早死亡人數(shù)的影響與二者濃度變化趨勢一致. 其中，人口數(shù)量、年齡結(jié)構(gòu)、疾病死亡率和污染物濃度的變化對歸因于PM2.5的過早死亡人數(shù)變化的貢獻率分別為4.83%、30.55%、19.00%及45.62%，對歸因于O3的過早死亡人數(shù)變化的貢獻率分別為17.76%、12.34%、23.41%及46.48%.

d) 預(yù)測未來10年，大氣PM2.5濃度2025年需降至40 μg/m3以下、2030年降至35 μg/m3以下，大氣O3濃度2025年達到與2018年持平、2030年O3濃度比2018年低4%，兩種污染物導(dǎo)致的過早死亡人數(shù)才能與2018年接近. 如果兩種污染物濃度保持2019年濃度水平，2025年和2030年歸因于PM2.5的過早死亡人數(shù)將分別比2018年增加8%和13%，歸因于O3的過早死亡人數(shù)將分別比2018年增加13%和22%.