趙婉屹，劉萍萍，孫 健*，宋賢征，徐紅梅，楊 柳，沈振興

1. 西安交通大學(xué)環(huán)境科學(xué)與工程系，陜西 西安 710049

2. 陜西省發(fā)展和改革委員會(huì)，陜西 西安 710049

近年來，我國區(qū)域大氣污染得到明顯改善，但冬季首要污染物依然是大氣細(xì)顆粒物(PM2.5)，民用散煤燃燒是被低估的主要貢獻(xiàn)源之一[1]. 與燃煤發(fā)電和工業(yè)生產(chǎn)相比，散煤燃燒污染具有以下特點(diǎn)[2-3]：①點(diǎn)多面廣，監(jiān)管難度較大[4]；②燃燒效率較低[5]；③排放高度較低，對(duì)近地面空氣質(zhì)量的影響較大[6]；④高灰分、高硫分的劣質(zhì)煤使用率較高，且燃燒后缺乏脫硫、脫硝、除塵等減排措施，污染物單位排放強(qiáng)度大[4]，對(duì)空氣質(zhì)量、氣候和人體健康產(chǎn)生的影響程度也更高[7].因此，與集中燃煤控制相比，散煤治理的環(huán)境效益更為顯著[8]. 隨著一系列散煤治理政策的出臺(tái)，相關(guān)領(lǐng)域的學(xué)者們逐漸圍繞區(qū)域散煤燃燒污染貢獻(xiàn)[6,9-12]、散煤替代減排及其健康經(jīng)濟(jì)效益[8,13-15]展開了研究.

陜西省關(guān)中地區(qū)受地形阻滯及冬季低溫、靜風(fēng)等氣象條件影響，污染物擴(kuò)散不易[16]，加上散煤燃燒取暖現(xiàn)象嚴(yán)重，使得霧霾天氣頻發(fā)[4]. 為改善區(qū)域空氣質(zhì)量，2017 年3 月陜西省《2017 年鐵腕治霾“1+9”行動(dòng)方案》中要求大力推進(jìn)煤改氣、煤改電和煤改熱工程[17]，同年5 月《關(guān)中地區(qū)鐵腕治霾專項(xiàng)行動(dòng)獎(jiǎng)補(bǔ)辦法》出臺(tái)，制定了符合城鄉(xiāng)用戶改造條件的清潔取暖方案，并給予相應(yīng)的獎(jiǎng)勵(lì)或補(bǔ)貼[18]，大幅加快了散煤治理進(jìn)程.

為準(zhǔn)確評(píng)估陜西省關(guān)中地區(qū)自2017 年實(shí)行散煤治理獎(jiǎng)補(bǔ)政策以來清潔燃料替代散煤取暖的成效，并評(píng)估其健康經(jīng)濟(jì)效益，該研究于2020 年冬季對(duì)西安市、寶雞市、咸陽市、銅川市、渭南市、楊凌示范區(qū)(簡(jiǎn)稱“楊凌區(qū)”)和韓城市7 市(區(qū))共40 個(gè)鎮(zhèn)(鄉(xiāng)、街辦)、80 個(gè)村(社區(qū))的散煤使用情況進(jìn)行了實(shí)地考察調(diào)研. 基于調(diào)研結(jié)果與相關(guān)統(tǒng)計(jì)數(shù)據(jù)，分析評(píng)價(jià)陜西省關(guān)中地區(qū)采暖季散煤治理成效與大氣污染物減排情況，識(shí)別散煤燃燒排放對(duì)關(guān)中地區(qū)大氣PM2.5濃度的貢獻(xiàn)變化，并根據(jù)泊松回歸模型評(píng)估散煤燃燒源PM2.5減排帶來的健康經(jīng)濟(jì)效益，以期為我國北方地區(qū)散煤治理和大氣污染防控提供參考.

1 材料與方法

1.1 研究區(qū)域

關(guān)中地區(qū)位于陜西省中部，南倚秦嶺山脈，北靠黃土高原，主要包括西安市、寶雞市、渭南市、銅川市、咸陽市和楊凌區(qū)，共54 個(gè)縣(市、區(qū))，韓城市屬渭南市代管縣級(jí)市，為評(píng)估區(qū)域散煤治理成效，將韓城市與渭南市分開進(jìn)行討論，2020 年末常住人口為2 589×104人，其中西安市人口占比達(dá)50%，關(guān)中地區(qū)人口城鎮(zhèn)化率為66.8%[19].

1.2 研究方法

1.2.1 大氣箱式模型

大氣箱式模型是將研究區(qū)域視為一個(gè)箱體，假定地面污染物排放后在箱體內(nèi)均勻混合，在此前提下污染物濃度由排放源、污染物輸送、化學(xué)反應(yīng)和大氣沉降等因素決定[20]. 根據(jù)關(guān)中地區(qū)城市分布，定義關(guān)中地區(qū)箱式模型東西長300 km，南北長100 km，箱體垂直高度為大氣邊界層高度(PBLH)，參考孫健[21]的研究，關(guān)中地區(qū)冬季PBLH 平均值為516.2 m (見圖1).根據(jù)質(zhì)量守恒原理，考慮箱體中的PM2.5濃度([X])為不同來源貢獻(xiàn)的總和，計(jì)算公式[22]：

圖1 關(guān)中地區(qū)箱式模型原理Fig.1 Schematic diagram of box model in Guanzhong area

式中： ? [X]/?t表示PM2.5濃度的局地變化率；[X]E表示地面排放的PM2.5濃度，μg/m3；[X]T表示平流輸送的PM2.5濃度，μg/m3；[X]V表示垂直混合的PM2.5濃度，μg/m3；[X]C表示二次化學(xué)反應(yīng)生成的PM2.5濃度，μg/m3；[X]D表示大氣沉降的PM2.5濃度，μg/m3；t表示時(shí)間，d.

在評(píng)估散煤燃燒對(duì)關(guān)中地區(qū)大氣環(huán)境的貢獻(xiàn)時(shí)，對(duì)方程進(jìn)行了如下假設(shè)[22]：①在評(píng)估冬季二次無機(jī)氣溶膠形成時(shí)，只考慮NOx和SO2的轉(zhuǎn)化，因此[X]E與[X]C綜合考慮為[X]E+[X]C；②考慮地面排放的污染物進(jìn)入大氣后，主要集中在邊界層內(nèi)均勻混合，忽略其在邊界層和自由大氣層之間的傳輸交換；③PM2.5的大氣沉降微弱，暫不考慮；④考慮地形地貌因素，關(guān)中地區(qū)南北分別為海拔相對(duì)較高的秦嶺山脈和黃土高原[16]，所以只計(jì)算東西向的水平擴(kuò)散；⑤由于東向氣流經(jīng)過華北平原，污染物濃度較高，而西風(fēng)帶來的通常是潔凈空氣，因此將二者平均后抵消，認(rèn)為關(guān)中地區(qū)主要污染物是自產(chǎn)自銷型，則[X]in(箱體輸入污染物濃度)和[X]out(箱體輸出污染物濃度)相等. 基于以上假設(shè)，式(1)簡(jiǎn)化為

由此，箱體中PM2.5濃度的計(jì)算公式：

式中：[X]t+1和[X]t分別表示t和t+1 天的PM2.5濃度，μg/m3；將一年中的取暖天數(shù)設(shè)定為100 d，[X]E+[X]C表示一天中散煤燃燒所排放的PM2.5、NOx以及SO2混勻后的總濃度，由日均排放量之和除以箱體體積計(jì)算得到，μg/(m3·d)；Δt表示時(shí)間間隔，1 d.

1.2.2 泊松回歸模型

泊松回歸模型被廣泛應(yīng)用于空氣污染的流行病學(xué)研究，評(píng)估PM2.5暴露下公眾的健康風(fēng)險(xiǎn)變化情況[23]. 相關(guān)研究中多假設(shè)參考濃度限值下的健康風(fēng)險(xiǎn)為0，進(jìn)而求得PM2.5實(shí)際濃度下的居民健康效應(yīng)量，也有部分研究中直接以具體事件引起的PM2.5濃度變化量作為研究對(duì)象. 例如，徐歡等[24]利用該模型對(duì)2014 年南京市城市綠地阻滯吸附PM2.5引起的居民健康風(fēng)險(xiǎn)變化量進(jìn)行了評(píng)估，童明坤等[25]定量評(píng)估了北京市道路綠地消減的PM2.5總量引起的人群健康風(fēng)險(xiǎn)變化情況. 筆者研究以散煤燃燒引起的PM2.5濃度變化量為研究對(duì)象，評(píng)估模型：

式中：ΔEi為散煤源排放的PM2.5濃度引起健康終點(diǎn)i的健康效應(yīng)變化量，人；P為當(dāng)年關(guān)中地區(qū)常住居民數(shù)量，人；ΔC為關(guān)中地區(qū)散煤源排放的PM2.5濃度，μg/m3；β為暴露-反應(yīng)關(guān)系系數(shù)；Ei為實(shí)際濃度下健康終點(diǎn)i的健康風(fēng)險(xiǎn)，以死亡率或發(fā)病率表示，‰.

1.3 數(shù)據(jù)整理

1.3.1 健康終點(diǎn)與暴露-反應(yīng)關(guān)系系數(shù)

研究[26-31]表明，接觸高濃度PM2.5與較高的呼吸道及心血管疾病的門診就診率、住院率之間存在關(guān)聯(lián)，急性暴露于嚴(yán)重的空氣污染或長期暴露于空氣污染中會(huì)增加死亡率. 考慮到相關(guān)數(shù)據(jù)的可得性，該文選取的健康終點(diǎn)包括過早死亡(慢性效應(yīng)死亡與急性效應(yīng)死亡)、門診(兒科與內(nèi)科)、住院(呼吸系統(tǒng)疾病與心血管疾病)及慢性支氣管炎患病. 根據(jù)Yin等[32]關(guān)于PM2.5相關(guān)健康影響的重疊關(guān)系圖，急性支氣管炎、哮喘發(fā)作與呼吸系統(tǒng)疾病住院以及門診之間存在包含關(guān)系，因此不額外考慮這兩項(xiàng)健康終點(diǎn)的影響，而慢性支氣管炎由于反復(fù)發(fā)作，對(duì)人體健康有長期影響，將其作為單獨(dú)的健康終點(diǎn)進(jìn)行分析. 暴露-反應(yīng)關(guān)系系數(shù)(β)參考文獻(xiàn)[32-42]中的數(shù)據(jù)(見表1).

1.3.2 健康終點(diǎn)的基準(zhǔn)發(fā)生率

關(guān)中地區(qū)居民過早死亡的基準(zhǔn)發(fā)生率由《陜西統(tǒng)計(jì)年鑒》中各城市的人口死亡率結(jié)合常住人口數(shù)據(jù)[36-37]計(jì)算得到. 兒科與內(nèi)科門診的基準(zhǔn)發(fā)生率參考杜沛等[43]的計(jì)算方法，由《中國衛(wèi)生健康統(tǒng)計(jì)年鑒》中陜西省相關(guān)數(shù)據(jù)[40-41]估算得到，患病與住院的基準(zhǔn)發(fā)生率選用我國西部居民的相應(yīng)數(shù)據(jù). 各健康終點(diǎn)的基準(zhǔn)發(fā)生率匯總?cè)绫? 所示.

表1 主要健康終點(diǎn)的暴露-反應(yīng)關(guān)系系數(shù)(β)與基準(zhǔn)發(fā)生率[32-42]Table 1 The exposure-response relation coefficients and baseline incidence of major health endpoints[32-42]

1.3.3 健康終點(diǎn)的單位經(jīng)濟(jì)損失

過早死亡的單位經(jīng)濟(jì)損失采用統(tǒng)計(jì)學(xué)意義上的生命價(jià)值(value of a statistical life，VOSL)進(jìn)行計(jì)算，即人們?yōu)榻档鸵欢ǖ乃劳鲲L(fēng)險(xiǎn)而愿意付出的成本[44].由于缺乏關(guān)于關(guān)中地區(qū)居民生命價(jià)值的研究，該文以謝旭軒[45]研究中的2010 年北京市生命價(jià)值(168×104元)作為參考值，修正方法參考文獻(xiàn)[13]，關(guān)中地區(qū)的人均可支配收入由《陜西統(tǒng)計(jì)年鑒》中關(guān)中7 市(區(qū))居民人均可支配收入結(jié)合人口數(shù)據(jù)[19,36,46]計(jì)算得到.

門診及住院的單位經(jīng)濟(jì)損失采用疾病成本法進(jìn)行估算，具體算法參考文獻(xiàn)[47]. 平均住院日、次均門診費(fèi)用及次均住院費(fèi)用均取自相應(yīng)年份的《中國衛(wèi)生健康統(tǒng)計(jì)年鑒》[40-41]，次均門診天數(shù)、次均間接醫(yī)療費(fèi)用參考文獻(xiàn)[43]，慢性支氣管炎病程緩慢，該研究按VOSL 的40%對(duì)其單位經(jīng)濟(jì)損失進(jìn)行計(jì)算[48].各健康終點(diǎn)的單位經(jīng)濟(jì)損失匯總?cè)绫? 所示.

表2 2017 年與2020 年各健康終點(diǎn)的單位經(jīng)濟(jì)損失Table 2 Unit economic loss of each health endpoint in 2017 and 2020

2 結(jié)果與討論

2.1 散煤治理進(jìn)程與污染減排分析

根據(jù)關(guān)中地區(qū)散煤治理在線平臺(tái)提供的數(shù)據(jù)(http://219.144.222.198)，結(jié)合實(shí)地調(diào)研情況，2017-2020 年關(guān)中地區(qū)7 市(區(qū))的散煤替代戶數(shù)變化情況如圖2 所示. 從治理進(jìn)程來看，西安市和楊凌區(qū)在2018 年以前完成了大部分的散煤治理工作，2019 年和2020 年則對(duì)部分地區(qū)與用戶進(jìn)行了針對(duì)性改造，其中尤以西安市2018 年的散煤治理成效最為顯著.2018 年西安市人民政府相繼印發(fā)了《西安市2018 年“鐵腕治霾· 保衛(wèi)藍(lán)天”“1+2+22”組合方案(辦法)》[49]及《西安市“鐵腕治霾· 保衛(wèi)藍(lán)天”三年行動(dòng)方案(2018-2020 年)(修訂版)》[50]，提出整村推進(jìn)清潔能源替代散煤的治理工作，因地制宜地制定了一套治理方案，大幅加快了西安市的散煤治理進(jìn)程. 2018 年以前咸陽市、渭南市、寶雞市和銅川市散煤治理進(jìn)程均較為緩慢，自2019 年起集中展開大范圍的散煤治理工作.

圖2 2017—2020 年采暖季關(guān)中地區(qū)7 市(區(qū))替煤戶數(shù)的變化情況Fig.2 Number of households replacing residential coal in 7 cities (districts) of the Guanzhong area during heating season from 2017 to 2020

第二次污染源普查數(shù)據(jù)顯示，2017 年西安市使用燃煤的家庭有21.82×104戶，燃煤量共計(jì)23.60×104t，一個(gè)冬季戶均燃煤量1.08 t，據(jù)此估算關(guān)中地區(qū)各市(區(qū))的逐年散煤削減量(見表3). 由表3 可見：關(guān)中地區(qū)2017-2020 年合計(jì)削減散煤77.79×104t，其中，西安市和渭南市的削減總量較高，均超過20×104t；其次為寶雞市和咸陽市，均在10×104t 以上；銅川市、韓城市、楊凌區(qū)因人口總數(shù)較少，散煤削減總量也偏低.

表3 2017-2020 年采暖季關(guān)中地區(qū)7 市(區(qū))散煤削減量估算結(jié)果Table 3 Estimation of residential coal reduction in 7 cities(districts) of the Guanzhong area during heating season from 2017 to 2020

2017-2020 年關(guān)中地區(qū)各市(區(qū))散煤替代率估算結(jié)果如表4 所示，關(guān)中地區(qū)散煤綜合替代率達(dá)98.36%，其中，楊凌區(qū)的治理進(jìn)程最快，已于2020 年實(shí)現(xiàn)清潔能源替代散煤全覆蓋；西安市、咸陽市、銅川市次之，散煤替代率均在99.7%以上；寶雞市、渭南市散煤替代率分別為96.28%和97.59%；韓城市散煤治理進(jìn)程最慢，散煤替代率為93.88%. 因此，需進(jìn)一步加強(qiáng)寶雞市、渭南市，特別是韓城市的清潔取暖政策覆蓋率，深度治理散煤交易和使用情況.

表4 2017—2020 年采暖季關(guān)中地區(qū)7 市(區(qū))散煤替代率估算結(jié)果Table 4 Estimation of residential coal substitution rate in 7 cities(districts) of the Guanzhong area during heating season from 2017 to 2020

根據(jù)《城市大氣污染源排放清單編制技術(shù)手冊(cè)》[51]計(jì)算PM2.5、SO2、NOx的減排量，計(jì)算公式：

式中：E為污染物減排量，t；A為燃料消耗質(zhì)量，t；EF為污染物產(chǎn)生系數(shù)，即排放因子；η為污染控制設(shè)施對(duì)污染物的去除效率，%，家用設(shè)備取0.

由表5 可見，2017-2020 年關(guān)中地區(qū)散煤治理使得PM2.5、SO2減排量均超過0.5×104t，減排成效顯著.

表5 2017-2020 年采暖季關(guān)中地區(qū)7 市(區(qū))散煤削減帶來的污染物減排量Table 5 Emission reduction of pollutants due to residential coal cutting down in 7 cities (districts) of the Guanzhong area during heating season from 2017 to 2020

2.2 散煤源對(duì)PM2.5 濃度的貢獻(xiàn)變化

根據(jù)中國環(huán)境監(jiān)測(cè)總站發(fā)布的監(jiān)測(cè)數(shù)據(jù)(http://www.cnemc.cn)，統(tǒng)計(jì)2017 年與2020 年采暖季西安市、咸陽市、寶雞市、渭南市、銅川市PM2.5日均濃度的平均值(自11 月25 日取100 d)，得到2017 年、2020 年關(guān)中地區(qū)采暖季PM2.5濃度平均值分別為132.4、91.2 μg/m3，四年間降低了41.3 μg/m3. 然而，PM2.5濃度的降低是機(jī)動(dòng)車管控、工業(yè)減排、秸稈禁燒等舉措綜合治理的成果，因此，為評(píng)估關(guān)中地區(qū)散煤治理對(duì)大氣PM2.5濃度改善的貢獻(xiàn)，采用箱式模型計(jì)算散煤源排放的PM2.5濃度.

由調(diào)研統(tǒng)計(jì)數(shù)據(jù)計(jì)算得到2017 年與2020 年關(guān)中地區(qū)采暖季的散煤日均用量分別為7 912.63 和133.25 t，通過排放因子計(jì)算出2017 年P(guān)M2.5、SO2、NOx的日均排放量分別為54.30、51.47、7.21 t，2020年P(guān)M2.5、SO2、NOx的日均排放量分別為0.91、0.87、0.12 t，根據(jù)式(3)，初始濃度[X]t設(shè)為0 時(shí)，對(duì)于2017年采暖季，經(jīng)歷1 d，散煤燃燒排放的污染物混合均勻后關(guān)中地區(qū)PM2.5濃度([X]t+1)為7.3 μg/m3，對(duì)大氣PM2.5濃度的貢獻(xiàn)率為5.5%. Wu 等[52]研究指出，2017 年我國民用燃燒對(duì)大氣PM2.5濃度的貢獻(xiàn)為13.7%，該值對(duì)應(yīng)于民用生物質(zhì)及散煤燃燒之和(民用生物質(zhì)燃燒的PM2.5排放量約為民用散煤燃燒的3 倍)，證實(shí)了采用箱式模型計(jì)算散煤源排放的PM2.5濃度的準(zhǔn)確性. 對(duì)于2020 年采暖季，經(jīng)歷1 d，散煤燃燒排放的污染物混合均勻后關(guān)中地區(qū)PM2.5濃度([X]t+1)為0.1 μg/m3，對(duì)大氣PM2.5濃度的貢獻(xiàn)率僅為0.1%，表明PM2.5的散煤燃燒源控制效果顯著. 2017年與2020 年采暖季關(guān)中地區(qū)大氣PM2.5濃度、散煤源排放的PM2.5濃度如圖3 所示. 經(jīng)過2017-2020年的散煤治理，關(guān)中地區(qū)散煤源排放的PM2.5濃度降低了7.2 μg/m3，對(duì)大氣PM2.5濃度的貢獻(xiàn)率降低了5.4%，對(duì)大氣PM2.5濃度改善的貢獻(xiàn)率達(dá)17.4%.

圖3 2017 年與2020 年采暖季關(guān)中地區(qū)大氣PM2.5 濃度以及散煤源排放的PM2.5 濃度Fig.3 Comparison of ambient PM2.5 concentration, PM2.5 concentration from residential coal combustion of the Guanzhong area during heating season in 2017 and 2020

2.3 居民健康經(jīng)濟(jì)效益評(píng)估

評(píng)估結(jié)果表明：2017 年采暖季關(guān)中地區(qū)散煤源排放的PM2.5濃度導(dǎo)致的受危害總?cè)藬?shù)為10 858 人(95%CI：4 452～17 483 人)，占關(guān)中地區(qū)2017 年末常住人口的4.33×10-4(95%CI：1.78×10-4～6.97×10-4)，即每百萬人中有178～697 人的健康會(huì)受到影響；2020年受危害總?cè)藬?shù)約為196 人(95%CI：78～319 人)，占關(guān)中地區(qū)2020 年末常住人口的7.57×10-6(95%CI：3.01×10-6～1.23×10-5)，即每百萬人中有3～12 人的健康會(huì)受到影響. 2017-2020 年關(guān)中地區(qū)散煤燃燒源PM2.5的減排使得居民受危害的概率降為2017 年的1.75%左右，帶來的健康總受益人數(shù)達(dá)10 662 人(95%CI：4 374～17 164 人)(見表6). 從不同的健康終點(diǎn)來看，過早死亡人數(shù)(包括慢性死亡和急性死亡)減少了376 人(95%CI：92～657 人)，過早死亡率降低了1.50×10-5(95%CI：3.66×10-6～2.62×10-5)，降幅達(dá)98.2%，其中減少的慢性死亡人數(shù)是急性死亡人數(shù)的2 倍多.總發(fā)病人數(shù)(門診、住院及慢性支氣管炎效應(yīng)量之和)減少了10 287 人(95%CI：4 283～16 507 人)，發(fā)病率降低了4.11×10-4(95%CI：1.71×10-4～6.59×10-4)，降幅達(dá)98.3%，其中，減少的內(nèi)科門診人數(shù)高于兒科門診人數(shù)，減少的呼吸系統(tǒng)疾病住院人數(shù)為心血管疾病住院人數(shù)的3.3 倍. 總體而言，散煤燃燒源PM2.5減排帶來的健康受益人數(shù)中，內(nèi)科門診、兒科門診、慢性支氣管炎3 個(gè)健康終點(diǎn)合計(jì)占健康總受益人數(shù)的85.5%.

表6 2017-2020 年采暖季關(guān)中地區(qū)散煤治理的健康經(jīng)濟(jì)效益評(píng)估Table 6 Evaluation of health and economic benefits attributable to residential coal control in the Guanzhong area during heating season from 2017 to 2020

結(jié)合1.3.3 節(jié)中不同健康終點(diǎn)的單位經(jīng)濟(jì)損失與相應(yīng)年份居民健康效應(yīng)量，計(jì)算得到2017 年采暖季散煤源排放的PM2.5引起的居民健康經(jīng)濟(jì)損失為1 448.75×106元(95%CI：391.27×106～2 503.69×106元)，占關(guān)中地區(qū)2017 年GDP 的1.02×10-3(95%CI：2.77×10-4～1.77×10-3). 2020 年 引 起 的 居 民 健 康 經(jīng) 濟(jì) 損 失 為37.10×106元(95%CI：10.03×106～81.83×106元)，占關(guān)中地區(qū)2020 年GDP 的2.20×10-5(95%CI：5.93×10-6～4.84×10-5). 2017-2020 年關(guān)中地區(qū)散煤燃燒源PM2.5減排帶來的經(jīng)濟(jì)效益共計(jì)1 411.65×106元(95%CI：381.24×106～2 421.86×106元)(見表6). 由于慢性支氣管炎治療費(fèi)用較高同時(shí)患病人數(shù)減少量較大，筆者研究中其健康經(jīng)濟(jì)效益最大(占比為58.3%)，減少過早死亡帶來的健康經(jīng)濟(jì)效益次之(占比為40.7%)，二者合計(jì)占總經(jīng)濟(jì)效益的比例高達(dá)99.0%.

2.4 不確定性分析

考慮到數(shù)據(jù)的可得性及計(jì)算過程的假設(shè)，該研究評(píng)估結(jié)果具有一定的不確定性，具體表現(xiàn)在以下幾個(gè)方面：①健康終點(diǎn)的選取不夠全面，未考慮PM2.5對(duì)神經(jīng)系統(tǒng)、生殖系統(tǒng)等的影響[53]，可能導(dǎo)致健康受益人數(shù)及相應(yīng)的經(jīng)濟(jì)效益評(píng)估結(jié)果偏低；②居民患病率與住院率均取自年鑒中我國西部地區(qū)的數(shù)據(jù),雖然與關(guān)中地區(qū)實(shí)際基準(zhǔn)發(fā)生率有一定的出入，但卻是根據(jù)現(xiàn)有公開資料能夠得出的最為接近的估算結(jié)果；③暴露-反應(yīng)關(guān)系系數(shù)是泊松回歸模型的關(guān)鍵，受氣候、人為污染因素影響存在地域性差異，由于相關(guān)研究較少，該文只能采用統(tǒng)一的暴露-反應(yīng)關(guān)系系數(shù)，但95%置信區(qū)間的計(jì)算將不確定度控制在相對(duì)可靠的范圍. 此外，PM2.5的毒性取決于其成分和大小，不同來源的PM2.5對(duì)健康的影響可能會(huì)有所不同[54]. 研究指出，碳質(zhì)顆粒比地殼物質(zhì)、硝酸鹽和硫酸鹽毒性更大[55]. Wu 等[52]研究表明，民用固體燃料燃燒排放的一次PM2.5毒性遠(yuǎn)大于燃煤電廠，民用燃燒排放的一次PM2.5毒性主要來自不完全燃燒釋放的多環(huán)芳烴，而燃煤電廠排放的PM2.5毒性主要來自毒性金屬元素. 然而，已有研究中還沒有單獨(dú)組分的劑量-效應(yīng)關(guān)系，因此目前還無法從各種來源定量區(qū)分PM2.5對(duì)健康的影響[54]，有望通過進(jìn)一步研究更精準(zhǔn)地評(píng)估散煤源PM2.5減排帶來的健康經(jīng)濟(jì)效益.

3 結(jié)論

a) 2017-2020 年關(guān)中地區(qū)散煤削減總量達(dá)77.79×104t，自2018 年以來散煤削減量大幅提升，穩(wěn)定在20×104t 以上，四年間PM2.5、SO2、NOx的排放量共分別減少5 338.40、5 060.41、709.20 t. 7 市(區(qū))中西安市與渭南市的散煤削減總量較高，均超過了20×104t；西安市、咸陽市、銅川市、楊凌區(qū)的治理進(jìn)程快，已接近或達(dá)到100%的散煤替代率；寶雞市、渭南市和韓城市的散煤治理工作還需進(jìn)一步加強(qiáng).

b) 2017-2020 年采暖季關(guān)中地區(qū)散煤源排放的PM2.5濃度由7.3 μg/m3降至0.1 μg/m3，對(duì)大氣PM2.5濃度的貢獻(xiàn)率由5.5%降至0.1%，對(duì)大氣PM2.5濃度改善的貢獻(xiàn)率達(dá)17.4%.

c) 2017-2020 年關(guān)中地區(qū)散煤燃燒源的PM2.5減排使得居民過早死亡率降低了1.50×10-5(95%CI：3.66×10-6～2.62×10-5)，降幅達(dá)98.2%；發(fā)病率(門診、住院及慢性支氣管炎的發(fā)生率)降低了4.11×10-4(95%CI：1.71×10-4～6.59×10-4)，降幅達(dá)98.3%. 可避免的過早死亡和總發(fā)病人數(shù)分別約376 和10 287 人，獲得的總經(jīng)濟(jì)效益約1 411.65×106元，其中，減少慢性支氣管炎患病及過早死亡帶來的經(jīng)濟(jì)效益占比達(dá)99.0%.