环境科学  2018, Vol. 39 Issue (8): 3467-3475   PDF    
引用本文
李惠娟, 周德群, 魏永杰. 我国城市PM2.5污染的健康风险及经济损失评价[J]. 环境科学, 2018, 39(8): 3467-3475.
LI Hui-juan, ZHOU De-qun, WEI Yong-jie. An Assessment of PM2.5-Related Health Risks and Associated Economic Losses in Chinese Cities[J]. Environmental Science, 2018, 39(8): 3467-3475.
我国城市PM2.5污染的健康风险及经济损失评价
李惠娟1,2, 周德群1, 魏永杰3     
1. 南京航空航天大学经济与管理学院, 南京 211106;
2. 徐州工程学院经济学院, 徐州 221111;
3. 中国环境科学研究院, 北京 100012
收稿日期: 2017-11-26; 修订日期: 2018-02-26
基金项目: 国家社会科学基金重大项目（15ZDA053）；国家社会科学基金一般项目（17BGL141）；国家自然科学基金青年科学基金项目（71603257）；中国博士后科学基金项目（2016M601809）；江苏省"六大人才高峰"高层次人才项目（JY-082）；江苏省教育厅高校哲社项目（2016SJD790028）
作者简介: 李惠娟(1974~), 女, 博士, 副教授, 主要研究方向为资源与环境经济、生态价值评估, E-mail:chinajslhj@163.com
摘要: 开展大样本城市的空气污染造成人群健康风险及经济损失研究，对于推进空气污染的防控与区域合作治理、公众健康素养提升具有重要意义.本文以我国62个环保重点监测城市为样本，运用环境健康风险与环境价值评估方法，对2015年PM2.5污染引发的健康风险及经济损失进行评价，结果表明PM2.5污染造成约12.51万人早逝[95% CI（置信区间）：3.33~20.59万人]及1009.59万人次患病、门诊和住院（95% CI：470.38~1501.93万人次），占这些城市市区总人口的3.53%（95% CI：1.64%~5.26%）.造成经济损失5705.57亿元（95% CI：1930.82~8742.14亿元），占这些城市GDP总和的1.53%（95% CI：0.52%~2.35%），人均经济损失1970元（95% CI：667~3018元）.四大城市群中，京津冀在健康风险、健康经济损失及其占GDP比重、人均损失方面均高于长三角、珠三角及东北.三大经济区中，东部的健康风险及经济损失高于中部与西部，三地的人均经济损失差别不大.南北方的经济损失相差很小，但北方的经济损失占GDP比重与人均损失均远高于南方.保定、郑州、济南、北京等市PM2.5浓度很高，健康风险与经济损失问题突出.
关键词: PM2.5      健康风险      经济损失      评价      环保重点监测城市     
An Assessment of PM2.5-Related Health Risks and Associated Economic Losses in Chinese Cities
LI Hui-juan1,2 , ZHOU De-qun1 , WEI Yong-jie3     
1. College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China;
2. Economic School, Xuzhou University of Technology, Xuzhou 221111, China;
3. China Research Academy of Environmental Science, Beijing 100012, China
Abstract: It is important to carry out research on health risks and associated economic losses caused by air pollution using a large sample city in order to control air pollution and improve public health literacy. Using environmental health risk and environmental value assessment methods, the health risks of PM2.5 pollution in 2015, as well as the corresponding economic losses, were estimated in this study using the environmental monitoring data of 62 key cities as samples. The results show that significant impacts due to PM2.5 pollution occurred in 2015, including about 125.1[95% confidence interval (CI):33.29-205.90] thousand premature deaths and 10.10 (95% CI:4.70-15.02) million cases of illness, hospital admissions, and outpatients, which accounted for 3.53% (95% CI:1.64%-5.26%) of the total urban population. The total economic loss associated with the health risks was approximately 570.6 (95% CI:193.08-874.21) billion yuan, which accounts for 1.53% (95% CI:0.52%-2.35%) of the total GDP in 2015. The per capita loss was 1970 (95% CI:667-3018) yuan for these cities. Among the four major urban agglomerations of Beijing-Tianjin-Hebei, the Yangtze River Delta, the Pearl River Delta, and Northeast China, Beijing-Tianjin-Hebei has the highest health risks, associated economic losses, the proportion of associated economic losses to GDP, and associated economic loss per capita because of its high concentration of PM2.5 and dense population than other three urban agglomerations. Among the three economic areas of Eastern, Central, and Western China, the health risks and associated economic losses were highest in the former. However, economic loss per capita did not differ greatly in the three economic areas. The difference in economic losses was very small between South and North China. However, the proportion of economic loss to GDP and per capita loss were much higher in the North than in the South. As to specific cities, the problems of health risks and economic losses were outstanding in Baoding, Zhengzhou, Jinan, and Beijing, which have higher PM2.5 concentrations.
Key words: PM2.5      health risks      economic losses      assessment      key cities of environmental monitoring     

随着工业化、城镇化的快速推进, 我国经济获得快速发展, 但是环境质量尤其是空气质量下降明显, 霾天气常态化, 对居民健康和社会经济发展造成较大危害.环境流行病学及环境毒理学研究证实, 短期或长期暴露于污染、尤其是重污染空气中, 会造成人体的呼吸、心血管、神经和免疫系统等疾病, 染色体、DNA结构发生变化或损伤, 而且空气污染与癌症、出生缺陷、早逝的发生也有显著正相关关系[1~6].在这些污染物中, 细颗粒物(PM2.5)对人体健康的不利影响最显著[7~11].然而我国很多城市大部分时段的首要污染物均为PM2.5.

近年来, 颗粒物造成的大样本城市健康损失估算研究主要有美国、西班牙和中国等.对美国51个大城市中211个地区1970~1980年和1990~2000年的期望寿命进行分析的结果显示, PM2.5年均浓度每降低10 μg·m-3, 人群期望寿命增加约(0.61±0.20)a[12].对美国545个县2000~2007年的研究发现, PM2.5年均浓度每降低10 μg·m-3, 人群期望寿命增加约(0.35±0.16)a, 人口密度大的大城市增加更加显著[13].西班牙巴塞罗那大都市区57个城市2005年的PM10浓度若能降低至WHO推荐标准(20μg·m-3), 每年将有约64亿欧元的收益[14].对中国113个城市的研究发现, 2006年PM10引起的总归因健康经济损失达3 414.03亿元, 其中早逝的损失占87.79%[15].

2013年我国出台《大气污染防治行动计划》(“国十条”), 把空气污染治理提高到前所未有的重要程度.2016年底出台的《“健康中国2030”规划纲要》要求把公众健康摆在优先发展的战略地位.本文基于近年来国内外PM2.5流行病学综合研究成果, 以2015年为基准年, 以环境空气质量标准(GB 3095-2012)二级浓度限值35 μg·m-3为基准浓度, 以我国62个环保重点监测城市为样本, 评估归因于PM2.5的居民健康风险与健康经济损失, 并对不同城市、不同区域的评估结果进行比较, 以期为国家制订空气污染防控、空气污染区域合作治理、公众健康素养提升等政策提供成本-效益分析依据或决策参考, 以减少全社会的福利损失.

1 材料与方法 1.1 方法

本文运用环境健康风险与环境价值评估方法对我国城市居民暴露于PM2.5污染下的健康风险与健康经济损失进行定量评估[15, 16].具体如下.

由流行病学的研究结果可知, PM2.5浓度与健康风险之间存在着暴露-反应关系.根据泊松回归比例风险模型, 归因于PM2.5的人群健康风险如式(1)所示:

(1)

式中, RR为PM2.5污染实际浓度下的健康风险, RR0为PM2.5污染参考基准浓度下的健康风险, β为暴露-反应关系系数, c为PM2.5实际浓度(μg·m-3), c0为PM2.5参考基准浓度(μg·m-3).

当暴露人群数量为P, 则归因于PM2.5的健康效应变化量ΔE如式(2)所示：

(2)

PM2.5引起所有不良健康终点的总经济损失如式(3)所示:

(3)

式中, L为PM2.5污染导致所有健康终点的损失, Li为PM2.5污染导致健康终点i的损失, m为健康终点个数, Lip为PM2.5污染导致健康终点i的单位损失.

1.2 数据来源与处理 1.2.1 PM2.5污染浓度

我国很早就已经开始对PM10、SO2、NO2等空气污染物进行监测, 但近年来空气污染愈演愈烈, 原有监测标准无法满足环境治理需要.《环境空气质量标准》(GB 3095-2012)于2013年开始实施后, 将PM2.5、O3等纳入标准, 并定期公布8种污染物(PM2.5、PM10、SO2、NO2、CO、O3等)浓度.2013年, 有74个新标准第一阶段监测实施城市, 包括京津冀、长三角、珠三角等重点区域及直辖市、省会城市和计划单列市.环保部每月定期对第一阶段监测的74个重点城市的空气质量进行排名, 以厘清这些城市的空气质量状况与变化趋势.

本文从环境保护部网站查询2015年各月《城市空气质量状况月报》, 依据74个重点城市PM2.5的月均浓度值, 计算其年均浓度值.结果表明, 74个城市PM2.5年均浓度为55.29 μg·m-3; 海口的年均浓度最低, 为22.08 μg·m-3; 保定的年均浓度最高, 为107.08 μg·m-3; 邢台、衡水、郑州、邯郸、济南的年均浓度居前, 达到或超过90 μg·m-3.

当PM2.5参考浓度选择为环境空气质量(GB 3095-2012)的二级浓度限值35 μg·m-3时, 中山、江门、深圳、珠海、惠州、舟山、昆明、海口、厦门、福州、拉萨、张家口这12个城市的年均浓度低于此限值, 其余62个城市均超标, 因此只估算这62个城市居民的健康风险与健康经济损失.

1.2.2 暴露人口

我国的空气质量监测点几乎都分布于市区, 县级市及县区较少.另外, 考虑到62个城市的外来人口较多, 常住人口通常大于户籍人口, 常住人口在本市长期工作生活, 暴露于本市污染空气中.因此, 以62个城市的市区常住人口作为暴露人口.根据各城市统计年鉴, 2015年62个城市市区常住人口2.9亿人, 占全国总人口的21.1%.北京、上海、重庆这3个城市的暴露人口均超过2 000万; 广州、成都、武汉、天津这4个城市的暴露人口均超过1 000万; 东莞、南京等10个城市的暴露人口为500~1 000万; 青岛、济南等16个城市的暴露人口为300~400万; 其余40个城市的暴露人口小于300万.

1.2.3 暴露-反应关系系数

暴露-反应关系系数的选取是健康风险评估的关键环节之一.本文选取的健康风险终点为早逝、住院(呼吸系统疾病与心血管系统疾病)、门诊(内科与儿科)、患病(慢性支气管炎与急性支气管炎).参考文献[16, 17], 选取的暴露-反应关系系数如表 1所示.

表 1 各健康终点的暴露-反应关系系数1) Table 1 Dose-response relationship coefficients of different health outcomes

1.2.4 基准发生率

早逝的基准发生率, 来自于文献[18]中各城市死亡率.

住院和患病的基准发生率, 由于缺乏各城市的相应资料, 因此选用文献[19]中东部、中部、西部居民的相应疾病住院率与慢性病患病率, 如表 1所示.

对于各城市内科与儿科的门诊基准发生率, 按以下步骤估算而得.首先, 假设62个城市的内科、儿科人次在总门诊人次中的比例与全国平均水平相同, 内科、儿科病人均匀分布于每省各市的市区及县区.其次, 由文献[19]计算全国医疗卫生机构的内科、儿科人次占总门诊人次比重.第三, 对于可以公开查到各市门诊总人次的北京、上海、天津、重庆、广东、浙江、江苏等省市, 按市区常住人口占全市总常住人口的比例估算出市区常住人口的门诊总人次, 再按内科、儿科所占比例分摊相应就诊人次, 最后得到内科、儿科就诊率.第四, 对于无法公开查到各市门诊总人次的其它城市, 按市区常住人口占全省总常住人口的比例计算该市市区常住人口的门诊总人次, 再按内科、儿科所占比例分摊相应就诊人次, 最后得到每个城市内科、儿科的基准发生率.

1.2.5 健康终点的单位经济损失

早逝的单位经济损失, 以北京市居民统计寿命价值(value of statistical life, VSL)168万元人民币[20]为基础, 运用各市人均可支配收入及CPI指数折算2015年62个城市居民的统计寿命价值.

门诊损失与住院损失, 采用疾病成本法计算.疾病成本法对某种疾病i单位成本的计算公式如式(4)所示：

(4)

式中, Ci为PM2.5污染导致健康终点i的单位经济损失, Cip为健康终点i的单位病例医疗费, GDPp为人均日误工成本[元·(人·d)-1], TiL为因治疗健康终点i导致的误工时间.

病人前往医院进行门诊的误工(儿科为陪护)时间统一按1 d计算, 则门诊损失为门诊医药费与1 d误工费之和.其中, 内科、儿科的门诊医药费按如下方法推算：首先由各省市的门诊医药费、各省市的人均可支配收入, 推算出各市的门诊医药费.其次假设各市门诊内科、儿科的医药费占全部门诊医药费的比例与全国的比例相同.第三, 按照相应比例推算出各市内科、儿科的门诊医药费.

对于住院损失, 首先根据文献[19], 得到全国呼吸系统、心血管系统疾病的人均医药费及平均住院日, 其次根据全国各种疾病平均住院费与两种疾病住院费的比例、各省的平均住院费, 折算出各市两种疾病住院费; 根据各省的平均住院日, 得到各省呼吸系统、心血管系统疾病的平均住院日, 以此作为省内城市两种疾病的住院日.年人均GDP的日均值作为人均日误工成本.人均GDP数据来自文献[18], 再折算为日均值.误工时间为住院日.

慢性支气管炎病程缓慢, 一般不易痊愈, 患病时间难以确定, 常造成病人极大痛苦, 显著降低病人生活质量, 因此不宜采用疾病成本法计算单位成本.本文采用Viscusi等[21]与陈晓兰[22]研究结果的中间值, 即慢性支气管炎的单位成本为统计寿命价值的40%.对于急性支气管炎的单位经济损失, 假设它与门诊损失的比例在各城市相同, 依据黄德生等[16]门诊与急性支气管炎单位损失比例, 结合各市的门诊损失, 估算各市急性支气管炎的单位损失.

基于上述方法, 估算62个城市各类不同健康终点的单位经济损失.部分城市的单位经济损失如表 2所示.

表 2 部分城市各健康终点的单位经济损失 Table 2 Economic losses per case of different health outcomes in some cities

2 结果与分析 2.1 居民健康风险评价结果

表 3汇总了部分城市的健康风险.最大的是北京, 第二是上海, 其它位列前十的城市分别为天津、重庆、武汉、成都、郑州、济南、南京、石家庄.一方面是因为部分城市的PM2.5浓度高, 暴露人口数量大, 分布密集; 另一方面, 也与这些城市的人口老龄化程度较深有密切关系.部分城市的人口老龄化状况如表 4所示, 除石家庄和郑州的人口老龄化程度较轻以外, 其余城市的人口老龄化都已达到较严重程度.老龄人口对PM2.5污染的耐受力较差, 死亡或生病几率较高[23, 24].因此, 当PM2.5高浓度、暴露人口基数大、老龄化严重三者叠加时, 健康风险极大.

表 3 部分城市PM2.5污染的健康风险与排序(均值及95% CI) Table 3 Health risk and ranking of PM2.5 pollution in some cities (mean and 95% CI)

表 4 部分城市的人口老龄化状况及PM2.5浓度1) Table 4 Population aging and PM2.5 concentrations in some cities

从不同健康终点看, 各城市因呼吸系统与心血管系统疾病住院的人数相差不大, 内科与儿科门诊人次较多, 门诊人次远远超过住院人次, 急性支气管炎的发病人次超过慢性支气管炎.

把62个城市按不同方式划分至不同区域, 分类汇总不同区域的各健康终点发生人次与总发生率、人口、PM2.5浓度等情况, 如表 5所示.可以看出, 归因于PM2.5污染的健康终点总发生率为每万人353人次(95% CI:164~526人次), 其中有12.51万例居民早逝(95% CI:3.33~20.59万例), 约占62个城市居民总死亡人数的6.65%.

表 5 各区域PM2.5污染的健康风险1)(均值及95% CI) Table 5 Health risks of PM2.5 pollution for different areas (mean and 95% CI)

按城市群划分, 京津冀的健康终点总发生率最高, 为6.86% (95% CI:3.25%~10.14%), 珠三角最低, 均值仅为0.67%.京津冀健康终点发生总数高于长三角47.34万人次(95% CI:39.21~108.85万人次), 主要因为京津冀门诊人次太多导致.由于人口基数不同, 京津冀与东北的早逝人数相差较大, 但是早逝发生率却差异较小, 均值分别为6.65‰与5.83‰.

按东中西部划分, 健康终点发生总数从高到低依次为东部、中部、西部, 这主要是因为东部暴露人口分别为中部、西部的4.35倍、3.25倍.从健康终点总发生率看, 从高到低仍然依次为东部、中部、西部, 东部均值是西部的1.38倍.但是西部的呼吸疾病住院、急性支气管炎、慢性支气管炎的发生率远高于东部与中部.而中部的早逝发生率最高, 均值是西部的1.42倍.

按南北方划分, 南方暴露人口为北方的1.58倍, 北方健康终点总发生率为4.96% (95% CI: 2.32%~7.35%), 南方为2.62% (95% CI: 1.20%~3.93%), 北方均值为南方的1.89倍; 进一步分析发现, 在南北方全因死亡率相差很小的情况下, 北方的早逝、住院、门诊及患病率全部远高于南方, 这与北方PM2.5浓度远高于南方有密切关系.

2.2 居民健康经济损失评价结果

如表 6所示, 若按居民健康经济损失值排序, 前十名的城市分别为北京、上海、重庆、天津、成都、武汉、济南、西安、沈阳、南京, 与健康风险的前十大城市差别不大.但是, 若按健康经济损失占GDP比重排序, 则变动很大, 前十大占比城市分别为北京、济南、重庆、西安、成都、保定、乌鲁木齐、沈阳、上海、石家庄.在人均经济损失方面, 济南最大, 前五的其余城市依次为北京、沈阳、成都、唐山.河北省有7座城市的PM2.5浓度、1座城市的健康风险、2座城市的健康经济损失分别进入前十名.从总体看, 北京、济南、成都、沈阳等市情况较严重.

表 6 部分城市PM2.5污染的健康经济损失及排序(均值及95% CI) Table 6 Health economic losses and ranking of PM2.5 pollution of some cities (mean and 95% CI)

结合表 7, 62个城市的健康经济总损失高达5705.57亿元(95% CI: 1 930.82~8 742.14亿元), 占这些城市GDP的1.53% (95% CI: 0.52%~2.35%), 占2015年全国GDP的0.83% (95% CI: 0.28%~1.27%).经济损失前五名城市的损失占所有城市损失的45.33%, 前十名城市的损失占所有城市损失的61.23%.损失占GDP比重前五名城市的平均值为3.23%, 前十名城市的平均值为2.79%.

表 7 各区域PM2.5污染的健康经济损失(均值及95% CI) Table 7 Health economic losses of PM2.5 pollution for different areas (mean and 95% CI)

从城市群看, 京津冀与长三角的健康经济损失相差很小, 但是京津冀的经济损失占GDP比重为2.38% (95% CI: 0.38%~3.57%), 是长三角的2.05倍, 人均损失为3 080元(95% CI:1 070~4 623元), 是长三角的1.71倍; 东北的经济损失仅为长三角的1/4, 但人均损失均值为2 002元, 高出长三角11.47%.珠三角的经济损失及其占GDP比重、人均损失都较小.

从东中西部看, 东部损失高达3778亿元(95% CI: 1 265~5 805亿元), 约为中部、西部经济损失之和的2倍; 东部与中部的经济损失占GDP比重差别不大, 但西部的经济损失占GDP比重却为中部、东部的1.5倍; 东部与西部的人均损失几乎相同, 约高于中部230元.

南北方的经济损失相差无几, 但是北方的经济损失占GDP比重为2.03% (95% CI: 0.7%~3.07%), 人均损失2564元(95% CI:882~3875元), 均值约为南方的1.6倍.

3 讨论

空气污染与经济发展密切相关, 而且“国十条”强调对中国三大城市群的全面治理, 因此近年来对长三角、珠三角, 尤其是对京津冀这一污染最严重区域的研究不断出现.如2013年的PM2.5污染造成京津冀健康经济损失1 342.9亿元(95% CI:1 068.5~1 598.2亿元), 相当于当年GDP的2.16%(95% CI:1.72%~2.28%), 其中早逝与慢性支气管炎是损失的主要来源[25].也有的估算结果更高, 如2009年京津冀的健康经济损失高达1729亿元(95% CI:612~2 560亿元), 相当于当年GDP的4.68%(95% CI: 1.66%~6.94%)[16].对长三角与珠三角的研究认为, 长三角2010年PM2.5污染导致早逝的经济损失约为221亿元[26].当参考浓度分别选取中国标准(40μg·m-3)与WHO指导值(20μg·m-3)时, 2006年珠三角健康经济损失相当于当年GDP的0.09%和0.13%[27].虽然本文研究结果与上述结果有差异, 但均反映了不同时期三大城市群的健康经济损失概况.

本文仅考虑PM2.5导致的健康影响, 未考虑其它污染物如PM10、O3、SO2、NOx等.由于各种污染物进入人体后可能对健康产生协同作用, 因此本评估结果可能偏低.将市区人口作为暴露人口, 广大县级及以下人口没有包括在内, 而他们也受到PM2.5污染的影响, 这导致评估结果偏低.

由于卫生基础资料缺乏, 评估的健康终点不够全面, 仅选择早逝、呼吸系统与心血管系统疾病住院、内科与儿科门诊、急性支气管炎与慢性支气管炎, 未考虑肺功能降低、不良生殖等; 在估算各健康终点的单位经济损失时采用疾病成本法, 所以仅考虑医疗费与误工费, 未考虑自我治疗费、交通费等; 早逝与慢性支气管炎的损失, 是根据北京市暴露人群的损失及各市的人均可支配收入进行推算, 未考虑不同收入水平下各城市人群的支付意愿差异[22], 可能使评估结果偏低.

鉴于目前PM2.5对健康的影响机制不完全清晰, 设计规范的慢性研究、严格设计的多城市研究和队列研究等尚待深入开展.建立暴露-反应关系的过程仍存在不确定性, 如气象因素、人群暴露模式等各种混杂因素均会对研究的定义和控制带来一定困难[28], 不同城市的系数由于各种原因而产生差异[29].但由于资料限制, 本文只能采用统一的暴露-反应关系系数及其95%置信区间, 并估算高、低、均值的评估结果, 这在一定程度上将不确定性控制在相对可靠范围.本文还假定样本城市中的暴露人群呈均匀分布, 忽略城市内部人群暴露特征与PM2.5浓度的差异等, 从一定程度上削弱了高人口密度、高污染水平与人口老龄化的叠加效应, 可能使评估结果偏低.

由于卫生基础资料缺乏, 本文根据文献[19]对各健康终点发生率进行推算.对于样本城市的住院、患病发生率, 由于无法取得更加详细的数据, 故采用东部、中部、西部的平均发生率; 对于内科与儿科门诊发生率, 采用比例分摊法进行推算, 虽然与各城市实际基准发生率有所出入, 但却是根据公开资料得出的较可信推算结果.

4 结论

(1) 从总体看, 2015年74个环保重点监测城市中有62个城市的PM2.5浓度超过35μg·m-3, 对这些城市居民造成较大健康风险与健康经济损失.可引起12.51万例(95% CI: 3.33~20.59万例)早逝, 201.25万人次(95% CI:75.64~303.53万人次)患病, 792.71万人次(95% CI: 390.00~1 171.97万人次)门诊, 15.63万人次(95% CI: 4.74~26.42万人次)住院.患病、门诊和住院人次占居民总数的3.53% (95% CI: 1.64%~5.26%).造成经济损失5705.57亿元(95% CI: 1 930.82~8 742.14亿元), 占这些城市GDP总和的1.53%(95% CI: 0.52%~2.35%), 人均经济损失1970元(95% CI: 667~3 018元).

(2) 四大城市群中, 长三角暴露人口最多, 京津冀的PM2.5浓度最高; 健康风险从高到低依次为京津冀、长三角、东北、珠三角.京津冀的健康终点总发生人次和总发生率都远高于其它3个城市群.京津冀与长三角的健康经济损失差别很小, 但是占GDP比重与人均损失却差别很大, 前者均值分别为后者的2.05倍与1.71倍.珠三角的经济损失及其占GDP比重、人均损失均非常小.

(3) 三大经济区中, 东部的暴露人口最多, 健康终点总发生率最高, 经济损失也最大, 达到3 777.86亿元(95% CI: 1 264.89~5 804.69亿元); 中部的PM2.5浓度最高; 西部的呼吸疾病住院、急性支气管炎、慢性支气管炎的发生率远高于东部与中部, 经济损失占GDP比重最大, 为2.37% (95% CI: 0.83%~3.59%).东部、中部、西部的人均经济损失差别不大.

(4) 南北方中, 南方的暴露人口远大于北方, 北方的PM2.5浓度是南方的1.44倍; 在南北方全因死亡率相差很小的情况下, 北方的早逝、住院、门诊及患病率全部远高于南方, 北方所有健康终点平均发生率为4.96%(95% CI: 2.32%~7.35%).北方与南方的经济损失仅有微小差别, 但是北方的经济损失占GDP比重与人均损失均值分别为南方的1.65倍与1.61倍.

(5) 就城市看, 健康风险前十大城市依次为北京、上海、天津、重庆、武汉、成都、郑州、济南、南京、石家庄.健康经济损失前十大城市也包括西安与沈阳, 但不包括郑州与石家庄, 其中最高的北京为895.60亿元(95% CI: 313.22~1 341.01亿元).经济损失占GDP比重前十大城市依次为北京、济南、重庆、西安、成都、保定、乌鲁木齐、沈阳、上海、石家庄, 其中最高的北京为3.89%(95% CI: 1.36%~5.83%).人均经济损失最高的济南为4 207元(95% CI: 1 443~6 299元).不同城市的PM2.5浓度、人口老龄化程度、生活习惯等有较大差异, 所产生的健康损失及由此带来的经济损失也有极大不同.但保定、郑州、济南、北京等PM2.5浓度很高的城市, 无论是健康风险还是健康经济损失问题的确比较突出.

参考文献
[1] Zanobetti A, Schwartz J. The effect of fine and coarse particulate air pollution on mortality:a national analysis[J]. Environmental Health Perspectives, 2009, 117(6): 898-903. DOI:10.1289/ehp.0800108
[2] Fischer P H, Marra M, Ameling C B, et al. Air pollution and mortality in seven million adults:the Dutch environmental longitudinal study (DUELS)[J]. Environmental Health Perspectives, 2015, 123(7): 697-704.
[3] Ebenstein A, Fan M Y, Greenstone M, et al. Growth, pollution, and life expectancy:China from 1991-2012[J]. American Economic Review, 2015, 105(5): 226-231. DOI:10.1257/aer.p20151094
[4] Pope C A Ⅲ, Burnett R T, Thun M J, et al. Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particulate air pollution[J]. JAMA, 2002, 287(9): 1132-1141. DOI:10.1001/jama.287.9.1132
[5] Tie X X, Cao J J. Aerosol pollution in China:present and future impact on environment[J]. Particuology, 2009, 7(6): 426-431. DOI:10.1016/j.partic.2009.09.003
[6] Chen W Q, Zheng R S, Baade P D, et al. Cancer statistics in China, 2015[J]. CA:A Cancer Journal for Clinicians, 2016, 66(2): 115-132. DOI:10.3322/caac.21338
[7] Schwartz J, Dockery D W, Neas L M. Is daily mortality associated specifically with fine particles?[J]. Journal of the Air & Waste Management Association, 1996, 46(10): 927-939.
[8] Kan H D, London S J, Chen G H, et al. Differentiating the effects of fine and coarse particles on daily mortality in Shanghai, China[J]. Environment International, 2007, 33(3): 376-384. DOI:10.1016/j.envint.2006.12.001
[9] Guo Y M, Zeng H M, Zheng R S, et al. The burden of lung cancer mortality attributable to fine particles in China[J]. Science of the Total Environment, 2017, 579: 1460-1466. DOI:10.1016/j.scitotenv.2016.11.147
[10] De P Pablo-Romero M, Román R, Limón J M G, et al. Effects of fine particles on children's hospital admissions for respiratory health in Seville, Spain[J]. Journal of the Air & Waste Management Association, 2015, 65(4): 436-444.
[11] 谢元博, 陈娟, 李巍. 雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估[J]. 环境科学, 2014, 35(1): 1-8.
Xie Y B, Chen J, Li W. An assessment of PM2.5 related health risks and impaired values of Beijing residents in a consecutive high-level exposure during heavy haze days[J]. Environmental Science, 2014, 35(1): 1-8. DOI:10.11654/jaes.2014.01.001
[12] Pope C A Ⅲ, Ezzati M, Dockery D W. Fine-particulate air pollution and life expectancy in the United States[J]. New England Journal of Medicine, 2009, 360(4): 376-386. DOI:10.1056/NEJMsa0805646
[13] Correia A W, Pope Ⅲ C A, Dockery D W, et al. Effect of air pollution control on life expectancy in the United States:an analysis of 545 U.S. counties for the period from 2000 to 2007[J]. Epidemiology,, 2013, 24(1): 23-31. DOI:10.1097/EDE.0b013e3182770237
[14] Pérez L, Sunyer J, Künzli N. Estimating the health and economic benefits associated with reducing air pollution in the Barcelona Metropolitan Area (Spain)[J]. Gaceta Sanitaria, 2009, 23(4): 287-294. DOI:10.1016/j.gaceta.2008.07.002
[15] 陈仁杰, 陈秉衡, 阚海东. 我国113个城市大气颗粒物污染的健康经济学评价[J]. 中国环境科学, 2010, 30(3): 410-415.
Chen R J, Chen B H, Kan H D. A health-based economic assessment of particulate air pollution in 113 Chinese cities[J]. China Environmental Science, 2010, 30(3): 410-415.
[16] 黄德生, 张世秋. 京津冀地区控制PM2.5污染的健康效益评估[J]. 中国环境科学, 2013, 33(1): 166-174.
Huang D S, Zhang S Q. Health benefit evaluation for PM2.5 pollution control in Beijing-Tianjin-Hebei region of China[J]. China Environmental Science, 2013, 33(1): 166-174.
[17] 王桂芝, 武灵艳, 陈纪波, 等. 北京市PM2.5污染健康经济效应的CGE分析[J]. 中国环境科学, 2017, 37(7): 2779-2785.
Wang G Z, Wu L Y, Chen J B, et al. A CGE-based analysis on PM2.5-induced health-related economic effect in Beijing[J]. China Environmental Science, 2017, 37(7): 2779-2785.
[18] 国家统计局城市社会经济调查司. 中国城市统计年鉴2016[M]. 北京: 中国统计出版社, 2016.
[19] 国家卫生和计划生育委员会. 中国卫生和计划生育统计年鉴2016[M]. 北京: 中国协和医科大学出版社, 2016.
[20] 谢旭轩. 健康的价值: 环境效益评估方法与城市空气污染控制策略[D]. 北京: 北京大学, 2011. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y2024743
[21] Viscusi W K, Magat W A, Huber J. Pricing environmental health risks:survey assessments of risk-risk and risk-dollar trade-offs for chronic bronchitis[J]. Journal of Environmental Economics and Management, 1991, 21(1): 32-51. DOI:10.1016/0095-0696(91)90003-2
[22] 陈晓兰. 大气颗粒物造成的健康损害价值评估[D]. 厦门: 厦门大学, 2008.
Chen X L. Evaluating the health damage costs of atmospheric particulates[D]. Xiamen: Xiamen University, 2008. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y1442025
[23] 赵春善, 方今女. 吉林市采暖期PM2.5污染水平与老年人呼吸系统健康关系的回顾性研究[J]. 中国卫生统计, 2015, 32(5): 844-847.
[24] 王媛, 黄薇, 汪彤, 等. 患心血管病老年人夏季PM2.5和CO的暴露特征及评价[J]. 中国环境科学, 2009, 29(9): 1005-1008.
Wang Y, Huang W, Wang T, et al. Characterization and assessment of exposure to PM2.5and CO for a cardiovascular elderly panel in summer in Beijing[J]. China Environmental Science, 2009, 29(9): 1005-1008.
[25] 吕铃钥, 李洪远. 京津冀地区PM10和PM2.5污染的健康经济学评价[J]. 南开大学学报(自然科学版), 2016, 49(1): 69-77.
Lü L Y, Li H Y. Health economic evaluation of PM10 and PM2.5 pollution in Beijing-Tianjin-Hebei region of China[J]. Acta Scientiarum Naturalium Universitatis Nankaiensis, 2016, 49(1): 69-77.
[26] Wang J D, Wang S X, Voorhees A S, et al. Assessment of short-term PM2.5-related mortality due to different emission sources in the Yangtze River Delta, China[J]. Atmospheric Environment, 2015, 123: 440-448. DOI:10.1016/j.atmosenv.2015.05.060
[27] 刘晓云, 谢鹏, 刘兆荣, 等. 珠江三角洲可吸入颗粒物污染急性健康效应的经济损失评价[J]. 北京大学学报(自然科学版), 2010, 46(5): 829-834.
Liu X Y, Xie P, Liu Z R, et al. Economic assessment of acute health impact due to inhalable particulate air pollution in the Pearl River Delta[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2010, 46(5): 829-834.
[28] 陈仁杰, 陈秉衡, 阚海东. 上海市近地面臭氧污染的健康影响评价[J]. 中国环境科学, 2010, 30(5): 603-608.
Chen R J, Chen B H, Kan H D. Health impact assessment of surface ozone pollution in Shanghai[J]. China Environmental Science, 2010, 30(5): 603-608.
[29] Hubert H B, Bloch D A, Oehlert J W, et al. Lifestyle habits and compression of morbidity[J]. Journals of Gerontology, 2002, 57(6): M347-M351. DOI:10.1093/gerona/57.6.M347