2019, Vol. 40
2. 复旦大学公共卫生学院, 公共卫生安全教育部重点实验室, 上海 200032
, AN Jing-yu1 , LI Li1
, HUANG Cheng1 , YAN Ru-sha1 , ZHU Shu-hui1 , MA Ying-ge1 , SONG Wei-min2 , KAN Hai-dong2
2. Key Laboratory of Public Health Safety of Ministry of Education, School of Public Health, Fudan University, Shanghai 200032, China
近年来, 随着我国国民经济的快速发展和城市化进程的推进, 区域性大气复合污染日益凸显, 其中, 大气细颗粒物(PM2.5)是复合型大气污染的主要污染物, PM2.5污染导致能见度恶化、并对人群健康造成潜在威胁.根据2015年全球疾病负担(global burden of disease, GBD)的研究结果[1], 大气PM2.5造成中国2015年110万例(95%CI：100万~180万例)死亡, 而美国大气PM2.5的归因死亡人数为8.84万例(95%CI：6.68万~11.5万例), 以PM2.5为代表的复合型大气污染已经成为影响我国城市和区域可持续发展和群众健康的重大环境问题.
为改善空气质量, 保护人群健康, 我国在2013年9月发布了《大气污染防治行动计划》[2], 要求京津冀、长三角、珠三角等区域2017年PM2.5浓度分别较基准年下降25%、20%、15%以上.为贯彻《大气污染防治行动计划》, 上海市于2013年11月发布了《上海市清洁空气行动计划》(2013~2017年)[3](行动计划), 从能源、工业、交通、建设、生活、农业等六大领域部署了两百多条措施, 政策自实施以来, 上海市大气PM2.5的年均质量浓度从2013年的62 μg·m-3, 下降至2017年的39 μg·m-3(降幅37.1%), 空气质量得到明显改善.上海作为我国特大城市, 行动计划实施究竟带来多大的环境和社会效益, 受到社会各界的高度关注, 然而迄今关于这项重大政策实施的人群健康收益尚鲜有报道.
评价大气PM2.5的人群健康影响, 需要准确认知人群PM2.5暴露水平和暴露反应关系.利用地面固定监测站数据通过统计学插值模型估算人群大气PM2.5暴露水平在我国应用较多[4~10], 此方法受制于监测站布点和数据质量, 并且难以考虑当地排放源的影响.基于天气模式(weather research and forecasting, WRF)-通用多尺度空气质量模型(community multiscale air quality, CMAQ)的数值模拟方法结合了污染源排放、气象、地形等信息, 可充分描述一定范围内人口对大气PM2.5的暴露特征, 近年在人群大气污染物暴露评价中得到应用[11~13].该方法与监测数据互为验证补充[14~16], 可更为准确地描述人群污染物暴露水平.另一方面, 由于我国大气颗粒物流行病学研究的局限性, PM2.5暴露反应关系的健康终点大多为短期暴露的急性死亡效应, 缺乏急慢性发病效应研究及慢性健康效应队列研究.因此, 大气PM2.5对人群发病影响估算大多通过大气PM10流行病学研究结果推导而来[4, 5, 10, 17]或参考国外研究结果[18, 19], 导致研究结论可能存在一定偏差.
为准确评价上海市实施行动计划所获得的健康收益, 本文调研了近年来国内外大气PM2.5与人群死亡、发病的流行病学研究进展, 综合采用WRF-CMAQ空气质量模型、环境暴露风险评估和环境价值评估方法, 利用美国环保署、清华大学、华南理工大学共同开发的环境效益分析及图像展示系统(Environmental Benefits Mapping and Analysis Program-Community Edition, Benmap-CE)[20], 对行动计划在上海实施所带来的大气PM2.5浓度改善、人群健康效益和经济价值进行评估, 旨在为行动计划的成本效益分析、环境政策的跟踪评估、后续的环境管理决策提供参考依据.
1 材料与方法 1.1 评估方法 1.1.1 PM2.5暴露浓度模拟方法采用WRF-CMAQ空气质量模型估算上海市实施行动计划后大气PM2.5浓度变化.基于WRF模式提供的气象场资料, 结合基准年(2013年)和控制年(2017年)大气污染物排放清单, 利用CMAQ5.0模型开展模拟, 具体技术方法详见文献[21].模拟结果采用行动计划实施期间上海市国控点监测数据进行了校正.
1.1.2 健康效应评估方法开展健康效益评估的基本原理是利用流行病学发现的浓度-响应关系计算人群由于污染物暴露水平变化而带来的健康影响.计算公式见式(1)和式(2)：
|
(1) |
|
(2) |
式中, ΔY为污染物浓度变化的健康影响估计; Y0为基线发病率; β为污染物浓度和健康影响的风险系数(浓度-响应关系系数); ΔPM为空气质量改善幅度; Pop为暴露人口; RR为相对危险度.
评价大气PM2.5长期暴露造成的早逝效应时, 由于国内缺乏PM2.5长期暴露的队列研究成果, 因此研究采用GBD研究的综合暴露-反应(integrated exposure-response, IER)模型[22, 23], 计算PM2.5暴露的人群死亡归因风险(population attributable risk, PAR).该模型基于全球大气污染、二手烟、主动吸烟和室内空气污染的队列研究成果拟合了与PM2.5暴露密切相关的主要死因的相对风险(RR)函数, 可以在更大的PM2.5暴露浓度范围内描述暴露-反应关系, 减少线性外推法可能带来的误差, 对于心脑血管疾病死因还给出了分年龄段的拟合曲线.本研究IER模型的具体形式见式(3)~(5)：
|
(3) |
|
(4) |
|
(5) |
式中, Z为PM2.5暴露浓度(μg·m-3); Zcf为反事实浓度, 假设低于这个浓度没有额外风险, 超过该阈值时, RR随浓度升高增大, 计算过程中主要采用GBD研究提供的参考阈值; α、γ、δ为暴露效应函数中的计算参数, 满足不同的分布; ΔY为污染物浓度变化的健康影响估计; Y0为基线发病率.
1.1.3 健康价值评估方法对于过早死亡(早逝)等慢性效应的经济损失评价, 本文采用统计寿命价值(value of a statistical life, VSL)的方法进行评估. VSL是衡量社会平均意义和统计意义上的个体对降低死亡等风险的边际支付意愿, 可通过意愿调查价值评估等方法研究获得.考虑到支付意愿会随个人实际收入的增长而相应增加, 因此, 本文修正了不同年份居民收入变化、通货膨胀等因素带来的影响, 计算公式见式(6).
|
(6) |
式中, VSLFY、VSLbase分别表示评估年、基础年的统计寿命价值(万元·人-1), CPIFY、CPIbase分别表示评估年、基础年的消费价格指数, IncomeFY、Incomebase分别表示评估年、基准年的可支配收入(万元·人-1). Elasticity为收入弹性, 表示因收入增加1%带来的社会平均意义上的个体对死亡等风险支付意愿的增加比例.参考穆泉等[24]的研究, 收入弹性参数取值1.4进行计算.
对于门急诊、入院等健康效应的经济价值采取疾病成本法[25].疾病成本计算患者由于门急诊或住院期间所有因患病所引发的直接和间接费用.包括挂号、诊疗、检查、药费、手术费等以及由于患病所引起的时间损失成本和误工费.计算公式见式(7).
|
(7) |
式中, Ei代表某种健康终点i的经济成本(元·人-1), Ci代表健康终点i的直接医疗成本(元·人-1), Ti指治疗疾病所花费的时间(即间接产生的误工时间)(d), GDPp代表人均国民生产总值(元·人-1). Oi代表其他的间接费用, 如营养、交通、陪护等费用(元·人-1).
1.2 数据处理 1.2.1 人口资料基准年常住人口资料通过文献[26]获得, 结合4 km×4 km网格和夜间灯光投影卫星数据, 制作了人口网格化数据.根据人口数据, 本研究计算了人口加权的PM2.5暴露水平(population-weighted exposure level, Cp), 其计算见式(8)：
|
(8) |
式中, i为网格数, Pi为该网格内常住人口数, Ci为该网格内大气PM2.5浓度(μg·m-3).
1.2.2 健康终点、暴露反应关系和单位经济价值大气PM2.5的健康效应终点包括亚临床症状、发病、死亡等急慢性效应的终端变化.其中死亡是最主要的疾病负担之一.短期急性和长期慢性暴露都会导致早逝发生.根据流行病学研究结果[27, 28], 急性死亡效应往往只占总损失的小部分, 且长期暴露中包括了短期死亡效应, 因此, 为避免重复计数, 本研究仅评价长期暴露导致早逝的健康损失.结合GBD研究进展, 根据国际疾病分类编码ICD-10, 选取缺血性心脏病(ischemic heart disease, IHD, I20~I25)、脑血管病(cerebrovascular diseases, CVD, I60~I69)、慢性阻塞性肺部疾病(chronic obstructive pulmonary disease, COPD, J40~J44)、肺癌(lung cancer, LC, C33~C34)这4种疾病死亡数进行研究.此外, 慢性健康效应终点还纳入了疾病负担较高的成人慢性支气管炎(chronic bronchitis, J40~J42).对于急性效应, 选择了循环系统疾病(I00~I99)、呼吸系统疾病(J00~J99)两类疾病的门急诊和入院率开展研究(其中急诊未能获得分科数据).通过文献[26, 28~31]获得上海市基准年上述健康终点的基线资料.
各类健康终点暴露反应关系系数通过检索国内外大气PM2.5急慢性健康效应研究获得.文献选择的原则为：健康效应终点分类明确, 研究方法为时间序列、队列研究等成熟方法, 优先选择上海市或长三角区域本地研究结果, 或多城市研究和Meta分析研究.关于大气PM2.5长期暴露早逝及慢性支气管炎的暴露反应关系, 由于国内缺乏慢性效应的队列研究, 本文分别选择了GBD研究和Abbey等[32]研究提供的暴露反应关系进行估算.
对于死亡、慢性支气管炎的单位价值, 综合目前国内开展的意愿调查价值评估研究, 分别参考Voorhees等[14]和阚海东等[33]在上海开展的支付意愿研究结果, 并根据公式(6), 将货币年调整至2013年.对于门急诊、住院的经济负担损失, 通过查阅文献[26, 31], 根据公式(7), 计算得到2013年上海市门急诊、住院的疾病成本费用.
本研究选择的健康终点、基线发病率和暴露反应关系、相应健康终点的单位价值见表 1.
|
表 1 健康终点、人群基线发生率、暴露反应关系和单位经济价值 Table 1 Health endpoints, population baseline incidences, exposure-response coefficients, and unit economic value |
2 结果与分析 2.1 行动计划实施后人群PM2.5暴露水平变化
利用Benmap-CE软件, 输入基准年和控制年经校正的空气质量模拟数据, 可获得行动计划实施后大气PM2.5的改善幅度、空间分布及暴露在不同浓度水平PM2.5下人口比例的变化情况, 见图 1和图 2.
|
图 1 行动计划实施后PM2.5年均浓度降幅 Fig. 1 Reduction of the annual mean concentration of PM2.5 due to the implementation of the Clean Air Action Plan |
|
图 2 行动计划实施后暴露在不同水平PM2.5的人口比例变化 Fig. 2 Changes in the proportion of the exposure to different levels of PM2.5 due to the implementation of the Clean Air Action Plan |
从图 1中可知, 实施了清洁空气行动计划之后, 上海总体PM2.5年均浓度改善明显, 降幅较高的为7个中心城区, 以及郊区的宝山区、嘉定区、闵行区、松江区的大部分地区、青浦区东北部.从图 2可知, PM2.5年均暴露浓度在35 μg·m-3及以下的人口比例由基准年2013年的1.62%上升至2017年的34.06%, PM2.5年均暴露浓度在35~45 μg·m-3的人口比例由8.97%上升至62.73%, PM2.5年均暴露浓度在45~55 μg·m-3的人口比例由18.68%下降至3.21%; PM2.5年均暴露浓度在55 μg·m-3以上的人口比例由70.73%降至0.清洁空气行动计划的实施对降低人口PM2.5暴露水平作用明显.
2.2 行动计划实施的健康及经济收益通过以上测算的人口暴露水平变化, 根据表 1中不同健康终点的基线发生率、暴露-反应关系函数和单位价值可计算得到上海市实施行动计划可避免的归因PM2.5污染的主要疾病死亡数、发病数和经济收益, 见表 2.从中可知, 以早逝等健康终点进行评价, 行动计划实施可带来118.41亿元(95%CI: 50.24~178.19亿元)的经济价值, 约占2013年上海市国内生产总值(GDP)的0.55%(95%CI：0.23%~0.82%).其中, 避免早逝的健康收益占总收益的78%, 从而可知, 削减大气PM2.5暴露的死亡风险是空气质量改善健康效益的主要贡献因素.
|
|
表 2 行动计划实施带来的大气PM2.5浓度削减获得的健康及经济收益 Table 2 Health and economic benefits of the reduction of the PM2.5 levels resulting from the implementation of the Clean Air Action Plan |
2.3 归因PM2.5污染的早逝风险的时空分布
由于死亡效应是最主要的大气污染疾病负担, 为深入了解行动计划实施所获得的人群健康效益的年际变化和地域差别特征, 本文针对归因PM2.5污染的4种主要疾病早逝人数的时空分布开展进一步分析, 从而为后续的环境政策制定提供参考依据.
2.3.1 归因PM2.5污染的疾病别死亡率年际变化假设研究期间4种疾病死亡率按照基准年发生率保持不变, 参考IER综合暴露反应模型, 可计算出上海市2013~2017年, 以及分别达到世界卫生组织(WHO)推荐过渡阶段目标值(IT-1、IT-2、IT-3)情景下, 由于PM2.5年均浓度变化带来的归因死亡人数的变化趋势, 见图 3, 其中, 2013~2017年上海市逐年常住人口数根据文献[26]获得; 达到IT-1(35 μg·m-3)情景以2022年作为目标年, 以基准年人口乘以2013~2017年人口平均增速得到, 达到IT-2, IT-3情景的人口根据文献[44]按2 500万人计算.从图 3可知, 在大气污染导致的早逝效应中, 心脑血管疾病死亡所占的比重较大.随着大气PM2.5的稳步改善, 归因于空气污染的死亡人数逐渐下降, 2017年及分别达到WHO推荐的IT-1、IT-2、IT-3情景下归因PM2.5疾病死亡数分别较基准年下降20.3%、25.4%、40.2%、67.8%, 其中, 肺癌、脑血管疾病死亡人数的降幅更大.将估算所得的归因PM2.5污染死亡数与常住人口总死亡数[26]进行逐年对比, 获得行动计划实施期间人群归因PM2.5污染死亡风险(PAR)变化趋势, 见图 4.从中可知, 研究期间, 总死亡数年际间存在小幅波动, 而PAR总体呈下降趋势, 从2013年的15.2%下降至2017年的11.9%, 降幅3.3%.
|
图 3 2013~2017年及达到WHO的3个过渡阶段目标值情景下PM2.5年均浓度与归因其污染的4种疾病死亡率年际变化趋势 Fig. 3 Trends of annual average concentrations of the PM2.5 and PM2.5-attributable mortality based on four endpoints from 2013 to 2017 and under the three scenarios that achieve WHO interim targets |
|
图 4 2013~2017年上海市总死亡(年鉴报道)及归因PM2.5死亡(本研究)变化趋势 Fig. 4 rends of total deaths (reported in the yearbook) and PM2.5-attributable deaths (this study) from 2013-2017 in Shanghai |
根据2.2节的计算结果可绘制出行动计划实施可避免的4种主要疾病死亡数的空间分布, 见图 5.从中可知, 尽管各类疾病死亡数空间分布存在差异, 但是总体特征一致, 即单位面积早逝人数削减量由中心城区向周边区域逐渐递减, 早逝人数削减量较高的区域集中在外环线以内的区域, 包括7个中心城区及宝山区、闵行区、浦东新区部分区域.这些区域人口分布密集且空气质量改善幅度也较大, 因此具有更加显著的健康效益.
|
图 5 行动计划实施避免的归因PM2.5污染的4种疾病死亡人数空间分布 Fig. 5 Spatial distribution of the reduction of four cause-specific premature deaths due to the implementation of the Clean Air Action Plan |
将模型测算的单位网格规避的早逝人数按行政区属性加和, 可得到行动计划实施后上海各行政区避免的早逝人数, 见表 3.早逝人数降低较多的区包括浦东新区、闵行区、宝山区、嘉定区和松江区等, 这些区尽管人口密度低于中心城区, 但是由于常住人口基数大, PM2.5改善幅度较高, 因而避免早逝的总人数超过了中心城区.
|
|
表 3 清洁行动计划实施上海市各行政区规避的早逝人次 Table 3 Reduction of premature deaths in different districts in Shanghai due to the implementation of the Clean Air Action Plan |
将各区控制年(2017年)相对于基准年的人口加权PM2.5暴露浓度降幅与归因大气PM2.5污染4种疾病早逝人数总和降幅进行对比, 可得到图 6.从中可知, 人口加权的PM2.5暴露浓度的降幅范围为32.4%~41.2%(全市平均38.3%), 归因大气PM2.5污染早逝人数的降幅范围为9.3%~26.1%(全市平均17.9%), 前者为后者的1.5~4.0倍, 反映出死亡效应对PM2.5浓度变化呈现非线性响应关系.此外, 嘉定、宝山、闵行、青浦等区早逝人次降幅较高, 分析原因, 这些区地处上海西部或北部, 除本地排放因素以外, 由于地理位置、气象条件等因素的影响, PM2.5本底浓度高于全市平均水平, 并且这些区常住人口基数大, 因此实施行动计划之后早逝人次降幅更高.
|
图 6 控制年人口加权PM2.5年均浓度削减率与归因PM2.5污染的早逝人数削减率 Fig. 6 Reduction of population-weighted annual mean concentrations of PM2.5 and PM2.5-attributable premature deaths in the control year |
本文采用IER综合模型评估行动计划实施以来暴露人群早逝效应的变化.以研究估算的基准年归因PM2.5污染死亡数与同类研究进行对比, 见图 7.从中可知, 本研究结果与使用IER模型[15, 29, 45]的研究报道结果接近, 而与Cao等[35]和Fang等[36]的计算结果存在差异.分析原因, Cao等[35]的队列研究开展年份较早(1999~2000年), 且PM2.5浓度由TSP转化而来, 因而存在较大的不确定性; 而Fang等[36]的Meta分析研究健康终点选取的是全死因早逝人数而非4种疾病早逝人数之和, 因而其计算结果偏高.可见, 暴露反应关系的选择对研究结果具有重要影响.本研究计算得到的归因PM2.5暴露死亡风险与Cohen等[1]、Song等[7]和Maji等[46]的报道结果类似, 因此, 在本地队列研究匮乏的情况下, IER模型是评估PM2.5长期暴露健康影响较为合理的选择.
|
图 7 不同研究关于2013年上海市归因大气PM2.5污染早逝总人次结果比较 Fig. 7 Results of PM2.5-attributable premature death of Shanghai in 2013 reported by this study and other studies |
根据本研究, 在大气污染导致的早逝效应中, 心脑血管系统死亡所占的比重较大, 随着大气PM2.5浓度逐步降低, 相应疾病死亡人数将呈现不同程度的下降, 循环系统、肿瘤等疾病在上海市死因顺位中排名靠前, 因此, 实施持续的空气污染控制, 对于预防和干预威胁常住居民的主要疾病, 提高公共健康水平具有重要意义, 尤其是在PM2.5污染本底浓度相对较高、人口密集的区域, 能够获得显著的健康和经济收益.另外, 本研究发现, 基于IER模型, 一定比例的PM2.5暴露浓度降幅, 并未获得等比例的归因PM2.5死亡人数降低, 分析原因, 主要是行动计划实施期间PM2.5浓度的变幅范围仍然处于IER模型暴露反应关系曲线中较为平坦的部分, 因此死亡削减的边际效应较为局限.未来将结合本地队列研究所获得的暴露反应关系进展, 进一步观察人群死亡效应对空气质量改善的响应特征.
本研究的人群基线发病、死亡等健康资料主要来自统计年鉴和GBD的报道.鉴于基础资料的局限, 本文选取了流行病学研究和基础健康资料相对较为齐全的健康终点(死亡、门急诊、住院)开展研究, 而诸如慢性心脑血管疾病、肺功能降低、限制活动天数、不良生殖结局等与大气污染具有关联的健康终点在本研究中尚不能定量评估, 因此, 有可能低估行动计划实施后获得的健康效益和经济价值.此外, 在考察空气质量改善健康效益的空间分布时, 由于难以获得区、镇、街道的死亡数据, 是假设各区基线主要疾病死亡率相同的条件下开展评估的, 可能会导致结果存在一定偏差.生命价值的计算主要是采用成果参照法进行估算, 也可能带来一定的不确定性.未来需进一步优化研究设计, 获得更加精细化的人群基础健康资料和经济数据, 从而对大气污染控制的人群健康收益开展更加准确的分析.
此外, 大气PM2.5是一种混合物, 不同来源的大气PM2.5组分、毒性及健康影响均有所区别.然而, 由于目前我国PM2.5组分健康效应流行病学研究刚刚起步, 尚无系统的研究成果可以借鉴, 因此本文是假设PM2.5各组分的健康效应基本等同的前提下开展分析的.今后将密切跟踪流行病学研究进展, 鉴别控制不同来源PM2.5的健康收益差异.
4 结论(1) 上海实施行动计划之后, PM2.5年均浓度降幅较高的区域为中心城区及北部、西部部分区域.年均浓度暴露在35 μg·m-3以下的人口比例由2013年的1.62%上升至2017年的34.06%.
(2) 由于行动计划的实施, 避免了3 439例(95%CI：1 719~5 009例)早逝, 6 025例(95%CI：184~10 656例)慢性支气管炎, 429 358例(95%CI：346 921~511 372例)门诊, 3 745例(95%CI：640~6 839例)急诊, 13 683例(95%CI：10 405~16 944例)住院, 实现的健康收益总和为118.41亿元(95%CI: 50.24~178.19亿元), 占2013年上海市国民生产总值0.55%(95%CI：0.23%~0.82%).避免早逝人次的健康收益占总收益的78%.
(3) 心脑血管死亡在大气污染导致的早逝效应中所占的比重较大, 随着行动计划的深入推进, 归因于大气PM2.5污染的死亡人数及死亡风险也随之逐步下降.其中, 肺癌、脑血管疾病死亡人数的下降幅度更大.从空间分布看, 外环线以内人口密集且PM2.5改善幅度较大的区域, 健康收益更显著.
| [1] | Cohen A J, Brauer M, Burnett R, et al. Estimates and 25-year trends of the global burden of disease attributable to ambient air pollution:an analysis of data from the Global Burden of Diseases Study 2015[J]. The Lancet, 2017, 389(10082): 1907-1918. DOI:10.1016/S0140-6736(17)30505-6 |
| [2] | 中国国务院.大气污染防治行动计划[EB/OL]. http://www.gov.cn/zhengce/content/2013-09/13/content_4561.htm, 2013-09-13. |
| [3] | 上海市人民政府.上海市清洁空气行动计划(2013-2017)[EB/OL]. http://www.shanghai.gov.cn/shanghai/node2314/node2319/n31973/n31979/u26ai37377.shtml, 2013-11-07. |
| [4] |
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. DOI:10.3969/j.issn.1000-6923.2013.01.024 |
| [5] |
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. |
| [6] | Song Y S, Wang X K, Maher B A, et al. The spatial-temporal characteristics and health impacts of ambient fine particulate matter in China[J]. Journal of Cleaner Production, 2016, 112: 1312-1318. DOI:10.1016/j.jclepro.2015.05.006 |
| [7] | Song C B, He J J, Wu L, et al. Health burden attributable to ambient PM2.5 in China[J]. Environmental Pollution, 2017, 223: 575-586. DOI:10.1016/j.envpol.2017.01.060 |
| [8] | Chen H, Lin Y, Su Q, et al. Spatial variation of multiple air pollutants and their potential contributions to all-cause, respiratory, and cardiovascular mortality across China in 2015-2016[J]. Atmospheric Environment, 2017, 168: 23-35. DOI:10.1016/j.atmosenv.2017.09.006 |
| [9] | Chen L, Shi M S, Gao S, et al. Assessment of population exposure to PM2.5 for mortality in China and its public health benefit based on BenMAP[J]. Environmental Pollution, 2017, 221: 311-317. DOI:10.1016/j.envpol.2016.11.080 |
| [10] |
魏国茹, 史兴民. 西安市PM2.5健康损害价值评估[J]. 环境科学, 2018, 39(7): 3014-3021. Wei G R, Shi X M. Evaluation the extent of health damage caused by PM2.5 particulate in Xi'an City[J]. Environmental Science, 2018, 39(7): 3014-3021. |
| [11] | Boldo E, Linares C, Lumbreras J, et al. Health impact assessment of a reduction in ambient PM2.5 levels in Spain[J]. Environment International, 2011, 37(2): 342-348. DOI:10.1016/j.envint.2010.10.004 |
| [12] | Hou X T, Strickland M J, Liao K J. Contributions of regional air pollutant emissions to ozone and fine particulate matter-related mortalities in eastern U.S. urban areas[J]. Environmental Research, 2015, 137: 475-484. DOI:10.1016/j.envres.2014.10.038 |
| [13] | 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 |
| [14] | Voorhees A S, Wang J D, Wang C C, et al. Public health benefits of reducing air pollution in Shanghai:a proof-of-concept methodology with application to BenMAP[J]. Science of the Total Environment, 2014, 485-486: 396-405. DOI:10.1016/j.scitotenv.2014.03.113 |
| [15] | Liu J, Han Y Q, Tang X, et al. Estimating adult mortality attributable to PM2.5 exposure in China with assimilated PM2.5 concentrations based on a ground monitoring network[J]. Science of the Total Environment, 2016, 568: 1253-1262. DOI:10.1016/j.scitotenv.2016.05.165 |
| [16] | Liu H, Liu S, Xue B R, et al. Ground-level ozone pollution and its health impacts in China[J]. Atmospheric Environment, 2018, 173: 223-230. DOI:10.1016/j.atmosenv.2017.11.014 |
| [17] |
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. |
| [18] | Jiang X J, Hong C P, Zheng Y X, et al. To what extent can China's near-term air pollution control policy protect air quality and human health? A case study of the Pearl River Delta region[J]. Environmental Research Letters, 2015, 10(10): 104006. DOI:10.1088/1748-9326/10/10/104006 |
| [19] |
刘帅, 宋国君. 城市PM2.5健康损害评估研究[J]. 环境科学学报, 2016, 36(4): 1468-1476. Liu S, Song G J. Evaluation of PM2.5's adverse human health effect in cities[J]. Acta Scientiae Circumstantiae, 2016, 36(4): 1468-1476. |
| [20] |
杨毅, 朱云, Jang C, 等. 空气污染与健康效益评估工具BenMAP CE研发[J]. 环境科学学报, 2013, 33(9): 2395-2401. Yang Y, Zhu Y, Jang C, et al. Research and development of environmental benefits mapping and analysis program:community edition[J]. Acta Scientiae Circumstantiae, 2013, 33(9): 2395-2401. |
| [21] |
李莉, 安静宇, 卢清. 清洁空气行动计划实施对长三角地区PM2.5污染改善效果模拟评估[J]. 环境科学研究, 2015, 28(11): 1653-1661. Li L, An J Y, Lu Q. Modeling assessment of PM2.5 concentrations under implementation of Clean Air Action Plan in the Yangtze River Delta region[J]. Research of Environmental Sciences, 2015, 28(11): 1653-1661. |
| [22] | Burnett R T, Pope Ⅲ C A, Ezzati M, et al. An integrated risk function for estimating the global burden of disease attributable to ambient fine particulate matter exposure[J]. Environmental Health Perspectives, 2014, 122(4): 397-403. |
| [23] | Butt E W, Turnock S T, Rigby R, et al. Global and regional trends in particulate air pollution and attributable health burden over the past 50 years[J]. Environmental Research Letters, 2017, 12(10): 104017. DOI:10.1088/1748-9326/aa87be |
| [24] |
穆泉, 张世秋. 中国2001-2013年PM2.5重污染的历史变化与健康影响的经济损失评估[J]. 北京大学学报(自然科学版), 2015, 51(4): 694-706. Mu Q, Zhang S Q. Assessment of the trend of heavy PM2.5 pollution days and economic loss of health effects during 2001-2013[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2015, 51(4): 694-706. |
| [25] |
穆泉, 张世秋. 2013年1月中国大面积雾霾事件直接社会经济损失评估[J]. 中国环境科学, 2013, 33(11): 2087-2094. Mu Q, Zhang S Q. An evaluation of the economic loss due to the heavy haze during January 2013 in China[J]. China Environmental Science, 2013, 33(11): 2087-2094. |
| [26] | 上海市统计局. 上海统计年鉴[M]. 北京: 中国统计出版社, 2014. |
| [27] | Bank World. Cost of pollution in China:economic estimates of physical damages[M]. Washington DC: World Bank, 2007. |
| [28] |
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. |
| [29] | Tian L, Zeng Q, Dong W T, et al. Addressing the source contribution of PM2.5 on mortality:an evaluation study of its impacts on excess mortality in China[J]. Environmental Research Letters, 2017, 12(10): 104016. DOI:10.1088/1748-9326/aa85d4 |
| [30] | Zhou M G, Wang H D, Zhu J, et al. Cause-specific mortality for 240 causes in China during 1990-2013:a systematic subnational analysis for the Global Burden of Disease Study 2013[J]. The Lancet, 2016, 387(10015): 251-272. DOI:10.1016/S0140-6736(15)00551-6 |
| [31] | 国家卫生和计划生育委员会. 2014中国卫生和计划生育统计年鉴[M]. 北京: 中国协和医科大学出版社, 2014. |
| [32] | Abbey D E, Ostro B E, Petersen F, et al. Chronic respiratory symptoms associated with estimated long-term ambient concentrations of fine particulates less than 2.5 microns in aerodynamic diameter (PM2.5) and other air pollutants[J]. Journal of Exposure Analysis and Environmental Epidemiology, 1995, 5(2): 137-159. |
| [33] |
阚海东, 陈秉衡, 汪宏. 上海市城区大气颗粒物污染对居民健康危害的经济学评价[J]. 中国卫生经济, 2004, 23(2): 8-11. Kan H D, Chen B H, Wang H. Economic assessment of health impact due to particulate air pollution in urban areas of Shanghai[J]. Chinese Health Economics, 2004, 23(2): 8-11. DOI:10.3969/j.issn.1003-0743.2004.02.003 |
| [34] | Lee C J, Martin R V, Henze D K, et al. Response of global particulate-matter-related mortality to changes in local precursor emissions[J]. Environmental Science & Technology, 2015, 49(7): 4335-4344. |
| [35] | Cao J, Yang C X, Li J X, et al. Association between long-term exposure to outdoor air pollution and mortality in China:a cohort study[J]. Journal of Hazardous Materials, 2011, 186(2-3): 1594-1600. DOI:10.1016/j.jhazmat.2010.12.036 |
| [36] | Fang D, Wang Q G, Li H M, et al. Mortality effects assessment of ambient PM2.5 pollution in the 74 leading cities of China[J]. Science of the Total Environment, 2016, 569-570: 1545-1552. DOI:10.1016/j.scitotenv.2016.06.248 |
| [37] |
陈献.北京市冬季PM2.5污染对呼吸、循环系统疾病影响的时间序列分析[D].石家庄: 河北医科大学, 2016. Chen X. Research the time series analysis the effect of PM2.5 pollution on respiration and circulation system in winter in Beijing[D]. Shijiazhuang: Hebei Medical University, 2016. |
| [38] |
殷永文, 程金平, 段玉森, 等. 上海市霾期间PM2.5、PM10污染与呼吸科、儿呼吸科门诊人数的相关分析[J]. 环境科学, 2011, 32(7): 1894-1898. Yin Y W, Cheng J P, Duan Y S, et al. Correlation analysis between the PM2.5, PM10 which were taken in the hazy day and the number of outpatient about breathing sections, breathing sections of pediatrics in Shanghai[J]. Environmental Science, 2011, 32(7): 1894-1898. |
| [39] |
梁肖, 闫英洁, 张迪, 等. PM2.5污染与呼吸系统疾病门诊量关系的Meta分析[J]. 环境与职业医学, 2016, 33(9): 847-879. Liang X, Yan Y J, Zhang D, et al. Meta-analysis on association between PM2.5 concentrations and hospital outpatient visits for respiratory diseases in China[J]. Journal of Environmental & Occupational Medicine, 2016, 33(9): 874-879. |
| [40] | Qiao L P, Cai J, Wang H L, et al. PM2.5 constituents and hospital emergency-room visits in Shanghai, China[J]. Environmental Science & Technology, 2014, 48(17): 10406-10414. |
| [41] | Chen G B, Zhang Y M, Zhang W Y, et al. Attributable risks of emergency hospital visits due to air pollutants in China:a multi-city study[J]. Environmental Pollution, 2017, 228: 43-49. DOI:10.1016/j.envpol.2017.05.026 |
| [42] | Lu F, Xu D Q, Cheng Y B, et al. Systematic review and meta-analysis of the adverse health effects of ambient PM2.5 and PM10 pollution in the Chinese population[J]. Environmental Research, 2015, 136: 196-204. DOI:10.1016/j.envres.2014.06.029 |
| [43] |
马洪群, 崔莲花. 青岛市大气细颗粒物对呼吸系统疾病患者住院影响的病例交叉研究[J]. 职业与健康, 2017, 33(7): 961-964. Ma H Q, Cui L H. Effect of ambient particulate matter on hospitalization of patients with respiratory diseases:a case crossover study in Qingdao City[J]. Occupation and Health, 2017, 33(7): 961-964. |
| [44] | 上海市人民政府.上海市城市总体规划(2017-2035年)报告[EB/OL]. http://www.shanghai.gov.cn/newshanghai/xxgkfj/2035001.pdf, 2018-01. |
| [45] | Hu J L, Huang L, Chen M D, et al. Premature mortality attributable to particulate matter in China:source contributions and responses to reductions[J]. Environmental Science & Technology, 2017, 51(17): 9950-9959. |
| [46] | Maji K J, Dikshit A K, Arora M, et al. Estimating premature mortality attributable to PM2.5 exposure and benefit of air pollution control policies in China for 2020[J]. Science of the Total Environment, 2018, 612: 683-693. DOI:10.1016/j.scitotenv.2017.08.254 |