随着我国工业化发展与城镇化推进, 引发了诸多环境问题, 尤其是空气质量明显下降, 对经济、生态环境的可持续发展与公众健康产生了严重影响, 人民日益增长的优美生态环境需要与更多优质生态产品供给不足之间的矛盾突出^[1].2013年, 国务院颁布了《大气污染防治行动计划》, 2017年将污染防治列为三大攻坚战之一, 2018年又颁布了《打赢蓝天保卫战三年行动计划》, 二项计划、一系列环境保护法律法规和产业与能源调整等政策的实施, 使得全国空气质量总体改善, 重污染天数大幅减少, PM_2.5浓度显著下降.但是, 受多种因素影响, 个别地区的空气质量在治理过程中存在反复, 空气污染与公众健康之间的矛盾仍然是阻碍美丽中国和健康中国建设的重要因素.

对某区域空气污染健康损害的价值评估, 从时间上来说大致可以分为二种情况.一是采用一年或某次重污染数据的评估, 二是采用多年数据的评估.第一种情况选择的评估对象有2006年我国113个主要城市的PM₁₀污染^[2]、京津冀地区2013年PM₁₀与PM_2.5污染^[3]、2013年1月全国20个省市雾-霾污染^[4]和2015年我国62个城市的PM_2.5污染^[5]等.但是较小的时间尺度容易忽略污染物对健康影响的滞后效应, 连续若干年的研究则能够反映某区域的健康损害动态变化情况, 这方面研究选择的评估对象有珠三角地区2006~2012年的O₃污染、兰州市2002~2009年的PM₁₀污染^[6]、西安市2014~2016年冬季PM_2.5污染^[7]、上海市2013~2017年PM_2.5污染^[8]、郑州市2014~2016年的PM₁₀及PM_2.5污染^[9]和全国338个城市2013~2017年的PM_2.5污染^[10]等.从相关研究成果看, 环境健康效果评价广泛应用, 但是针对较长时间尺度、较大区域范围的横向与纵向对比研究以及多种健康终点的研究仍然较少, 并且已有研究中对于国家重点防治的京津冀及周边地区和汾渭平原地区等区域的分析仍有待加强.

为了定量评估我国空气污染治理产生环境健康效益的动态变化, 本研究在前人基础上, 运用2015~2018年的全国297个地级及以上城市的数据, 估算PM_2.5污染造成的健康效应与健康经济损失变化, 并分区域分城市进行对比分析.本研究数据详尽, 所涉及和覆盖的区域广泛, 研究结果具有普遍性与更好地解释性, 避免了短时间和小范围样本城市研究的特殊性.本研究结果可以为进一步加强空气污染的联防联控、一市一策和保障公众健康政策决策提供成本效益分析依据, 服务于美丽中国与健康中国建设.

为保持连续多年数据的口径一致, 本文研究的城市名单来源于文献[11], 包括4个直辖市、15个副省级城市和278个地级市, 共297个城市.暴露人口选择为各市的常住人口, 由于数据出版的滞后性, 直辖市的2015~2017年人口数据来源于各市统计年鉴, 其它城市数据来源于各省统计年鉴, 2018年数据均来源于各市统计公报.

我国从2015年开始才有比较详细的各市ρ(PM_2.5)监测数据, 因此研究的基准年选择为2015年.2015~2018年ρ(PM_2.5)来源于各市统计公报, 若统计公报缺失此数据, 则用天气后报网补充.本文选取环境空气质量标准(GB 3095-2012)的二级浓度限值35 μg·m^-3为基准浓度, 当ρ(PM_2.5)>35 μg·m^-3时称为超标.本文仅研究超标城市的健康效应与健康经济损失.

近年来的环境流行病学及环境毒理学研究已证实, 长期或短期暴露于污染(尤其是重污染)空气中, 会造成人体的心血管、呼吸、神经和免疫系统疾病, 甚至致人早逝^[12~15].考虑到数据的可得性, 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)和患病(慢性支气管炎与急性支气管炎).选取的暴露-反应关系系数如表 1所示.

表 1 (Table 1)

表 1 各健康终点的暴露-反应关系系数及基准发病率 Table 1 Dose-response relationship coefficients of different health endpoints and baseline incidence 项目 暴露-反应系数β/% (95%置信区间)1) 基准发生率/% 东部 中部 西部 早逝 全因死亡 0.296 (0.076~0.504)[16] 各城市死亡率2) 门诊 内科 00.049 (0.027~0.070)[16] 各城市内科就诊率2) 儿科 0.056 (0.020~0.090)[16] 各城市儿科就诊率2) 住院 呼吸系统疾病 0.109 (0.000~0.221)[17] 0.98 1.29 1.72 心血管系统疾病 0.068 (0.043~0.093)[17] 1.29 1.67 1.21 患病 急性支气管炎 0.790 (0.270~1.300)[17] 3.42 2.87 4.08 慢性支气管炎 1.009 (0.366~1.559)[17] 0.61 0.54 1.00 1)β值为PM2.5浓度每增加1 μg·m-3导致的人群发病率和死亡率增加的百分数; 括号内为95%CI值/%; 2)各城市死亡率、各城市内科就诊率和各城市儿科就诊率的数据计算方法见1.3节

表 1 各健康终点的暴露-反应关系系数及基准发病率 Table 1 Dose-response relationship coefficients of different health endpoints and baseline incidence

各市全因死亡率数据来源与人口数据来源相同.由于很难获得各城市的详细卫生数据, 本文对其它健康终点基准发生率进行估算, 所用的原始数据均来自文献[18], 具体方法如下:①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, 假设同一省内各城市的内科、儿科门诊发生率与全省平均状况相同; 根据各省医疗卫生机构中的各科就诊比例估算出各省平均的内科和儿科就诊率, 作为省内每个城市内科和儿科的基准发生率. ②对于各城市住院和患病的基准发生率数据, 按照各城市所属的区域, 选用文献[18]的东部、中部和西部居民的相应疾病住院率与患病率, 如表 1所示.

大气污染对人体健康的影响是一个复杂非线性过程, 影响的结果包括过早死亡、门诊和住院等各种健康终点引发的直接损失与间接损失.对于总人口来说, 健康终点的发生人数作为一种时间序列, 实际分布近似泊松分布.由流行病学的研究结果可知, PM_2.5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PM_2.5的人群健康风险如式(1)所示:

(1)

式中, RR为PM_2.5污染实际浓度下的健康风险, RR₀为PM_2.5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为实际ρ(PM_2.5) (μg·m^-3), c₂为PM_2.5参考基准浓度(μg·m^-3).

当暴露人群数量为P, 则归因于PM_2.5的健康效应变化量ΔE如式(2)所示:

(2)

早逝的单位成本, 以北京市居民统计寿命价值(value of statistical life, VSL)168万元人民币^[19]为基础, 运用各市人均可支配收入及CPI指数折算为2015~2018年各城市的相应值.

门诊成本与住院成本, 采用疾病成本法计算.它是一种事后计算方法, 该方法以已经发生的医疗费用、收入损失等为标准, 更加接近现实支出^[20].疾病成本法对某种疾病i单位成本的计算公式如式(3)所示:

(3)

式中, C_i为PM_2.5污染导致健康终点i的单位成本, C_pi为健康终点i的单位病例医药费, GDP_p为人均日误工成本[元·(人·d)^-1], T_i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, 住院的误工时间按住院日计算.

各城市内科和儿科单位病例医药费按如下方法推算:首先假设各城市门诊内科和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, 其次由省的门诊医药费、省和市的人均可支配收入推算得出市的门诊医药费, 最后按照相应比例推算出各市内科和儿科的门诊医药费.

各城市住院单位病例医药费按如下方法推算:首先假设各城市呼吸系统、心血管系统疾病住院医药费比例及住院日比例与全国平均情况相同; 其次, 从年鉴中得到全国呼吸系统疾病、心血管系统疾病的人均医药费及平均住院日; 最后, 根据全国各种疾病平均住院医药费与两种疾病住院医药费的比例、各省的平均住院医药费、省和市的人均可支配收入, 折算出各市两种疾病住院医药费.

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]的研究结果的中间值, 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^[17]对于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.

卫生数据均来自文献[18].GDP、可支配收入数据来源与人口数据来源相同.2015~2018年内GDP和可支配收入数据以2015年为基准年, 用CPI指数进行削减; 根据文献[23], 2015~2018年CPI指数分别为1、1.02、1.016和1.021.

PM_2.5引起所有不良健康终点的总经济损失如式(4)所示:

(4)

式中, L为PM_2.5污染导致所有健康终点的损失, L_i为PM_2.5污染导致健康终点i的损失, m为健康终点个数, L_pi为PM_2.5污染导致健康终点i的单位损失.为定量描述估算过程中的不确定性, 本文除了估算总损失的平均值以外, 还估算了95%CI(置信区间)的值.

从图 1可以看出, 2015~2018年, 全国297个城市的空气质量从总体上逐年显著好转, ρ(PM_2.5)≤35 μg·m^-3的非超标城市数量从59个增加到128个, 增加幅度为23%.ρ(PM_2.5)超标的城市, 其浓度平均值由2015年的57 μg·m^-3下降到48 μg·m^-3, 下降幅度为14.92%.这种下降趋势与贺晋瑜等^[24]研究的74个重点城市在2013~2016年以及武卫玲等^[10]研究的338个城市在2013~2017年的结果类似.

图 1

Fig. 1

图 1 2015~2018年按ρ(PM2.5)分类的城市数量 Fig. 1 Number of cities by ρ(PM2.5) in 2015-2018

2015年, 全国ρ(PM_2.5)超标的238个城市总人口数为11.11亿人, 占全国总人口的80.88%; 2018年, ρ(PM_2.5)超标的169个城市总人口数为8.69亿人, 占全国总人口的62.32%, 受空气污染影响的人口比重下降幅度为22.96%.

各类健康终点发生总人数从2015年的3323.25万人(95%CI: 1517.38~4953.96万人), 逐年减少至2018年的1591.45万人(95%CI: 719.45~2395.51万人), 减少了52%;健康终点发生率从2.42%(95%CI: 1.10%~3.60%)逐年下降至1.14%(95%CI: 0.52%~1.72%), 下降幅度达53%, 如图 2所示.

图 2

Fig. 2

图 2 2015~2018年全国健康终点发生率 Fig. 2 National health endpoint incidence in 2015-2018

健康经济损失由2015年的15790.39亿元(95%CI: 5398.84~24027.80亿元), 逐年下降至2018年的8384.16亿元(95%CI: 2794.16~13043.33亿元); 人均健康经济损失由2015年的1148.71元(95%CI: 392.75~1747.96元), 逐年下降至2018年的600.85元(95%CI: 200.24~934.75元); 健康经济损失占GDP比重则从2.31%(95%CI: 0.79%~3.52%)逐年下降至0.99%(95%CI: 0.33%~1.53%), 下降幅度达57.14%.如图 3所示.

图 3

Fig. 3

图 3 2015~2018年全国健康经济损失占GDP比重 Fig. 3 Proportion of GDP of national health economic losses in 2015-2018

根据文献[25], 京津冀及周边地区、长三角地区和汾渭平原地区等3个区域80个城市为大气污染防治的重点区域, 珠三角地区、成渝地区和长江中游地区等3个区域52个城市也是需要重点关注的区域, 6大区域共132个城市, 如表 2所示.

表 2 (Table 2)

表 2 大气污染防治的重点区域及城市数量 Table 2 Number of key areas and cities for air pollution prevention 区域名称 城市名称 城市数量 京津冀及周边地区 北京、天津、河北省石家庄、唐山、邯郸、邢台、保定、沧州、廊坊、衡水、山西省太原、阳泉、长治、晋城、山东省济南、淄博、济宁、德州、聊城、滨州、菏泽、河南省郑州、开封、安阳、鹤壁、新乡、焦作和濮阳 28 长三角地区 上海、江苏省的南京、苏州、无锡、常州、扬州、镇江、南通、泰州、徐州、连云港、淮安、盐城、宿迁、浙江省的杭州、宁波、湖州、嘉兴、绍兴、舟山、温州、金华、衢州、台州、丽水、安徽省的宿州、淮北、亳州、阜阳、蚌埠、淮南、滁州、六安、马鞍山、安庆、芜湖、铜陵、宣城、池州和黄山 41 汾渭平原地区 山西省的晋中、运城、临汾、吕梁市、河南省的洛阳、三门峡、陕西省的西安、铜川、宝鸡、咸阳和渭南 11 成渝地区 重庆、四川省的成都、绵阳、德阳、内江、资阳、遂宁、自贡、泸州、宜宾、南充、广安、达州、眉山和乐山 15 长江中游地区 湖北省武汉、黄石、鄂州、黄冈、孝感、咸宁、襄阳、宜昌、荆州、荆门、湖南省长沙、株洲、湘潭、岳阳、益阳、常德、衡阳、娄底、江西省南昌、九江、景德镇、鹰潭、新余、宜春、萍乡、上饶、抚州和吉安 28 珠三角地区 广东省的广州、深圳、珠海、佛山、江门、东莞、中山、惠州和肇庆 9

表 2 大气污染防治的重点区域及城市数量 Table 2 Number of key areas and cities for air pollution prevention

从图 4可以看出, 2015~2018年京津冀及周边地区、汾渭平原地区所有城市的ρ(PM_2.5)均超标; 京津冀及周边地区ρ(PM_2.5)逐年降低并且降幅较大, 但仍为所有区域最高值; 汾渭平原地区2016~2017年ρ(PM_2.5)比2015年不降反增, 2018年小幅下降, 年均ρ(PM_2.5)仅次于京津冀及周边地区.长三角地区的空气质量相对较好, ρ(PM_2.5)小于35 μg·m^-3的城市数量由2015年的3个增加到2018年的8个, 是数量增加最多的区域, 但在2016~2017年ρ(PM_2.5)没有下降.长江中游地区的ρ(PM_2.5)与长三角地区相差不大, 2016~2017年ρ(PM_2.5)仅下降1 μg·m^-3; 2015~2017年28个城市的ρ(PM_2.5)均超标, 2018年超标城市大幅下降至21个.成渝地区ρ(PM_2.5)逐年降低, 至2018年仅有1个城市的ρ(PM_2.5)小于35 μg·m^-3, 14个超标城市的ρ(PM_2.5)平均值为42 μg·m^-3.珠三角地区的空气质量一直居全国之首, 2015年仅4个城市超标, 超标城市的ρ(PM_2.5)平均值为38 μg·m^-3, 至2018年仅有1个城市的ρ(PM_2.5)超标.

图 4

Fig. 4

图 4 2015~2018年6大区域中超标城市的平均ρ(PM2.5) Fig. 4 Average ρ(PM2.5) in over-standard cities of six regions in 2015-2018

表 3汇总了2015~2018年6大区域的健康效应、区域中超标城市数量, 以及超标城市的ρ(PM_2.5)平均值.从总体上看, 6大区域的各类指标值呈现下降趋势, 2018年比2015年大幅减少, 但个别区域的个别年份有所反复.

表 3 (Table 3)

表 3 2015~2018年6大区域的健康效应1) Table 3 Health effects in the six regions in 2015-2018 区域 年份 超标 城市 数/个 超标城市 ρ(PM2.5) /μg·m-3 早逝/万人 住院 门诊 呼吸疾病/万人 心血管疾病/万人 内科/万人 儿科/万人 京津冀及周边地区 2015 28 84 14.83(4.03, 23.93) 10.66(0.01, 20.99) 8.80(5.60, 11.95) 628.82(348.48, 893.42) 278.51(100.44, 443.53) 2016 28 77 13.37(3.61, 21.76) 9.14(0.01, 18.07) 7.52(4.78, 10.23) 540.56(299.29, 768.70) 278.51(89.22, 395.24) 2017 28 68 12.42(3.32, 20.39) 7.26(0.01, 14.43) 5.97(3.79, 8.13) 447.29(247.41, 636.65) 247.80(72.89, 323.92) 2018 28 60 8.01(2.12, 13.27) 5.33(0.00, 10.65) 4.37(2.77, 5.96) 324.29(179.19, 462.03) 147.27(52.84, 235.63) 汾渭平原地区 2015 11 61 2.16(0.57, 3.57) 2.09(0.00, 4.16) 1.30(0.83, 1.78) 57.52(31.80, 81.92) 31.76(11.40, 50.80) 2016 11 67 2.80(0.75, 4.59) 2.78(0.00, 5.52) 1.66(1.06, 2.27) 76.20(42.16, 108.42) 45.44(16.34, 72.56) 2017 11 65 2.68(0.72, 4.41) 2.68(0.00, 5.33) 1.61(1.02, 2.19) 85.48(47.28, 121.66) 40.34(14.50, 64.45) 2018 11 58 2.01(0.53, 3.33) 2.01(0.00, 4.01) 1.21(0.77, 1.65) 57.36(31.70, 81.73) 35.20(12.63, 56.33) 长三角地区 2015 38 55 7.98(2.10, 13.28) 5.05(0.00, 10.11) 4.14(2.62, 5.64) 318.90(176.13, 454.56) 147.13(52.75, 235.60) 2016 37 50 5.26(1.38, 8.79) 3.70(0.00, 7.42) 3.02(1.92, 4.13) 210.95(116.44, 300.85) 97.99(35.10, 157.05) 2017 37 51 6.47(1.70, 10.79) 3.52(0.00, 7.05) 2.88(1.83, 3.93) 189.80(104.80, 270.63) 95.51(34.23, 153.01) 2018 33 47 3.79(0.99, 6.35) 2.53(0.00, 5.08) 2.07(1.31, 2.82) 140.11(77.33, 199.84) 68.22(24.43, 109.36) 成渝地区 2015 15 57 4.23(1.12, 7.03) 4.15(0.00, 8.30) 1.83(1.16, 2.49) 116.12(64.16, 165.46) 57.71(20.70, 92.35) 2016 14 55 3.88(1.02, 6.46) 3.77(0.00, 7.55) 1.66(1.05, 2.27) 107.87(59.59, 153.74) 51.82(18.58, 82.97) 2017 14 50 3.64(0.95, 6.09) 2.51(0.00, 5.05) 1.11(0.70, 1.51) 88.06(48.61, 125.58) 43.89(15.72, 70.33) 2018 14 42 1.54(0.40, 2.60) 1.44(0.00, 2.89) 0.63(0.40, 0.86) 46.11(25.44, 65.79) 23.26(8.32, 37.30) 长江中游地区 2015 28 55 4.60(1.22, 7.63) 3.66(0.00, 7.31) 2.99(1.90, 4.07) 117.82(65.12, 167.82) 65.65(23.57, 105.01) 2016 28 50 3.55(0.93, 5.93) 2.75(0.00, 5.52) 2.24(1.42, 3.06) 87.96(48.57, 125.41) 49.64(17.79, 79.52) 2017 28 49 3.84(1.00, 6.33) 2.60(0.00, 5.16) 2.12(1.34, 2.87) 105.59(58.30, 149.56) 52.62(18.85, 83.61) 2018 21 45 1.76(0.46, 2.97) 1.49(0.00, 2.99) 1.21(0.77, 1.65) 48.86(26.97, 69.70) 29.09(10.42, 46.63) 珠三角地区 2015 4 38 0.19(0.05, 0.32) 0.11(0.00, 0.22) 0.09(0.06, 0.12) 6.62(3.65, 9.45) 4.33(1.55, 6.95) 2016 3 37 0.07(0.02, 0.11) 0.04(0.00, 0.09) 0.04(0.02, 0.05) 2.58(1.42, 3.69) 1.64(0.59, 2.64) 2017 2 39 0.09(0.02, 0.15) 0.05(0.00, 0.10) 0.04(0.03, 0.06) 3.91(2.15, 5.58) 1.95(0.70, 3.13) 2018 1 36 0.01(0.00, 0.01) 0.00(0.00, 0.01) 0.00(0.00, 0.00) 0.23(0.13, 0.33) 0.15(0.05, 0.24) 区域 年份 超标 城市 数/个 超标城市 ρ(PM2.5) /μg·m-3 早逝/万人 患病 健康终点人数 /万人 健康终点发生率 /% 急性支气管炎/万人 慢性支气管炎/万人 京津冀及周边地区 2015 28 84 14.83(4.03, 23.93) 204.98(79.96, 298.39) 44.73(19.05, 60.76) 1191.32(557.57, 1752.98) 6.28(2.94, 9.24) 2016 28 77 13.37(3.61, 21.76) 179.85(68.72, 266.62) 39.58(16.45, 54.78) 1037.81(482.07, 1535.41) 5.43(2.52, 8.04) 2017 28 68 12.42(3.32, 20.39) 146.92(55.00, 221.90) 32.60(13.21, 46.00) 855.24(395.63, 1271.44) 4.45(2.06, 6.62) 2018 28 60 8.01(2.12, 13.27) 108.85(39.77, 168.09) 24.44(9.62, 35.29) 622.55(286.32, 930.92) 3.27(1.50, 4.89) 汾渭平原地区 2015 11 61 2.16(0.57, 3.57) 31.82(11.67, 48.96) 8.62(3.41, 12.42) 135.27(59.68, 203.61) 2.73(1.21, 4.11) 2016 11 67 2.80(0.75, 4.59) 41.30(15.50, 62.22) 11.27(4.58, 15.85) 181.45(80.39, 271.43) 3.64(1.61, 5.45) 2017 11 65 2.68(0.72, 4.41) 40.04(14.96, 60.59) 10.94(4.43, 15.45) 183.77(82.90, 274.08) 3.66(1.65, 5.47) 2018 11 58 2.01(0.53, 3.33) 30.88(11.27, 47.73) 8.48(3.34, 12.26) 137.16(60.23, 207.04) 2.71(1.19, 4.09) 长三角地区 2015 38 55 7.98(2.10, 13.28) 103.05(37.25, 160.72) 23.28(9.04, 33.96) 609.52(279.90, 913.88) 2.76(1.27, 4.14) 2016 37 50 5.26(1.38, 8.79) 73.32(26.20, 115.62) 16.72(6.41, 24.68) 410.95(187.44, 618.54) 1.85(0.84, 2.79) 2017 37 51 6.47(1.70, 10.79) 66.33(23.85, 104.02) 15.16(5.85, 22.25) 379.68(172.26, 571.68) 1.70(0.77, 2.56) 2018 33 47 3.79(0.99, 6.35) 49.39(17.57, 78.22) 11.31(4.31, 16.78) 277.42(125.94, 418.45) 1.23(0.56, 1.86) 成渝地区 2015 15 57 4.23(1.12, 7.03) 65.63(23.89, 101.66) 20.01(7.85, 29.00) 269.68(118.89, 406.28) 2.79(1.23, 4.20) 2016 14 55 3.88(1.02, 6.46) 60.10(21.75, 93.63) 18.37(7.15, 26.78) 247.49(109.15, 373.38) 2.54(1.12, 3.83) 2017 14 50 3.64(0.95, 6.09) 40.85(14.57, 64.54) 12.57(4.80, 18.59) 192.63(85.36, 291.69) 1.96(0.87, 2.97) 2018 14 42 1.54(0.40, 2.60) 23.72(8.35, 37.92) 7.33(2.76, 10.99) 104.03(45.68, 158.35) 1.05(0.46, 1.60) 长江中游地区 2015 28 55 4.60(1.22, 7.63) 54.38(19.90, 83.89) 12.71(5.01, 18.33) 261.81(116.71, 394.06) 2.10(0.94, 3.17) 2016 28 50 3.55(0.93, 5.93) 42.01(15.05, 66.07) 9.90(3.81, 14.58) 198.05(87.57, 300.09) 1.58(0.70, 2.40) 2017 28 49 3.84(1.00, 6.33) 39.96(14.27, 62.32) 9.43(3.61, 13.78) 216.17(97.37, 323.63) 1.72(0.77, 2.57) 2018 21 45 1.76(0.46, 2.97) 23.03(8.16, 36.60) 5.45(2.07, 8.12) 110.89(48.84, 168.64) 0.87(0.39, 1.33) 珠三角地区 2015 4 38 0.19(0.05, 0.32) 2.77(0.96, 4.52) 0.63(0.23, 0.96) 14.74(6.49, 22.55) 0.20(0.09, 0.31) 2016 3 37 0.07(0.02, 0.11) 1.09(0.37, 1.78) 0.25(0.09, 0.38) 5.70(2.51, 8.72) 0.08(0.03, 0.12) 2017 2 39 0.09(0.02, 0.15) 1.25(0.43, 2.04) 0.28(0.10, 0.43) 7.57(3.43, 11.49) 0.10(0.04, 0.15) 2018 1 36 0.01(0.00, 0.01) 0.10(0.03, 0.16) 0.02(0.01, 0.03) 0.51(0.23, 0.79) 0.01(0.00, 0.01) 1)括号内为95%CI值, 下同

表 3 2015~2018年6大区域的健康效应1) Table 3 Health effects in the six regions in 2015-2018

具体看, 京津冀及周边地区的各类指标值均居6大区域之首, 但保持逐年下降.早逝人数从2015年的14.83万人(95%CI: 4.03~23.93万人)减少至2018年的8.01万人(95%CI: 2.12~13.27万人), 健康终点发生率从6.28%(95%CI: 2.94%~9.24%)下降至3.27%(95%CI: 1.50%~4.89%).

汾渭平原地区2016年的各健康终点人数比2015年有所上升, 其中早逝人数增加了0.64万人(95%CI: 0.18~1.02万人); 2015~2016年的各健康终点发生率没有太大变化, 但是11个城市中仅2个ρ(PM_2.5)下降, 其余9个城市全部上升, 整个区域ρ(PM_2.5)上升了6 μg·m^-3.2017年各类健康终点人数小幅下降; 至2018年, 早逝人数比2015年下降了0.15万人(95%CI: 0.04~0.24万人), 但是各类健康终点总人数仍比2015年增加1.89万人(95%CI: 0.55~3.43万人).

长三角地区2017年的早逝人数比2016年增加1.21万人(95%CI: 0.32~2.01万人), 2018年早逝人数下降至3.79万人(95%CI: 0.99~6.35万人).长江中游地区2017年的早逝、内科门诊、儿科门诊人数均比2016年上升, 各类健康终点总人数比2016年增加18.12万人(95%CI: 9.80~23.54万人).珠三角地区各类健康终点人数总体较少, 但2017年各类健康终点人数均比2016年小幅上升.成渝地区的各类指标值均逐年下降.

与6大区域的健康效应趋势类似, 区域的健康经济损失也在总体上呈现下降趋势, 个别年份出现上升现象, 如表 4所示.

表 4 (Table 4)

表 4 2015~2018年6大区域的健康经济损失 Table 4 Health economic losses in the six regions in 2015-2018 区域 年份 健康经济损失/亿元 经济损失占GDP比重/% 人均健康经济损失/元 京津冀及 周边地区 2015 4796.74(1714.67, 7086.49) 4.23(1.51, 6.25) 2528.63(903.90, 3735.69) 2016 4550.61(1593.25, 6816.31) 3.79(1.33, 5.68) 2381.90(833.94, 3567.82) 2017 4073.09(1382.01, 6217.88) 3.22(1.09, 4.91) 2121.36(719.79, 3238.42) 2018 3052.39(1027.52, 4709.45) 2.33(0.78, 3.59) 1603.49(539.78, 2473.98) 汾渭平原地区 2015 699.97(242.61, 1065.52) 3.41(1.18, 5.19) 1413.61(489.95, 2151.87) 2016 977.75(347.50, 1461.29) 4.52(1.61, 6.75) 1961.80(697.23, 2931.99) 2017 1009.35(358.04, 1511.64) 4.19(1.49, 6.28) 2012.99(714.05, 3014.72) 2018 807.11(280.02, 1229.69) 3.16(1.09, 4.81) 1596.28(553.81, 2432.03) 长三角地区 2015 3394.36(1124.74, 5282.41) 2.09(0.69, 3.25) 1537.71(509.53, 2393.03) 2016 2307.62(760.23, 3618.89) 1.32(0.43, 2.07) 1060.07(349.23, 1662.44) 2017 2272.01(732.44, 3583.17) 1.19(0.38, 1.88) 1053.03(339.47, 1660.74) 2018 1627.58(532.08, 2562.99) 0.81(0.26, 1.27) 764.19(249.82, 1203.38) 成渝地区 2015 1473.24(512.98, 2243.23) 3.39(1.18, 5.16) 1523.56(530.50, 2319.86) 2016 1455.84(503.87, 2226.61) 3.11(1.07, 4.75) 1494.07(517.10, 2285.09) 2017 1228.74(407.78, 1918.44) 2.41(0.80, 3.76) 1253.08(415.86, 1956.44) 2018 582.82(195.87, 911.77) 1.08(0.36, 1.70) 590.51(198.45, 923.81) 长江中游地区 2015 1392.54(440.82, 2150.05) 2.14(0.68, 3.31) 1118.57(354.10, 1727.05) 2016 1131.97(371.25, 1772.46) 1.63(0.53, 2.55) 903.56(296.34, 1414.81) 2017 1240.20(399.23, 1938.24) 1.66(0.53, 2.59) 985.01(317.08, 1539.41) 2018 712.90(233.16, 1122.88) 0.91(0.30, 1.44) 562.37(183.93, 885.79) 珠三角地区 2015 109.08(35.05, 174.66) 0.16(0.05, 0.26) 148.12(47.59, 237.17) 2016 42.58(13.79, 68.16) 0.06(0.02, 0.10) 56.81(18.40, 90.93) 2017 47.17(15.13, 75.55) 0.06(0.02, 0.12) 61.68(19.78, 98.78) 2018 2.14(0.69, 3.44) 0.00(0.00, 0.01) 2.74(0.88, 4.41)

表 4 2015~2018年6大区域的健康经济损失 Table 4 Health economic losses in the six regions in 2015-2018

京津冀及周边地区2018年比2015年的健康经济损失减少1744.35亿元(95%CI: 687.15~2377.04亿元), 占GDP的比重减少1.90%(95%CI: 0.73%~2.66%), 人均健康经济损失减少925.14元(95%CI: 364.12~1261.71元).长三角地区、成渝地区的各项指标值均与京津冀及周边地区同样呈现逐年下降态势.但是汾渭平原地区2015~2017年的各项指标值均逐年上升, 2018年虽又下降, 但仍高于2015年; 2018年比2015年的健康经济损失增加107.14亿元(95%CI: 37.41~164.17亿元), 人均健康经济损失增加182.67元(95%CI: 63.86~280.16元).长江中游地区的各项指标值虽在2017年有所上升, 但2018年又大幅下降, 与ρ(PM_2.5)超标城市数量由28个大幅减少至21个, 这与减少了2532.36万暴露人口有较大关系; 2018年比2015年的健康经济损失减少679.64亿元(95%CI: 207.66~1027.17亿元), 占GDP的比重减少1.23%(95%CI: 0.38%~1.87%).

2015~2018年, 各城市的ρ(PM_2.5)总体上呈现下降趋势.至2018年, 图 1中2015年ρ(PM_2.5)超标的238个城市中有228个城市均呈现不同程度下降, 其中德州和保定下降最多, 分别下降了46 μg·m^-3和40 μg·m^-3; 仅有10个城市的ρ(PM_2.5)上升(临汾、咸阳、淮南、雅安、阳泉、吕梁、西安、晋城、阜阳和定西, 其中4个城市位于汾渭平原地区、2个城市位于京津冀及周边地区和2个城市位于长三角地区), 其中临汾和咸阳分别上升了10 μg·m^-3和6 μg·m^-3.2015年ρ(PM_2.5)排名前10的城市全部地处京津冀及周边地区; 2016年有9个城市地处京津冀及周边地区, 1个城市地处汾渭平原地区; 2017年有7个城市地处京津冀及周边地区, 3个城市地处汾渭平原地区; 2018年仍有7个城市地处京津冀及周边地区, 2个城市地处汾渭平原地区.2015年ρ(PM_2.5)排名前10城市的平均值为97 μg·m^-3, 2018年为69 μg·m^-3, 下降了28.87%.2018年排名第1的安阳市ρ(PM_2.5)为74 μg·m^-3, 相当于2015年排名第32城市的ρ(PM_2.5); 2018年排名第10的濮阳市ρ(PM_2.5)为65 μg·m^-3, 相当于2015年排名第58城市的ρ(PM_2.5).4年间, 排名前10的城市虽有变化, 但保定和邢台等市一直在名单中; 与2015年相比, 排名前10的城市中有8个城市ρ(PM_2.5)下降, 2个城市不降反升, 如图 5所示.

图 5

Fig. 5

图 5 2015~2018年ρ(PM2.5)排名前10的城市 Fig. 5 Top ten cities for ρ(PM2.5) in 2015-2018

至2018年, 图 1中2015年ρ(PM_2.5)超标的238个城市中, 224个城市的健康终点发生人数下降, 14个城市的健康终点发生人数上升, 其中包括ρ(PM_2.5)上升的10个城市, 11个暴露人口增加的城市.如图 6所示, 排名前10的城市中, 北京、保定、天津、石家庄和邯郸由于暴露人口基数大并且ρ(PM_2.5)较高, 一直处于健康终点发生人数排名前10;与2015年相比, 2018年北京等9个城市的健康终点发生人数均出现不同程度下降, 其中北京下降幅度达62.27%;仅西安市的健康终点发生人数出现较大幅度上升.2015~2018年西安市暴露人口逐年上升, 2018年的暴露人口比2015年增加约130万人, 年均增加约43万人; 4年间ρ(PM_2.5)分别为58、71、73和61 μg·m^-3, 2017年的健康终点总人数达到最大值44.76万人(95%CI: 20.08~66.65万人), 2018年下降至31.44万人(95%CI: 13.46~47.70万人), 但仍比2015年增加9.07万人(95%CI: 3.94~13.68万人), 其中早逝增加0.09万人(95%CI: 0.02~0.15万人), 内科门诊增加3.43万人(95%CI: 1.89~4.88万人).

图 6

Fig. 6

图 6 2015~2018年健康终点发生人数排名前10的城市 Fig. 6 Top ten cities for number of healthy endpoints in 2015-2018

随着空气质量好转, 大部分城市的健康终点发生人数占暴露总人数比重下降, 小部分上升.如图 7所示, 4年间, 保定和邢台始终排名前10, 石家庄和安阳有3次排名前10; 2018年, 排名前10的城市中有9个城市的比重下降, 仅咸阳的比重上升, 从2015年的3.11%(95%CI: 1.33%~4.71%)上升到2018年的4.07%(95%CI: 1.75%~6.13%).咸阳市2018年的暴露人口比2015年减少约60万人, 年均减少约20万人; 其ρ(PM_2.5)在2015~2018年分别为63、82、79和69 μg·m^-3, 2016年的健康终点总人数达到最大值26.07万人(95%CI: 11.35~38.89万人), 2017年下降至23.41万人(95%CI: 10.55~34.71万人), 2018年进一步降至17.75万人(95%CI: 7.66~26.75万人), 但仍比2015年增加2.29万人(95%CI: 1.04~3.35万人), 而且由于暴露人口持续减少, 所以健康终点发生人数占总人数比重仍比2015年上升了30.73%.

图 7

Fig. 7

图 7 2015~2018年健康终点发生人数占总人数比重排名前10的城市 Fig. 7 Top ten cities in proportion of number of healthy endpoints in total population in 2015-2018

2015~2018年, 214个城市的健康经济损失下降, 24个上升.4年间排名前10的城市中, 北京、重庆、天津和保定一直在名单中, 郑州有3次在名单中. 2015年排名前10的城市中有8个为一线或新一线城市, 2018年7个为一线或新一线城市, 均为经济较发达人均收入较高城市; 另外3个城市为石家庄、邯郸和保定, 均为ρ(PM_2.5)、健康终点发生人数、健康终点发生人数占总人数比重排名前10的城市.与2015年相比, 2018年北京等8个城市的健康经济损失值下降, 西安与石家庄上升, 如图 8所示.

图 8

Fig. 8

图 8 2015~2018年健康经济损失排名前10的城市 Fig. 8 Top ten cities in health economic loss in 2015-2018

从健康经济损失占GDP比重来看, 2015年ρ(PM_2.5)超标的238个城市中, 至2018年仅有11个城市的健康经济损失占GDP比重上升, 其余227个城市均下降, 其中达州和保定下降幅度最大.如图 9所示, 2015~2018年排名前10的城市中, 保定、邢台和邯郸一直在名单中, 渭南、阜阳和咸阳有3次在名单中; 与2015年相比, 2018年临汾、阜阳和咸阳的健康经济损失占GDP比重上升.临汾的ρ(PM_2.5)在2015~2018年分别为59、74、79和69 μg·m^-3, 并且2018年的暴露人口比2015年增加约6万人, 年均增加约2万人.同期, 阜阳的ρ(PM_2.5)分别为51、61、67和54 μg·m^-3, 暴露人口年均增加约10万人.

图 9

Fig. 9

图 9 2015~2018年健康经济损失占GDP比重排名前10的城市 Fig. 9 Top ten cities in proportion of health economic loss in GDP in 2015-2018

(1) 2015~2018年全国ρ(PM_2.5)呈现逐年下降趋势, 超标城市的平均ρ(PM_2.5)由2015年的57 μg·m^-3下降到48 μg·m^-3, 下降幅度为14.92%;暴露于ρ(PM_2.5)超标地区人口占总人口的比例也逐年下降, 分别为80.88%、76.84%、70.33%和62.32%.以环境空气质量标准(GB 3095-2012)的二级浓度限值35 μg·m^-3为基准浓度, 各类健康终点总人数从2015年的约3323.25万人下降到2018年的约1591.45万人, 健康经济损失从2015年的约15790.39亿元下降到2018年的约8384.16亿元, 健康经济损失占GDP比重从2015年的约2.31%下降到2018年的约0.99%.

(2) 2015~2018年6大区域中京津冀及周边地区、成渝地区的ρ(PM_2.5)、各类健康终点总人数、健康经济损失及其占GDP比重均呈现逐年下降趋势.至2018年, 京津冀及周边地区的ρ(PM_2.5)仍在6大区域中最高, 健康终点总人数约为622.55万人, 健康终点发生率约为3.27%, 健康经济损失约为3052.39亿元, 占GDP比重约为2.33%.长江中游地区的ρ(PM_2.5)虽然逐年下降, 但2016~2017年健康终点总人数小幅上升.汾渭平原地区、长三角地区和珠三角地区的ρ(PM_2.5)、各类健康终点总人数、健康经济损失及其占GDP比重呈现部分年份上升, 随后下降的复杂趋势.汾渭平原地区的ρ(PM_2.5)仅次于京津冀及周边地区, 至2018年, 全部11个城市的浓度仍超标, 各类健康终点总人数比2015年增加约1.89万人; 健康经济损失约为807.11亿元, 比2015年增加约107.14亿元; 健康经济损失占GDP比重约为3.16%, 比2015年减少0.25%;人均健康经济损失比2015年增加182.67元.珠三角地区的ρ(PM_2.5)最低, 至2018年仅一个城市超标, 健康损失较少.

(3) 至2018年, 2015年ρ(PM_2.5)超标的238个城市中有228个城市均呈现不同程度下降, 其中德州和保定下降最多, 仅有10个城市的ρ(PM_2.5)上升; 14个城市的健康终点发生人数上升, 11个城市的健康经济损失占GDP比重上升.2015~2018年间, 北京、保定、天津、石家庄和邯郸这5个城市的健康终点发生人数均排名前10, 保定和邢台的健康终点发生人数占总人数比重均排名前10, 北京、重庆、天津和保定这4个城市的健康经济损失均排名前10, 保定、邢台和邯郸这3个城市的健康经济损失占GDP比重均排名前10.与2015年相比, 2018年西安的健康终点发生人数上升40.50%, 健康经济损失大幅上升59.66%;咸阳的健康终点发生人数占总人数比重增加30.73%;临汾的健康经济损失占GDP比重上升29.55%;以上3个城市的ρ(PM_2.5)均大于2015年, 均位于汾渭平原地区.

(4) 考虑到数据的可得性与统计数据的缺失, 本文的评估结果具有一定的不确定性, 主要表现为:一是部分数据尤其是各地级市的卫生数据采用省级数据推算而得或直接采用全国东中西部的数据, 将会影响评估结果的准确性; 二是选取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, 未考虑其它不良健康终点, 可能使评估结果偏低; 三是仅考虑PM_2.5导致的影响, 未考虑其它污染物的影响, 可能使评估结果偏低; 四是已有文献发现建立暴露-反应关系的过程仍存在不确定性, 不同城市的暴露-反应关系系数由于气象、人为等原因而产生差异.由于资料限制, 各市只能采用统一的暴露-反应关系系数, 但本文根据95%置信区间对结果进行低值、中值及高值估算, 这在一定程度上将不确定性控制在相对可靠范围.

(5) 鉴于全国的总体情况好转, 但部分区域如京津冀及周边地区、汾渭平原地区, 部分城市如保定、邢台、邯郸、西安、咸阳和临汾等市仍不乐观, 应加强空气污染治理的区域联防联控与一市一策.