环境科学  2021, Vol. 42 Issue (3): 1255-1267   PDF    
引用本文
杜沛, 王建州. 北京市控制PM2.5污染的健康效益评估[J]. 环境科学, 2021, 42(3): 1255-1267.
DU Pei, WANG Jian-zhou. Health Benefit Assessment of PM2.5 Pollution Control in Beijing[J]. Environmental Science, 2021, 42(3): 1255-1267.
北京市控制PM2.5污染的健康效益评估
杜沛, 王建州     
东北财经大学统计学院, 大连 116025
收稿日期: 2020-05-21; 修订日期: 2020-08-22
基金项目: 国家社会科学基金重大项目（17ZDA093）
作者简介: 杜沛(1991~), 男, 博士研究生, 主要研究方向为人工智能、大气污染预测与健康经济和机器学习等, E-mail: renshengdp@126.com
通信作者: 王建州, E-mail: wangjz@dufe.edu.cn
摘要: 实施PM2.5污染控制后所带来的居民健康经济效益评估，对推进区域环境空气质量监管、健康预警以及防治等工作具有重要意义.本文采用泊松回归相对危险模型和环境价值评估方法，对2016~2019北京16个辖区年PM2.5污染控制到二级标准限值35 μg·m-3后所带来的健康风险及经济效益进行评估.结果显示，2016~2019年北京及其16个辖区PM2.5浓度、各健康终端效应、经济效益以及人均经济健康效益等均呈现出下降趋势.其中，北京PM2.5浓度值从2016年的73 μg·m-3下降至2019年的42 μg·m-3，年均下降率为16.75%，控制PM2.5污染的健康总受益人数从2016年的439985例（95%置信区间：183987，653476）下降到2019年的77288例（95%置信区间：30483，120905），年平均下降率约为42.67%.健康经济效益占GDP的比重从3.16%（95%置信区间：1.10%，4.73%）下降到0.55%（95%置信区间：0.18%，0.88%），人均健康经济效益从3727.61元（95%置信区间：1303.24，5592.18）下降到906.58元（95%置信区间：295.14，1438.27）.此外，由于PM2.5浓度、人口数量和密度以及单位健康终端经济价值的差异使得北京16个辖区的健康经济效益、占GDP比重以及人均效益估算结果各有差异，其中丰台、通州和大兴等远高于其他辖区，健康风险与经济效益问题相对突出.
关键词: PM2.5      污染      健康效应      经济评估      北京     
Health Benefit Assessment of PM2.5 Pollution Control in Beijing
DU Pei , WANG Jian-zhou     
School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China
Abstract: The assessment of residents' health and economic benefits of PM2.5 pollution control is of great significance for the promotion of regional environmental air pollution monitoring, warning, and prevention. This paper utilized Poisson regression relative risk models and environmental value assessment methods to assess the health risks and economic benefits of PM2.5 pollution control in the 16 municipal districts of Beijing from 2016 to 2019 after reaching the secondary standard limit of 35 μg·m-3. The results showed that PM2.5 concentrations, various health effects, economic benefits, and per capita economic health benefits in all 16 districts showed a downward trend. Specifically, PM2.5 concentrations dropped from 73 μg·m-3 in 2016 to 42 μg·m-3 in 2019 at an average annual rate of 16.75%. The total number of healthy beneficiaries from PM2.5 pollution control dropped from 439985 cases in 2016 (95% confidence interval (CI): 183987, 653476) to 77288 cases in 2019 (95% confidence interval (CI): 30483, 120905) at an average annual rate of approximately 42.67%. The share of health economic benefits in GDP dropped from 3.16% (95% confidence interval (CI): 1.10%, 4.73%) to 0.55% (95% confidence interval (CI): 0.18%, 0.88%), and the per capita health economic benefit dropped from 3727.61 yuan (95% confidence interval (CI): 1303.24, 5592.18) to 906.58 yuan (95% confidence interval (CI): 295.14, 1438.27). Due to differences in PM2.5 concentrations, population number and density, and economic values of unit health endpoints, the results of the health economic benefit analysis, proportion of GDP, and per capita benefits varied between the 16 districts. Among these, Fengtai, Tongzhou, and Daxing show much higher values than others, indicating relatively high health and economic benefits from pollution control.
Key words: PM2.5      pollution      health effects      economic assessment      Beijing     

随着城镇化和工业化进程不断加快, 以及经济高速发展所造成能源的快速消耗, 工业及汽车产生大量的污染性气体, 对大气环境造成了极大的破坏, 严重影响人们的生活水平, 制约社会经济的发展[1~3].PM2.5作为大气污染中的首要污染物之一, 易对人体的呼吸系统、心血管、神经和免疫系统造成损害, 甚至危及居民生命健康, 进而造成巨大的经济损失[4, 5].因此, 实施PM2.5污染控制后所带来的居民健康经济效益评估, 从经济学角度定量分析和评价PM2.5污染所引起的健康损失, 对环保部门和居民预防大气污染及健康损害具有重要的参考意义.近年来, 随着流行病学研究的不断开展, 许多学者进行了大量的研究, 并逐渐开始采用暴露-反应关系对PM2.5引起的居民健康损失进行货币化度量[6~8].如谢元博等[9]、魏国茹等[10]以及李惠娟等[11]分别对2013年1月短期北京雾-霾严重污染事件、2014~2016年西安市冬季以及2015年中国62个城市的PM2.5浓度进行了居民健康经济损失评估, 研究结果均表明PM2.5污染会对居民健康造成严重的损害, 产生巨大的经济损失.

北京作为中国的首都, 在政治、经济、文化和科技创新等方面起到至关重要的作用.然而, 近年来因其严重的雾-霾污染事件备受国内外关注, 雾-霾污染对北京居民的健康产生了巨大的损害, 造成了严重的经济损失.为此, 近年来许多学者开展了北京市雾-霾污染的健康效益评估研究[12~14], 然而这些研究对北京市各区雾-霾污染进行健康经济损失评估的相对较少.谢元博等[9]对2013年1月10~15日北京各区高浓度PM2.5污染进行健康经济损失评估, 并建议对居民进行健康预警和医学防护, 对北京雾-霾治理以及居民健康水平的提升具有重要的影响.然而, 已有报道仅对研究地区进行了短期的健康效益评估, 未对长期PM2.5的健康影响进行分析, 也未曾考虑到患者因门诊、住院所造成的间接经济损失, 其结果往往低估了PM2.5对居民健康的影响.基于近年来的相关研究成果, 本文结合暴露-反应关系系数和环境价值评价技术对2016~2019年北京市16个市辖区进行PM2.5达到35 μg·m-3浓度标准后所带来的健康效应进行评估, 并对各区的健康经济效益进行比较分析, 以期对北京实施空气质量标准的健康效益提供科学依据, 并为北京空气质量的管理和健康预警、防治等提供参考.

1 材料与方法 1.1 数据介绍与处理

北京各区的PM2.5浓度均为年度平均数据, 由北京各区城市环境评价检测点检测得到, 相关数据从文献[15~18]中获取, 北京市各区GDP、人均GDP、CPI以及年末常住人口(暴露人口)等数据从对应年份的北京区域统计年鉴[19~21]或北京统计局(或政府)、北京各区统计局(或政府)以及国家统计局官网(http://www.stats.gov.cn/)等中查询获得.此外, 死亡率、患病率、人均住院和门诊费用从文献[19~25]以及中国哮喘联盟调查数据等资料中获取或估算得到.

由于各年份北京各区的详尽数据, 如死亡率、统计生命价值、患病率、门诊、住院费用以及住院时长等难以获取或估算, 本文统一使用北京市同一年份的对应数据代替.此外, 对于某些年份缺失或目前尚未发布的数据, 本文使用临近年份对应的数据或各区人民政府、统计局发布的初步核算的数据进行补充.

1.2 评估方法 1.2.1 环境健康效应评估

结合泊松回归相对危险模型和暴露-反应模型关系系数β, 健康效应估算公式如下:

(1)
(2)

式中, P为暴露人口数量, 本文选取城市年末常住人口进行替代; c为年均PM2.5浓度数值, c0为PM2.5污染物二级浓度限值, 即35 μg·m-3; E和E0为分别在c和c0浓度条件下的健康效应, ΔE为健康效应的变化量.参照已有研究成果[2, 4, 9], 本文选定的受PM2.5影响的健康终端为早逝、呼吸系统疾病住院、心血管系统疾病住院、内科门诊、儿科门诊、急性支气管炎、慢性支气管炎和哮喘.

1.2.2 环境健康价值评估

居民愿意通过使用货币进而降低死亡风险的衡量方法, 称之为统计意义上的生命价值(value of a statistical life, VOSL).本文参考北京市VOSL的研究结果[2, 14], 采用VOSL法用以评估PM2.5引起的居民早逝而产生的经济损失.使用人均GDP和CPI估算出近年来北京居民的统计寿命价值[26~29], 公式如下:

(3)

上式中, VOSLt为北京在t年的统计寿命价值, VOSLk为北京在k年的统计寿命价值, %ΔP和%ΔG分别是北京在k年到t年期间CPI和人均GDP增长率, β为收入弹性系数, 本文取值0.8[30].

对于门诊和住院费用, 本文采用疾病成本法进行估算. 门诊和住院费用产生的经济损失包括两个部分: 门诊和住院的人均医疗费用以及医治疾病产生的误工损失.单位成本的估算公式如下[13]:

(4)

式中, i为第i个健康终端, ECi为门诊或住院的单位经济损失, ECi, p为人均医疗费用(直接+间接医疗费用), GDPp为日人均误工成本, 采用日人均GDP估算, Ti, L为治疗i健康终端疾病引起的误工天数.本文统一按0.5 d[5, 10] 为门诊误工时间计算.其中, 门诊费用由对应年份的文献[23~25]获得, 住院费用和住院时长按照魏国茹等[10]的估算方法获取.

由于慢性支气管炎治疗缓慢, 治疗费用难以估算, 此时疾病成本法也不适用于估算其经济成本.本文采用成果参照法, 按照Viscusi等[31]统计寿命价值的32%对慢性支气管炎进行估算.采用黄德生等[2]关于门诊与急性支气管炎单位经济价值比例, 通过门诊费用估算出急性支气管炎的单位经济损失.此外, 各健康终端次均住院或门诊天数及医疗费用以及单位经济损失成本如表 1所示.

表 1 各健康终端次均住院或门诊天数、医疗费用以及单位经济损失价值1) Table 1 Days of hospitalization, outpatient service, and medical expenses for health end-points and unit economic loss value

1.2.3 健康经济效益评估

基于健康效应估算结果[使用公式(1)和(2)]以及表 1估算出的各健康终端的单位经济价值, 控制PM2.5污染后所带来的居民健康效益评估, 即货币化转化公式如下:

(5)

式中, EL为控制PM2.5污染后所带来的居民健康经济效益总和, ΔEi为第i个健康终端健康效应的变化量, Li为第i个健康终端的单位经济价值.

1.3 暴露-反应关系系数与基准发生率

暴露-反应关系系数的研究最早开展于国外, 考虑到国内外地区污染物浓度差异性以及PM2.5等污染物对不同种族和人群影响程度的不同, 为了增加国内大气污染对居民损害的可靠性, 尽可能地减小误差, 国内很多学者如阚海东等[6]、谢鹏等[8]以及吕铃玥等[34]通过研究和分析并最终提出了适用于中国的暴露-反应关系系数.基于前人的研究成果, 本文采用的暴露-反应模型关系系数以及对应健康终端的基准发生率如表 2所示.

表 2 健康终端的PM2.5暴露-反应系数与基准发生率1) Table 2 PM2.5 exposure-reaction coefficients and baseline incidence data for health end-points

早逝的发生率从北京统计局官网发布的北京区域统计年鉴[19~21]和国民经济和社会发展统计公报[22]中查询获得; 由于国内最新研究资料相对匮乏, 本文采用成果参照法, 呼吸系统疾病以及心血管系统疾病的住院率从国家卫生计生委统计信息中心于2015年发布的第五次国家卫生服务调查分析报告[33]中获取; 内外科门诊发生率由文献[23~25]中北京内外科门诊数量占总门诊数量的百分比估算求得; 最后, 患病即急、慢性支气管炎以及哮喘的基准发生率参照现有前人的研究成果获得.

2 结果与分析

基于PM2.5浓度、常住人口和GDP等数据以及相关估算公式, 结合我国《环境空气质量标准》(GB 3095-2012)的PM2.5年均值的二级标准限值35 μg·m-3以及前人的研究成果, 将搜集的PM2.5和暴露人口数据代入泊松回归相对危险模型, 可估算出健康效应的变化量.然后, 结合各健康效应的单位经济价值, 最终估算出各个健康终端的经济损失价值.本节主要包括2个部分: 估算和分析2016~2019年北京各区PM2.5引起的健康风险结果; 估算和讨论2016~2019年北京各区的PM2.5控制后所带来的健康经济效益评估结果, 具体内容描述如下.

2.1 健康风险评估 2.1.1 北京各健康终端效应评估

表 3汇总了2016~2019年北京16个辖区PM2.5浓度和常住人口以及PM2.5污染的各健康终端风险估算结果. 由表 3可以看出, 总体而言, 北京16个辖区2016~2019年PM2.5浓度和各健康终端效应均呈现出下降趋势, 2019年比2016年大幅度减少.此外, 由于不同城区的PM2.5浓度、暴露人口、门诊发生率以及死亡率等指标各不相同, 其健康终端受PM2.5污染的影响程度也各有差异, 类似地, 同一地区在不同年份的健康效应也有所不同.

表 3 2016~2019年北京各城区PM2.5污染的各健康终端效应评估1) Table 3 Assessment of health end-point effects of PM2.5 pollution in various districts of Beijing from 2016 to 2019

具体而言, 2016~2019年北京及其16辖区的PM2.5浓度呈现出逐年下降的趋势.例如, 北京PM2.5浓度数值从2016年的73 μg·m-3下降到2017年的58 μg·m-3, 2018年的51 μg·m-3, 以及2019年的42 μg·m-3, 年均下降幅度为16.75%, 略高于李惠娟等[37]研究的全国297个地级及以上城市的14.92%. 其原因可能是近年来北京采取很多及时和有效的雾-霾污染治理措施, 如推行北京市2013~2017年清洁空气行动计划[38]、“煤改清洁能源”和北京市空气重污染应急预案[39]等措施, 治理水平高于全国平均水平.

就控制PM2.5污染所带来的不同健康终端效应而言, 呼吸系统疾病住院的人数与早逝人数相近, 远高于心血管疾病的住院人数, 相比之下, 门诊人数较多, 远超住院人数和早逝人数, 其中内科门诊受益人数最多, 约占总门诊人数的70%~80%.对于患病人数而言, 急性支气管炎的发病人数远远高于慢性支气管炎与哮喘患病人数.其中, 患急性支气管炎的数量占总患病人数的70%以上, 占总健康效应总量的43.75%~52.97%.总体而言, 减少门诊的人数远超过住院人数, 类似地, 减少的急性支气管炎患病人数也远高于慢性支气管炎受益人数.控制PM2.5污染所带来健康受益人数排名前3的健康终端分别是急性支气管炎、内科门诊和慢性支气管炎, 占总健康效应人数的80%左右.早逝和心血管疾病住院人数较少, 仅占总量的3.18%~5.00%.此外, 2016~2019年北京各区控制PM2.5污染所带来的不同健康终端的受益人数呈逐年下降的趋势.例如, 东城区早逝发生总人数从2016年的534例(95%置信区间: 144, 872), 下降到2017年的322例(95%置信区间: 85, 534), 2018年的226例(95%置信区间: 59, 377), 以及2019年的115例(95%置信区间: 30, 194), 年均下降率达到近40%左右.究其原因, 各终端的健康效应是由1.2.1节公式(2)估算得到的, 健康效应变化量与暴露人口、PM2.5浓度及标准浓度阈值, 暴露-反应关系系数以及基准发生率相关.在标准浓度阈值和暴露-反应关系系数不变的背景下, PM2.5浓度大幅度下降, 早逝的基准发生率也逐年降低, 各个城区的常住人口也呈现出下降趋势或缓慢增长的情况, 因此最终使得北京及其16个辖区控制PM2.5污染所带来的健康效应呈现出整体下降的趋势.但就任一健康终端而言, 采取措施控制和降低PM2.5污染浓度, 减少居民健康损害, 未来所带来的健康效应的潜能将是巨大的, 对改善北京各区域居民的健康生活条件具有重要意义.

2.1.2 北京健康总效应评估

表 4给出了2016~2019年北京各城区PM2.5污染的健康总效应评估与排序结果, 可以看出北京控制PM2.5污染达标35 μg·m-3后所带来的总受益人数从2016年的439 985例(95%置信区间: 183 987, 653 476), 下降到2017年的268 096例(95%置信区间: 108 806, 408 489), 2018年的187 440例(95%置信区间: 75 171, 288 893)以及2019年的77 288例(95%置信区间: 30 483, 120 905), 年平均下降率约为42.67%.此外, 北京各城区的健康总效应也呈现出类似的结果, 控制PM2.5污染后所带的健康总效应也出现了逐年下降的趋势.

表 4 2016~2019年北京各区域PM2.5污染的健康总效应评估与排序1) Table 4 Health effects and ranking of PM2.5 pollution in various districts of Beijing from 2016 to 2019

就不同的城区而言, 控制PM2.5污染所带来的健康总受益人数最多的是朝阳区, 受益人数最少的是怀柔、密云、延庆以及门头沟.例如, 2018年朝阳健康总收益人数达到33 398例(95%置信区间: 13 407, 51 421), 约占总受益数量的14.7%~17.84%, 其次是海淀: 27 599例(95%置信区间: 11 039, 42 636), 再其次是丰台: 20593例(95%置信区间: 8 281, 31 656), 其它位次排名分别是大兴: 17 571例(95%置信区间: 7 066, 27 010), 通州: 17 064例(95%置信区间: 6 886, 26 142), 昌平: 12 846例(95%置信区间: 5 101, 19 980), 房山: 11 623例(95%置信区间: 4676, 17 868), 西城: 10 923例(95%置信区间: 4 386, 16 820), 顺义: 9 611例(95%置信区间: 3844, 14844), 东城: 7618例(95%置信区间: 3 060, 11 729), 石景山: 5 775例(95%置信区间: 2 324, 8 876), 平谷: 3 026例(95%置信区间: 1 205, 4 696), 密云: 3 020例(95%置信区间: 1 200, 4 695), 延庆: 2 497例(95%置信区间: 997, 3 867), 门头沟: 2 198例(95%置信区间: 875, 3 411), 最小为怀柔: 2 078例(95%置信区间: 824, 3242). 从表 4结果可以看出北京及各区早逝与总健康受益人数排序类似, 但其总健康效应人数却存在差异.主要原因是: 一方面, 受益人数较多的城区的PM2.5浓度较高, 如受益人数总量前5的辖区在2016~2018年期间其PM2.5浓度超过(大于等于)50 μg·m-3占100%, 2019年其PM2.5浓度全部超过40 μg·m-3.另一方面, 这些辖区的暴露人群基数较大, 如2018年朝阳区的暴露人口是怀柔的9倍左右, 居民分布相对密集, 如怀柔人均占地面积(5 128 m2)是朝阳的(131 m2) 39倍左右.因此, 对这些城区进行PM2.5污染浓度的控制和居民健康安全防护, 未来健康效应的潜能无疑是巨大的.

2.2 北京健康经济效益评估 2.2.1 北京各区各健康终端效益评估

本节在健康效应评估结果的基础上, 结合表 1中估算的各健康终端的单位经济价值, 利用1.2.3节公式(5)估算得到2016~2019年北京市16个市辖区在控制PM2.5污染条件下所带来的居民各健康终端效益, 估算结果如表 5所示.

表 5 2016~2019年北京各区域PM2.5污染的健康效益1) Table 5 Health benefits of PM2.5 pollution in various districts of Beijing from 2016 to 2019

就不同的健康终端而言, 控制PM2.5后所带来的健康经济效益受PM2.5浓度、暴露人口, 各健康终端的基准发生率以及单位经济价值等因素影响, 北京各城区的健康经济效益也会不同, 甚至差异较大.如2.1.1节所述, 虽然北京各辖区因呼吸系统疾病住院的人数与早逝人数相近, 但两者之间的健康经济效益相差甚大, 例如, 2018年北京因早逝引起的健康效益为18 216.57百万元(95%置信区间: 4 779.31, 30 486.94), 而住院的健康效益为115.73百万元(95%置信区间: 33.59, 198.24). 此外, 门诊健康风险人数虽然较多, 但其健康效益却最低, 仅次于住院所带来的健康效益.对于患病健康终端而言, 虽然急性支气管炎的健康风险人数远高于慢性支气管炎, 但其健康经济效益却远远低于慢性支气管炎, 原因在于慢性支气管炎病程缓慢, 短时间难以治愈, 其单位健康经济价值相对较高, 本文按照Viscusi等[31]统计寿命价值的32% 对慢性支气管炎进行估算.此外, 考虑到慢性支气管炎的健康风险人数远高于早逝的人数, 最终致使慢性支气管炎的健康经济效益达到最大, 2019年控制PM2.5污染后所带来的慢性支气管炎的健康经济效益约为11 026.05百万元(95%置信区间: 4 104.64, 16 680.91), 2019年因早逝, 呼吸系统疾病, 心血管疾病, 儿科, 内科, 急性支气管炎以及哮喘造成的健康经济效益分别为8 239.18百万元(95%置信区间: 2 146.93, 13 886.46), 26.72百万元(95%置信区间: 0, 53.88), 21.76百万元(95%置信区间: 13.82, 29.59), 4.90百万元(95%置信区间: 1.76, 7.88), 11.76百万元(95%置信区间: 6.50, 16.80), 150.39百万元(95%置信区间: 52.44, 242.72)和43.29百万元(95%置信区间: 29.95, 56.29).就不同年份而言, 2016~2019年期间北京及其16个区的各健康终端对应的经济效益与健康风险人数具有相同的趋势, 均呈现出大幅度下降的现象, 其主要原因是在常住人口以及各健康终端的单位经济价值波动较小的情况下, PM2.5浓度呈现出大幅度地下降.

总体而言, 由于PM2.5浓度、各健康终端的基准发生率及单位经济价值以及暴露人口等因素的差异, 控制PM2.5污染浓度达到35 μg·m-3所带来的各健康终端的经济效益大小各不相同. 其中, 慢性支气管炎所对应的健康效益最大, 其次是早逝, 再其次是急性支气管炎, 哮喘和住院的健康效益紧随其后, 最后门诊对应的健康效益相对最小.因此, 北京市及其16个区需要实现的健康经济效益主要方向为减少过早死亡以及慢性支气管炎所造成的经济价值效益, 两者的健康经济效益共占总效益的90%以上.

2.2.2 北京各区健康总效益评估

表 6 汇总了2016~2019年北京及各区域控制PM2.5污染所带来的健康效益及其排名情况.从中的估算结果可以看出2016~2019年北京及各区控制PM2.5污染所带来的健康总效益及其占北京当年GDP的比重以及人均健康经济效益均呈现出逐年下降的趋势.然而, 近几年来北京及其各区的健康总效益数值依然是巨大的, 例如2019年朝阳区的健康总效益达到39.29亿元(95%置信区间: 12.77, 62.33). 此外, 2016~2019年北京各区的人均健康经济效益排名与健康总效益的排名情况各不相同, 甚至相差较大, 主要原因是北京不同辖区之间常住人口、PM2.5浓度等存在差异所造成的.

表 6 2016~2019年北京各区域PM2.5污染的健康效益及排名 Table 6 Health benefits and ranking of PM2.5 pollution in various districts of Beijing from 2016 to 2019

具体而言, 2016~2019年北京市控制PM2.5浓度达到35 μg·m-3浓度后所带来的健康经济效益分别为809.97亿元(95%置信区间: 283.18, 1 215.12), 545.46亿元(95%置信区间: 184.02, 841.40), 421.41亿元(95%置信区间: 139.40, 659.22)和195.24亿元(95%置信区间: 63.56, 309.74), 分别占北京市当年GDP的3.16% (95%置信区间: 1.10%, 4.73%), 1.95% (95%置信区间: 0.66%, 3.00%), 1.39% (95%置信区间: 0.46%, 2.17%), 以及0.55% (95%置信区间: 0.18%, 0.88%).此外, 2016~2019年北京市控制PM2.5浓度达标后所带来的健康经济效益及其占GDP比重以及人均健康效益均呈现出逐年下降趋势, 表明北京PM2.5污染呈现出向好的发展趋势.然而, 近几年来北京各区的健康经济效益数值依然巨大, 其中朝阳、海淀、丰台、通州和大兴依然是北京健康经济效益最大的几个城区, 例如2019年4个辖区的健康经济效益分别为39.29亿元(95%置信区间: 12.77, 62.33), 23.15亿元(95%置信区间: 7.49, 36.91), 20.10亿元(95%置信区间: 6.52, 31.98), 25.79亿元(95%置信区间: 8.44, 40.67)和21.73亿元(95%置信区间: 7.10, 34.38), 共占健康总效益的66.60%左右.其中, 延庆、门头沟、怀柔等区的健康经济效益相对较低, 共占2019年北京总量的0.80%左右.由于各区暴露人口数量的差距, 北京各区的健康经济效益与人均效益排名也各不相同, 如海淀区健康经济效益排名虽然靠前, 但其人均健康经济效益相对较低, 排名相对靠后.

总体而言, 2016~2019年北京各区控制PM2.5污染后所带来的健康总经济效益趋势与北京市整体趋势相一致, 均呈现出逐年下降的趋势.分析其原因, 一方面, 由于北京近年来在调整能源结构、工业减排及清洁降尘等措施的实施, PM2.5污染浓度开始出现逐年下降的趋势, 进而降低了暴露人口的健康风险; 另一方面, 北京疏解非首都功能政策的实施, 使得北京各区常住人口出现逐年下降或增长相对缓慢的情形, 进而使得受PM2.5污染损害的暴露人数出现了相对减少的趋势.

3 结论

(1) 2016~2019年北京及其16个区PM2.5浓度、各个健康终端效应等均呈现出下降趋势, 其中, 北京PM2.5浓度值从2016年的73 μg·m-3下降到2017年的58 μg·m-3, 2018年的51 μg·m-3, 以及2019年的42 μg·m-3, 年均下降幅度约为16.75%.控制PM2.5污染达标后所带来的健康总受益人数从2016年的439 985例(95%置信区间: 183 987, 653 476), 下降到2017年的268 096例(95%置信区间: 108 806, 408 489), 2018年的187 440例(95%置信区间: 75 171, 288 893)以及2019年的77 288例(95%置信区间: 30 483, 120 905), 年平均下降率约为42.67%.由于不同辖区的PM2.5浓度、暴露人口、门诊发生率以及死亡率等指标各不相同, 各健康终端受PM2.5污染的影响程度也各有差异, 其中, 各健康终端的风险大小顺序为: 急性支气管炎>内科门诊>慢性支气管炎>儿科门诊>哮喘>早逝>呼吸系统疾病>心血管疾病.此外, 减少的急性支气管炎、内科门诊和慢性支气管炎的健康风险人数占总量的80%左右, 早逝和心血管疾病住院受益人数相对较少, 仅占健康效应总量的3.18%~5.00%.

(2) 2016~2019年期间北京及其16个城区的各类健康终端对应的健康效应及其经济总效益具有相同的趋势, 均呈现出大幅度下降的现象, 但两者各健康终端的排名情况却相差较大.例如, 门诊健康风险人数虽然较多, 但其健康效益却最低, 仅次于住院所带来的健康效益.就患病健康终端而言, 虽然急性支气管炎的健康效应远高于慢性支气管炎的健康效应, 但其健康经济效益却远远低于慢性支气管炎.总体而言, 慢性支气管炎的健康效益最大, 其次是早逝, 然后是急性支气管炎, 哮喘和住院的健康效益紧随其后, 最后门诊对应的健康效益相对最小.因此, 北京市及其16个辖区需要实现的健康经济效益主要方向为减少过早死亡以及慢性支气管炎所造成的经济价值效益, 两者的健康经济效益共占总效益的90%以上.

(3) 2016~2019年北京市控制PM2.5后所带来的健康经济效益约为809.97亿元(95%置信区间: 283.18, 1 215.12), 545.46亿元(95%置信区间: 184.02, 841.40), 421.41亿元(95%置信区间: 139.40, 659.22)和195.24亿元(95%置信区间: 63.56, 309.74), 分别占GDP的3.16% (95%置信区间: 1.10%, 4.73%), 1.95% (95%置信区间: 0.66%, 3.00%), 1.39% (95%置信区间: 0.46%, 2.17%) 以及0.55% (95%置信区间: 0.18%, 0.88%).2016~2019年北京及其各区的健康经济效益及其占GDP比重以及人均健康效益均呈逐年下降趋势, 说明北京各区PM2.5污染程度呈向好的趋势发展.然而, 由于近年来北京各区PM2.5浓度较高, 暴露人口基数大, 人口分布相对密集, 对这些城区进行PM2.5污染浓度的控制和居民健康安全防护带来了巨大挑战, 未来北京居民因PM2.5污染所造成的健康风险依然是巨大的.

(4) 本文基于前人的研究成果, 对北京16个市辖区2016~2019年的居民健康风险及其健康经济效益进行评估.但由于部分数据无法获得或存在缺失, 采用临近年份数据进行补充, 使得本文的估算结果存在一定程度的不确定性.此外, 本文仅考虑早逝、呼吸系统疾病、心血管系统疾病、儿科、内科、急性支气管炎、慢性支气管炎以及哮喘的健康风险和健康效益的估算, 未对其他可能受PM2.5污染影响的健康终端进行计算, 使得估算结果存在低估的可能, 但本文的健康效应及健康经济效益对应的95%置信区间, 对北京实施空气质量标准的健康效益提供了科学依据, 为北京环境空气质量的管理以及空气质量健康预警、防治措施的实施提供了参考.

参考文献
[1] Wang J Z, Du P, Hao Y, et al. An innovative hybrid model based on outlier detection and correction algorithm and heuristic intelligent optimization algorithm for daily air quality index forecasting[J]. Journal of Environmental Management, 2019, 255. DOI:10.1016/j.jenvman.2019.109855
[2] 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
[3] Zhang M S, Song Y, Cai X H, et al. Economic assessment of the health effects related to particulate matter pollution in 111 Chinese cities by using economic burden of disease analysis[J]. Journal of Environmental Management, 2008, 88(4): 947-954. DOI:10.1016/j.jenvman.2007.04.019
[4] Li L, Lei Y L, Wu S M, et al. The health economic loss of fine particulate matter (PM2.5) in Beijing[J]. Journal of Cleaner Production, 2017, 161: 1153-1161. DOI:10.1016/j.jclepro.2017.05.029
[5] 韩士杰, 王佳, 燕启社, 等. 2014~2016年间郑州市控制PM10和PM2.5污染的健康效益评估[J]. 环境科学, 2019, 40(6): 2565-2571.
Han S J, Wang J, Yan Q S, et al. Health benefit evaluation for PM10 and PM2.5 pollution control in Zhengzhou, China, 2014-2016[J]. Environmental Science, 2019, 40(6): 2565-2571.
[6] 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 dreas of Shanghai[J]. Chinese Health Economics, 2004, 23(2): 8-11. DOI:10.3969/j.issn.1003-0743.2004.02.003
[7] Yao M, Wu G, Zhao X, et al. Estimating health burden and economic loss attributable to short-term exposure to multiple air pollutants in China[J]. Environmental Research, 2020, 183(4). DOI:10.1016/j.envres.2020.109184
[8] 谢鹏, 刘晓云, 刘兆荣, 等. 我国人群大气颗粒物污染暴露-反应关系的研究[J]. 中国环境科学, 2009, 29(10): 1034-1040.
Xie P, Liu X Y, Liu Z R, et al. Exposure-response functions for health effects of ambient particulate matter pollution applicable for China[J]. China Environmental Science, 2009, 29(10): 1034-1040. DOI:10.3321/j.issn:1000-6923.2009.10.006
[9] 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.
[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] 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 H J, Zhou D Q, Wei Y J. An assessment of PM2.5-related health risks and associated economic losses in Chinese cities[J]. Environmental Science, 2018, 39(8): 3467-3475.
[12] Yang S Y, Fang D L, Chen B. Human health impact and economic effect for PM2.5 exposure in typical cities[J]. Applied Energy, 2019, 49: 316-325.
[13] Zhang M S, Song Y, Cai X H. A health-based assessment of particulate air pollution in urban areas of Beijing in 2000-2004[J]. Science of the Total Environment, 2007, 376(1-3): 100-108. DOI:10.1016/j.scitotenv.2007.01.085
[14] 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.
[15] 北京市环境保护局. 2016年北京市环境状况公报[R]. 北京: 北京市环境保护局, 2017.
[16] 北京市环境保护局. 2017年北京市环境状况公报[R]. 北京: 北京市环境保护局, 2018.
[17] 北京市环境保护局. 2018年北京市生态环境状况公报[R]. 北京: 北京市环境保护局, 2019.
[18] 北京市环境保护局. 2019年北京市生态环境状况公报[R]. 北京: 北京市环境保护局, 2020.
[19] 北京市统计局. 北京区域统计年鉴2017[M]. 北京: 中国统计出版社, 2017.
[20] 北京市统计局. 北京区域统计年鉴2018[M]. 北京: 中国统计出版社, 2018.
[21] 北京市统计局. 北京区域统计年鉴2019[M]. 北京: 中国统计出版社, 2019.
[22] 北京市统计局, 国家统计局北京调查总队. 北京市2019年国民经济和社会发展统计公报[EB/OL]. http://tjj.beijing.gov.cn/tjsj_31433/sjjd_31444/202003/t20200302_1673395.html, 2020-08-18.
[23] 国家卫生和计划生育委员会. 2017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, 2017.
[24] 国家卫生和计划生育委员会. 2018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, 2018.
[25] 国家卫生和计划生育委员会. 2019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, 2019.
[26] Giannadaki D, Giannakis E, Pozzer A, et al. Estimating health and economic benefits of reductions in air pollution from agriculture[J]. Science of the Total Environment, 2018, 622-623: 1304-1316. DOI:10.1016/j.scitotenv.2017.12.064
[27] Lu X C, Lin C Q, Li Y, et al. Assessment of health burden caused by particulate matter in southern China using high-resolution satellite observation[J]. Environment International, 2017, 98: 160-170. DOI:10.1016/j.envint.2016.11.002
[28] Matus K, Nam K M, Selin N E, et al. Health damages from air pollution in China[J]. Global Environmental Change, 2012, 22(1): 55-66. DOI:10.1016/j.gloenvcha.2011.08.006
[29] Maji K J, Ye W F, Arora M, et al. PM2.5-related health and economic loss assessment for 338 Chinese Cities[J]. Environment International, 2018, 121: 392-403. DOI:10.1016/j.envint.2018.09.024
[30] OE CD. The economic consequences of outdoor air pollution[M]. Paris: OECD, 2016.
[31] 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
[32] 谢华, 朱天怡, 刘美岑, 等. ACOS与同期哮喘和COPD患者住院情况调查分析[J]. 现代生物医学进展, 2015, 15(32): 6279-6282.
Xie H, Zhu T Y, Liu M C, et al. Investigation and analysis of hospitalized patients of ACOS with asthma and COPD at the same time[J]. Progress in Modern Biomedicine, 2015, 15(32): 6279-6282.
[33] 国家卫生计生委统计信息中心. 2013第五次国家卫生服务调查分析报告[M]. 北京: 中国协和医科大学出版社, 2015.
[34] 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.
[35] 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.
[36] 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. DOI:10.3969/j.issn.1000-6923.2017.07.045
[37] 李惠娟, 周德群, 魏永杰. 2015~2018年我国PM2.5健康损害价值的动态评估[J]. 环境科学, 2020, 41(12): 5225-5235.
Li H J, Zhou D Q, Wei Y J. Dynamic assessment of PM2.5 health damage value in China from 2015 to 2018[J]. Environmental Science, 2020, 41(12): 5225-5235.
[38] 北京市人民政府. 北京市2013-2017年清洁空气行动计划[EB/OL]. http://news.bjx.com.cn/html/20130918/460558.shtml, 2020-08-18.
[39] 北京市人民政府. 北京市空气重污染应急预案[EB/OL]. http://www.bjrd.gov.cn/zt/qxzh/yjya/201606/t20160606_163813.html, 2020-08-18.