2021, Vol. 42
2. 中国科学院西北生态环境资源研究院, 兰州 730000;
3. 中国环境科学研究院环境基准与风险评估国家重点实验室, 北京 100012;
4. 重庆工商大学管理科学与工程学院, 重庆 400067
2. Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China;
3. State Key Laboratory of Environmental Criteria and Risk Assessment, Chinese Research Academy of Environmental Sciences, Beijing 100012, China;
4. School of Management Science and Engineering, Chongqing Technology and Business University, Chongqing 400067, China
近十年来, PM2.5一直是我国大部分地区环境空气的首要污染物.尽管过去几年PM2.5污染已明显改善, 但许多发达地区PM2.5年均浓度仍高出WHO空气质量准则(WHO AQG: 10 μg·m-3)5倍以上[1, 2].长期暴露在高水平PM2.5浓度下, 给我国的生态环境、公共健康及社会经济带来了严重威胁[2~4].全球疾病负担(GBD)研究显示, 2015年全球约420万人因PM2.5污染过早死亡, 其中我国大约逾110万人, 远高于欧洲和北美[5]. PM2.5污染不仅会对健康造成直接损害, 同时也会增加健康支出, 进而造成经济损失.根据世界银行报道, 从1990~2013年, 我国PM2.5污染造成的健康经济损失从0.13万亿美元增至1.59万亿美元[6].然而, 这些全球研究都是基于国家尺度的整体分析, 没有对我国不同地区的差异进行评估, 在空间尺度上, 需准确评估不同地区归因于PM2.5污染的健康负担和经济损失, 以便因地制宜地制定出基于证据的优先决策.
目前, 地面监测数据已被广泛应用于PM2.5污染的健康影响评估[7~10].例如, Liu等[7, 8]基于PM2.5监测数据分析了2013年中国74个重点城市死亡负担, 同时评估了2013~2015年31个省会城市由于PM2.5改善带来的死亡效益; 并且归因于PM2.5污染的健康经济损失评估也在城市/区域层面开始展开[11, 12].然而, 由于监测点主要分布在城市地区, 基于监测数据进行大规模的健康影响和健康经济损失评估存在较大不确定性[10].因此, 空间全覆盖的空气质量模型的暴露评估方法, 是系统评价PM2.5污染健康效应更有效地方法[3], 例如, Yang等[13]和Lu等[14]采用空气质量模型模拟的PM2.5浓度, 分别对京津冀和珠三角地区死亡负担的空间分布进行了评估.此外, 以往的研究多使用国家级健康经济数据和某地区人口总数来评估PM2.5的健康经济损失[2, 5], 但从较小的空间尺度来看, 全国各省份的健康经济状况差异很大, 同一城市不同区域的暴露人口数也各不相同, 因而预估结果往往会偏离真实值, 具有较大的不确定性.
为了定量评估我国PM2.5污染对健康和经济造成的影响, 本研究以2016年为基准年, 利用WRF-Chem空气质量模型, 分析我国PM2.5污染的时空分布特征; 基于目前最流行的健康风险和价值评估方法, 结合PM2.5模拟数据、精细化人口数据、省级基线死亡和经济指标数据, 评估归因于PM2.5污染的过早死亡和健康经济损失, 并对特定疾病和特定地区的评估结果进行比较, 确定其高危地区及敏感性疾病.同时基于未来情景假设, 估算我国2030年实现不同PM2.5标准的潜在健康效益, 以期为决策者加强空气质量改善力度提供可衡量的价值, 服务于美丽中国和健康中国建设.
1 材料与方法 1.1 数据来源与处理 1.1.1 PM2.5观测数据2016年1月~12月的PM2.5逐小时浓度来源于中国环境监测总站信息共享平台(http://106.37.208.233:20035/), 包括我国大陆所有地级市和部分县级环保示范城市在内的366个监测城市.将PM2.5逐小时浓度转化为PM2.5月均值和年均值, 用于模型的性能评估.
1.1.2 人口数据中国人口分布数据来自网格化世界人口数据库(GPWv4, http://sedac.ciesin.columbia.edu/data/collection/gpw-v4/).GPWv4提供了2015年分辨率为2.5弧分(约5 km×5 km)的人口数据, 本研究首先利用插值法将其分辨率转换为36 km×36 km, 然后利用2016年分地区年末人口数推断出2016年网格人口数[15]. 2016年国家尺度的年龄结构数据来自于文献[15], 用于计算儿童(< 5岁)和成人(≥25岁)人口数.
1.1.3 基线死亡和经济指标数据国家级疾病特异性基线死亡率来自GBD数据库(http://ghdx.healthdata.org/gbd-results-tool).省级基线死亡数据来自中国疾病预防控制中心对我国各地区的死因调查, 此来源数据仅提供了2013年的死亡率[16].因此, 本研究将这两个数据库结合, 推算出2016年省级水平的疾病特异性基准死亡率.2016年省级水平的人均可支配收入来源于文献[15].
1.2 PM2.5浓度模拟 1.2.1 WRF-Chem模型本研究采用空气质量模型WRF-Chem[17]估算我国2016年地表PM2.5浓度.WRF-Chem模型完整考虑了大气物理和大气化学过程, 能有效模拟气态污染物和气溶胶的排放、传输、混合和化学转化.模拟区域的中心点为(36.3°N, 102.2°E), 水平分辨率为36 km×36 km, 网格点数为144×124, 模拟区域覆盖整个中国及其周边地区, 如图 1所示.气象初始场和边界条件来自NCEP-FNL再分析资料(http://rda.ucar.edu/datasets/ds083.2); 化学初始场和边界条件来自MOZART-4全球模式输出(https://www.acom.ucar.edu/wrf-chem/download.shtml); 人为排放源采用清华大学基于2016年度数据开发的MEIC清单(http://www.meicmodel.org/), 为覆盖全中国的0.25°×0.25°月排放数据[18].本研究中WRF-Chem的详细配置见表 1.
|
图 1 WRF-Chem模拟区域设置及研究区域划分示意 Fig. 1 WRF-Chem simulated domain and study area division |
|
表 1 WRF-Chem模拟配置 Table 1 WRF-Chem simulation configurations |
1.2.2 模型评估
为评估WRF-Chem模拟效果, 引入平均误差(MB)、均方根误差(RMSE)、标准化平均偏差(NMB)和相关系数(CC)这4个评价指标[19], 对PM2.5的模拟值和监测值进行误差分析.由表 2可见, PM2.5模拟值与观测值吻合较好, 除冬季外, MB均小于10 μg·m-3; 年均浓度的RMSE、NMB和CC分别为16.79 μg·m-3、3.97%和0.69, 与现有研究具有可比性[19].模拟偏差主要归因于排放清单、大气物理和化学过程模拟中不可避免的不确定性[3].
|
|
表 2 PM2.5浓度的模拟值与PM2.5浓度的监测值的统计性描述 Table 2 Statistics of simulated and observed data of PM2.5 concentrations |
1.3 健康影响评估
本研究采用流行病学暴露-响应关系式评估PM2.5污染对健康的慢性影响, 主要包括5种疾病的过早死亡：成人的肺癌、慢性阻塞性肺病、冠心病和中风, 以及儿童的下呼吸道感染[20].健康影响方程如下：
|
(1) |
式中, ΔMort表示归因于PM2.5污染所导致的某疾病过早死亡人数(万人); y0表示某疾病的基线死亡率(每10万人); Pop表示暴露人口数(万人); RR(c)表示特定浓度c下某疾病导致死亡的相对风险.其中, RR(c)可通过GBD建立的综合暴露-响应(IER)模型进行计算[21]：
|
(2) |
式中, c0表示PM2.5浓度阈值(5.8~8.0 μg·m-3), 假设低于此浓度不会对人体产生致命危害[20]; α、γ和δ为函数参数, 可限定不同疾病浓度-响应关系的形状[21].不同疾病在各浓度水平下的RR值从GBD网站(http://ghdx.healthdata.org/record/ihme-data/gbd-2010-ambient-air-pollution-risk-model-1990-2010)获取.
1.4 健康经济损失评估本研究采用统计生命价值(VSL)进行货币化评估过早死亡风险.VSL代表经济价值, 用来衡量个体对降低/规避死亡风险的边际支付意愿.具体省份的VSL主要取决于所在省份的人均可支配收入.由于我国没有特定省份的VSL预估值, 因此采用效益转换方法, 即在调整人均可支配收入差异后, 根据已有省份(如北京)的基准VSL推导出特定省份的VSL.具体推导方法如下[10]：
|
(3) |
式中, VSLi, 2016表示2016年某省份经调整后的统计生命价值(万元); VSLbase为基准统计生命价值, 本研究选择2012年北京市最新的VSL研究结果, 取值13.2万美元(近似93.6万元)[22]; Ii, 2016表示2016年某省份的人均可支配收入(元); Ibase为基准人均可支配收入(元), 即2012年北京市人均可支配收入; β为收入弹性系数, 取值0.8[23].
将式(1)和式(3)相乘, 即可得到归因于PM2.5污染的健康经济损失ΔE：
|
(4) |
随着污染控制政策的不断加强, 我国未来的PM2.5浓度有望大幅度降低.为了评估我国PM2.5下降带来的健康效益和经济效益, 本研究设置了4种控制情景, 即PM2.5在所有超过定义阈值的地方下降到目标浓度.具体地, 本研究采用了WHO指定的4个目标浓度：空气质量准则(WHO AQG: 10 μg·m-3)以及3个过渡目标(WHO IT-1: 35 μg·m-3、WHO IT-2: 25 μg·m-3、WHO IT-3: 15 μg·m-3).健康效益及其经济效益可根据基准情景和控制情景之间的差值进行计算.
2 结果与讨论 2.1 PM2.5污染水平和暴露人口 2.1.1 PM2.5污染水平基于WRF-Chem模拟数据, 首先绘制了2016年我国PM2.5年均浓度的空间分布, 如图 2所示.从全国范围来看, PM2.5年均浓度存在显著空间差异, 华北、东部沿海和西北沙漠等地污染水平较高, 东北、华南和西南污染水平较低.其中, PM2.5年均浓度超过90 μg·m-3的区域普遍位于新疆塔克拉玛干沙漠和内蒙古阿拉善沙漠, 主要来自沙尘源的影响[24], 但考虑到这些区域人口稀少, 高污染不会带来过大的健康影响; 此外, PM2.5年均浓度超过国家二级标准限值(35 μg·m-3)的区域主要分布在京津冀及周边地区、长三角地区、汾渭平原、四川盆地、长江中游城市群以及其他个别城市, 人口密度高、社会经济活动集中、污染物排放强度高是根本原因[25]; 而京津冀及周边地区和四川盆地等部分区域PM2.5年均浓度达到70~90 μg·m-3, 除自身高排放影响外, 还受不利气象条件和复杂地形影响, 使之易形成污染物的辐合汇聚带, 进而会对大气环境造成负面影响[26, 27].值得注意的是, 同属人口和社会经济活动集中的珠三角地区, 2016年PM2.5年均浓度普遍低于35 μg·m-3, 达到国家二级标准限值, 这与珠三角地区率先开展的一系列大气污染治理工作密不可分, 如制定区域污染减排目标、区域联防联控和大气复合型污染治理等措施[28~30], 对区域空气质量改善带来显著效果.
|
图 2 2016年我国PM2.5年均浓度的空间分布 Fig. 2 Spatial distribution of annual PM2.5 concentrations in China in 2016 |
利用WRF-Chem模拟的PM2.5浓度和人口分布数据, 估算2016年暴露于不同PM2.5浓度下的人口比例(图 3).由图 3可以看出, 2016年, 全国仅有1.69%的人口居住在PM2.5年均浓度小于15 μg·m-3的环境中, 而71.49%的人则居住在PM2.5年均浓度大于35 μg·m-3的环境中, 其中总人口的13.43%暴露在PM2.5年均浓度大于70 μg·m-3的高污染环境中.相比较而言, 全球平均水平要乐观很多, 相对应的人口比例分别为40%、19%和8%, 清洁空气主要集中在欧美等发达国家[20].
|
图 3 2016年PM2.5不同污染区间的人口频率分布 Fig. 3 Population frequency distribution of different PM2.5 pollution zones in 2016 |
利用我国2016年的PM2.5年均浓度、基线死亡率和人口数据, 结合IER模型[21], 估算归因于PM2.5污染的下呼吸道感染、肺癌、慢性阻塞性肺病、冠心病和中风过早死亡人数, 如图 4所示.2016年, 我国归因于PM2.5污染的过早死亡为106.04万例, 占全国总死亡人数的10.9%(2016年我国总死亡人数为977万例[15]), 这一死亡数甚至超过了一些重要的死亡风险因素, 例如, 2016年全国因交通事故导致的死亡人数为6.3万[31], 因吸烟所致的死亡人数约为100万[32].
|
图 4 2016年归因于PM2.5污染的各种相关疾病的过早死亡比例 Fig. 4 Proportion of premature deaths attributable to PM2.5 pollution for each disease in 2016 |
2016年我国归因于PM2.5污染的5种疾病过早死亡中, 中风是最主要的死因(52.76%), 其次是冠心病(26.85%)、慢性阻塞性肺病(11.48%)和肺癌(8.57%), 下呼吸道感染的比例最低, 为0.34%.考虑到2016年中国大陆的总人口数为13.82亿[15], 2016年全国每10万人中就有77人因PM2.5污染而过早死亡, 平均死亡率达0.77‰.在这77人中, 大约有43人死于中风, 21人死于冠心病, 主要由于这两种疾病(心脑血管疾病)在我国的发病率和死亡率均高于其他3种疾病[33]. 2016年, 心脑血管疾病的归因死亡贡献接近80%, 这比WHO报道的全球平均水平(49%)高出不少[34]; 更令人不安的是, 随着慢性疾病风险因素的流行和人口老龄化的加剧, 预计未来我国心脑血管疾病负担还会进一步增加[35].为减少心脑血管疾病的归因死亡, 一方面需通过改善医疗服务体系和转变生活方式, 缓解心脑血管疾病的发病率和死亡率; 另一方面应采取更加积极的空气污染防治措施, 减少居民的PM2.5暴露水平, 特别是减轻心脑血管疾病患者免受PM2.5污染的危害.
2.2.2 归因死亡区域分析PM2.5归因死亡的空间分布见图 5.可以看出, 2016我国不同地区的归因死亡存在明显差异, 与PM2.5年均浓度的空间分布相似, 京津冀及周边、长三角、汾渭平原、四川盆地和长江中游城市群等高污染地区的归因死亡也较高; 而东北、西北和西南等地区较低, 特别是在人口密度较低的区域, 如西北沙漠地区, 虽然具有很高的PM2.5浓度, 但由于过低的人口密度, 导致归因死亡也很低; 相反, PM2.5浓度相对较低的珠三角却出现了大量的归因死亡, 这主要可能由高人口密度造成的; 此外, 图中也零星分布着一些归因死亡高值区, 主要与人口密集的城市地区相对应.由此可见, 对于不同地区应结合实际, 因地制宜地制定优先污染控制政策具有重要意义, 而对于人口密集的地区, 空气质量标准和控制政策应该更加严格, 以避免更多的PM2.5归因死亡.
|
图 5 2016年我国归因于PM2.5污染的过早死亡空间分布 Fig. 5 Spatial distribution of premature deaths caused by PM2.5 pollution in China in 2016 |
不同省份的PM2.5归因死亡负担也存在差异(图 6).2016年, 河南是PM2.5归因死亡数最多的省份, 为10.64万人, 其次山东、河北和四川等省份超过6.5万人, 上述4个省份贡献了全国PM2.5归因死亡的1/3; 与之对应, 西藏是归因死亡数最少的地区, 仅有77人, 海南、青海和宁夏等省份也很低, 均在6 000人以下.此外, 为消除人口数对健康负担的影响, 更直观了解PM2.5污染导致的过早死亡, 通过除以各省份人口总数的方式计算其PM2.5归因死亡率.结果显示, 河南和河北的PM2.5归因死亡率最高, 2016年每10万人中分别有112人和106人过早死亡.此外, 还有4个省份的归因死亡率超过了0.9‰, 这大约是全球平均水平的两倍[20], 反映了我国这些省份较高的污染水平.我国大陆31个省级行政区中, 只有西藏、海南、浙江、云南、福建和青海等6个省份的归因死亡率低于世界平均水平, 凸显了我国大面积控制空气污染的紧迫性.
|
图 6 2016年我国各省份归因于PM2.5的过早死亡 Fig. 6 Premature mortality due to PM2.5 pollution in different provinces in 2016 |
由于空气污染加重了健康负担, 从而增加额外医疗支出, 进而引起健康经济损失.基于统计生命价值和归因死亡数, 估算2016年我国PM2.5归因死亡的健康经济损失, 合计7 059.31亿元, 相当于人均损失510.80元, 占GDP的0.95%(2016年我国GDP为743 585亿元[15]).在省级水平上, 山东的健康经济损失最高, 为681.46亿元, 其次为河南(577.48亿元), 江苏、广东和河北也处于较高水平, 分别为487.32、473.75和451.42亿元, 上述5个省份贡献了全国健康经济损失的39.27%; 相反, 西藏的健康经济损失最低, 仅为0.33亿元, 青海、海南和宁夏均在30亿以下.此外, 人均健康经济损失较高的省份主要集中在北京、天津、山东和上海等经济发达和PM2.5污染严重的地区, 而西藏、海南、云南、青海和甘肃等经济相对落后和污染较轻的省份人均健康经济损失较少(图 7).不同省份的健康经济损失主要取决于当地的归因死亡水平和死亡健康成本(即统计生命价值, 由人均可支配收入控制), 归因死亡水平和死亡健康成本高的地区, 健康经济损失也相对较高.例如, 2016年北京的归因死亡人数(1.44万人)低于贵州(3.30万人), 但健康经济损失(180.90亿元)却高于贵州(152.55亿元), 主要是由北京较高的人均可支配收入造成的(北京和贵州分别为52 530元和15 121元)[15].
|
图 7 2016年我国各省份归因于PM2.5过早死亡的健康经济损失 Fig. 7 Economic losses due to PM2.5 pollution in different provinces in 2016 |
近年来, 政府已采取多项措施积极控制空气污染, 规划我国在2030年实现PM2.5全面达标(WTO IT-1：35 μg·m-3)[36].如果此目标得以实现, PM2.5归因死亡人数将在2016年的基础上减少18.15万, 下降幅度为17.11%(表 3).然而, 如果考虑未来的人口趋势, 降低PM2.5并不一定会减轻健康负担.据报道, 到2030年, 我国总人数预计将达到14.6亿, 其中60岁以上老年人高达24.8%[37].一项最新的研究显示, 由于人口增长和老龄化的加剧, 即使2030年我国所有地区的PM2.5浓度均达到35 μg·m-3, PM2.5归因死亡仍会增加28万[38].因此, 我国需要将PM2.5降至更低水平, 才能避免足够的归因死亡.为此, 设定2030年我国PM2.5浓度分别达到WHO IT-2、IT-3和AQG标准, 估算可以避免的归因死亡及其健康经济损失(表 3), 与2016年相比, 2030年PM2.5分别达到上述标准, 我国归因死亡人数将分别减少35.05万、65.52万和85.33万.
|
|
表 3 2030年不同情景下的健康效益和健康经济效益1) Table 3 Premature death and health economic benefits in different scenarios in 2030 |
PM2.5浓度下降不仅可以带来健康效益, 还可通过减少健康支出带来潜在经济效益.2030年若能满足WHO IT-1标准, 每年平均可避免约1 207.81亿元的健康经济损失; 如果进一步将PM2.5浓度降至IT-2和IT-3标准, 每年可分别避免约2332.98亿元和4361.75亿元的健康经济损失; 考虑一个雄心勃勃的目标, 将PM2.5浓度降至AQG标准, 每年可避免的健康经济损失将达到5 680.57亿元, 这一健康经济效益甚至超过了我国一些重要支出, 如2016年, 全国节能环保、文化体育与传媒支出、商业服务业等支出分别为4 734.82、3 163.08和1 742.82亿元[15], 均低于达到AQG标准后的健康经济效益.
总体来看, 减少污染带来的健康效益和经济效益巨大, 考虑到PM2.5浓度和过早死亡的超线性关系, 随着空气质量的进一步改善, 单位PM2.5降低带来的边际效益会越来越大[20].因此, 我国有必要实施更加强劲的污染控制政策, 在获得较高边际效益的同时, 并在一定程度上抵消人口增长和老龄化的影响, 从而在更大程度上减轻污染造成的健康负担和经济损失.
3 结论(1) 2016年, PM2.5污染主要集中在工业化和城市化水平较高的京津冀及周边地区、长三角地区、汾渭平原、四川盆地和长江中游城市群.此外, 全国有71.49%的居民生活在PM2.5年均浓度超过国家二级标准的环境中, 远高于全球平均水平(19%).
(2) 2016年, 我国因PM2.5污染造成约106.04万人过早死亡, 并带来7 059.31亿元的健康经济支出, 分别占全国总死亡人数的10.9%和GDP的0.95%, 其中冠心病和中风贡献了约80%.相比西北、西南和东北等地, 京津冀、长三角等污染严重和经济发达的地区健康经济损失更大.
(3) 如果PM2.5年均浓度达到国家二级标准, 我国每年因PM2.5导致的过早死亡和健康经济损失将减少17.11%, 进一步加强控制使PM2.5浓度降至WHO AQG标准, 将带来80.47%的健康经济效益.为减少PM2.5对健康经济的影响, 我国需要持续努力减少污染, 并在现有科学证据的基础上系统地实施控制措施和改善计划.
| [1] |
王跃思, 李文杰, 高文康, 等. 2013~2017年中国重点区域颗粒物质量浓度和化学成分变化趋势[J]. 中国科学: 地球科学, 2019, 62(4): 453-468. Wang Y S, Li W J, Gao W K, et al. Trends in particulate matter and its chemical compositions in China from 2013-2017[J]. Science China Earth Sciences, 2019, 62(12): 1857-1871. |
| [2] | 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 |
| [3] |
薛涛, 刘俊, 张强, 等. 2013~2017年中国PM2.5污染的快速改善及其健康效益[J]. 中国科学: 地球科学, 2019, 62(4): 441-452. Xue T, Liu J, Zhang Q, et al. Rapid improvement of PM2.5 pollution and associated health benefits in China during 2013-2017[J]. Science China Earth Sciences, 2019, 62(12): 1847-1856. |
| [4] |
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. |
| [5] | 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 |
| [6] | World Bank, Institute for Health Metrics and Evaluation. The cost of air pollution: strengthening the economic case for action[M]. Washington, DC: World Bank, 2016. |
| [7] | 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 |
| [8] | Liu T, Cai Y Y, Feng B X, et al. Long-term mortality benefits of air quality improvement during the twelfth five-year-plan period in 31 provincial capital cities of China[J]. Atmospheric Environment, 2018, 173: 53-61. DOI:10.1016/j.atmosenv.2017.10.054 |
| [9] | Guan Y, Kang L, Wang Y, et al. Health loss attributed to PM2.5 pollution in China's cities: Economic impact, annual change and reduction potential[J]. Journal of Cleaner Production, 2019, 217: 284-294. DOI:10.1016/j.jclepro.2019.01.284 |
| [10] |
曾贤刚, 阮芳芳, 彭彦彦. 基于空间网格尺度的中国PM2.5污染健康效应空间分布[J]. 中国环境科学, 2019, 39(6): 2624-2632. Zeng X G, Ruan F F, Peng Y Y. Health effects' spatial distribution analysis of PM2.5 pollution in China based on spatial grid scale[J]. China Environmental Science, 2019, 39(6): 2624-2632. DOI:10.3969/j.issn.1000-6923.2019.06.046 |
| [11] |
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. |
| [12] | Wang J, Zhang L, Niu X, et al. Effects of PM2.5 on health and economic loss: Evidence from Beijing-Tianjin-Hebei region of China[J]. Journal of Cleaner Production, 2020, 257. DOI:10.1016/j.jclepro.2020.120605 |
| [13] | Yang H, Tao W, Liu Y, et al. The contribution of the Beijing, Tianjin and Hebei region's iron and steel industry to local air pollution in winter[J]. Environmental Pollution, 2018, 245: 1095-1106. |
| [14] | Lu X C, Yao T, Fung J C H, et al. Estimation of health and economic costs of air pollution over the Pearl River Delta region in China[J]. Science of the Total Environment, 2016, 556-567: 134-143. |
| [15] | 中华人民共和国国家统计局. 中国统计年鉴: 2017[M]. 北京: 中国统计出版社, 2017. |
| [16] | 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 |
| [17] | Grell G A, Peckham S E, Schmitz R, et al. Fully coupled "online" chemistry within the WRF model[J]. Atmospheric Environment, 2005, 39(37): 6957-6975. DOI:10.1016/j.atmosenv.2005.04.027 |
| [18] | Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission[J]. Atmospheric Chemistry and Physics, 2009, 9: 5131-5153. DOI:10.5194/acp-9-5131-2009 |
| [19] | Zheng Y X, Xue T, Zhang Q, et al. Air quality improvements and health benefits from China's clean air action since 2013[J]. Environmental Research Letters, 2017, 12(11). DOI:10.1088/1748-9326/aa8a32 |
| [20] | Apte J S, Marshall J D, Cohen A, et al. Addressing global mortality from ambient PM2.5[J]. Environmental Science & Technology, 2015, 49(13): 8057-8066. |
| [21] | 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. DOI:10.1289/ehp.1307049 |
| [22] | Yin H, Pizzol M, Xu L Y. External costs of PM2.5 pollution in Beijing, China: uncertainty analysis of multiple health impacts and costs[J]. Environmental Pollution, 2017, 226: 356-369. DOI:10.1016/j.envpol.2017.02.029 |
| [23] | Organization for Economic Co-operation and Development. The economic consequences of outdoor air pollution[M]. Paris: OECD Publishing, 2016. |
| [24] | Li Y, Zhao X, Liao Q, et al. Specific differences and responses to reductions for premature mortality attributable to ambient PM2.5 in China[J]. Science of the Total Environment, 2020, 742. DOI:10.1016/j.scitotenv.2020.140643 |
| [25] |
马宗伟. 基于卫星遥感的我国PM2.5时空分布研究[D]. 南京: 南京大学, 2015. Ma Z W. Study on spatiotemporal distributions of PM2.5 in China using satellite remote sensing[D]. Nanjing: Nanjing University, 2015. |
| [26] | Gao L, Wang T, Ren X, et al. Impact of atmospheric quasi-biweekly oscillation on the persistent heavy PM2.5 pollution over Beijing-Tianjin-Hebei region, China during winter[J]. Atmospheric Research, 2020, 242. DOI:10.1016/j.atmosres.2020.105017 |
| [27] |
蒋婉婷, 谢汶静, 王碧菡, 等. 2014-2016年四川盆地重污染大气环流形势特征分析[J]. 环境科学学报, 2019, 39(1): 180-188. Jiang W T, Xie W J, Wang B H, et al. Analysis on the characteristics of heavy pollution atmospheric circulation in the Sichuan Basin from 2014 to 2016[J]. Acta Scientiae Circumstantiae, 2019, 39(1): 180-188. |
| [28] | 广东省人民政府. 珠江三角洲环境保护规划纲要(2004-2020年)[R]. 广州: 广东省人民政府, 2005. |
| [29] | 广东省人民政府. 广东省珠江三角洲大气污染防治办法[R]. 广州: 广东省人民政府, 2009. |
| [30] | 广东省环境保护厅, 广东省发展和改革委员会, 广东省经济和信息化委员会, 等. 广东省珠三角洲清洁空气行动计划第二阶段(2013年-2015年)空气质量持续改善实施方案[R]. 广州: 广东省人民政府, 2013. |
| [31] | Matthias G, 胡予红, 周旋, 等. 道路交通运输安全发展报告(2017)[J]. 中国应急管理, 2018(2): 48-58. |
| [32] | 中华人民共和国卫生部. 中国吸烟危害健康报告[M]. 北京: 人民卫生出版社, 2012. |
| [33] | 国家卫生计生委疾病预防控制局. 中国居民营养与慢性病状况报告(2015年)[M]. 北京: 人民卫生出版社, 2015. |
| [34] | World Health Organization. Ambient air pollution: Health impacts[EB/OL]. https://www.who.int/airpollution/ambient/health-impacts/en/, 2018-05-02. |
| [35] |
胡盛寿, 高润霖, 刘力生, 等. 《中国心血管病报告2018》概要[J]. 中国循环杂志, 2019, 34(3): 209-220. Hu S S, Gao R L, Liu L S, et al. Summary of the 2018 report on cardiovascular diseases in China[J]. Chinese Circulation Journal, 2019, 34(3): 209-220. DOI:10.3969/j.issn.1000-3614.2019.03.001 |
| [36] |
赵华林. 国家环保"十三五"规划编制思路[J]. 环境保护, 2014, 42(22): 28-32. Zhao H L. Progress of formulating "13th Five-year Plan" for national environmental protection[J]. Environmental Protection, 2014, 42(22): 28-32. |
| [37] | United Nations, Department of Economic and Social Affairs, Population Division. World population prospects 2019[M]. New York: United Nations, 2019. |
| [38] | Yue H B, He C Y, Huang Q X, et al. Stronger policy required to substantially reduce deaths from PM2.5 pollution in China[J]. Nature Communications, 2020, 11(1). DOI:10.1038/s41467-020-15319-4 |