2023, Vol. 44
2. 上海市环境科学研究院国家大气环境保护城市大气复合污染成因与防治重点实验室, 上海 200233
, DAI Hai-xia2
, ZHANG Yun-hui1 , QIAO Li-ping2 , MA Ying-ge2 , AN Jing-yu2 , HUANG Cheng2
2. State Environmental Protection Key Laboratory of Formation and Prevention of Urban Air Pollution Complex, Shanghai Academy of Environmental Sciences, Shanghai 200233, China
近年来我国臭氧(O3)污染呈现上升趋势, 尤其在工业和人口密集的重点地区O3污染程度更为严重[1].长江三角洲(以下简称长三角)地区是我国经济发展最活跃的地区之一.近年来, 在地区经济水平和产业活动高速发展的同时, 也面临着以PM2.5和O3为特征的地区性大气污染问题[2], 特别是近年来近地面O3呈缓慢抬升趋势, 地区大气氧化性也呈现增强特征[3, 4].根据国家生态环境部公报[5], 2017年, 长三角地区以O3作为首要污染物的占比达到50.4%, 开始超过PM2.5(44.5%), 并且在之后的3 a, 均居首要污染物占比首位.2020年, 尽管受疫情影响, 以O3作为首要污染物的占比仍然达到50.7%, 超出PM2.5占比(45.1%), 较2019年提升1.2%.
作为一种由光化学反应生成的二次污染物[6], O3污染暴露对人群健康产生潜在危害.多项流行病学研究发现O3暴露与死亡、呼吸系统和心血管系统疾病发生存在密切关联.Vicedo-Cabrera等[7]针对全球20个国家406个地区研究分析发现, 短期的O3暴露与死亡风险有关, 平均而言, 短期O3每升高10μg·m-3总体的相对死亡风险为1.0018; 有研究显示[8, 9], 短期O3暴露与非意外全因死亡率, 呼吸系统疾病和心血管疾病死亡率增加有关, 分析发现O3浓度每增加10μg·m-3, 有0.48%增长的死亡率可归因于O3暴露; Yin等[10]通过对全国272个具有代表性城市研究发现, 短期的O3暴露会造成更高的非意外全因和心血管疾病死亡率, 同时与高血压疾病、冠状动脉疾病和中风的死亡率有关.此外, 有研究表明[11], 短期O3暴露对呼吸和心血管系统的影响包括肺功能下降、气道高反应性、心率失常和心肌梗死.目前关于长期O3暴露对健康的影响研究较少且集中在国外, Jerrett等[12]基于ACS CPS-Ⅱ队列(american cancer society cancer prevention study-Ⅱ)发现随着O3浓度的增加与呼吸系统导致死亡风险增加有关.Lim等[13]基于美国NIH-AARP队列(nih-aarp diet and health study)研究发现长期暴露于O3与多种疾病的死亡风险显著相关, 包括心血管疾病、缺血性心脏病、呼吸系统疾病和COPD.Turner等[14]在2016更新了ACS CPS-Ⅱ队列分析, 并评估了与长期O3暴露相关的特定原因死亡率, 更新的CPS-Ⅱ队列涉及更多的参与者(近67万人)和更多的死亡人数(超过23.7万人).这项大规模的前瞻性研究不仅重申了环境O3暴露和呼吸系统死亡风险的联系, 还评估了O3对心血管系统死亡风险的长期贡献.
2017年以来, 长三角地区深入推进打赢蓝天保卫战三年行动计划, 加强PM2.5和O3协同控制, 空气质量出现明显改善, 长三角地区PM2.5浓度不断降低, O3浓度也呈现一定降低.然而, 长三角地区不同地区O3污染水平和人口分布存在差异, 并且O3的季节分布特征差异显著, 需要在时间和空间尺度准确耦合人口和污染物数据, 细化评估长三角地区O3浓度暴露水平变化对人群健康的影响, 从而更好地为后续环境政策的制定提供基础数据.为此, 本文基于长三角地区2017~2020年国控监测站点环境监测数据, 利用空间分析方法和环境健康风险评价方法, 评估地区O3污染时空分布特征及O3暴露水平改善所带来的健康收益, 并且根据O3前体物的治理成本初步估算了O3控制的费效比, 以期为后期大气污染治理政策制定提供参考依据.
1 材料与方法 1.1 数据来源和处理长三角地区地面O3监测数据来自中国环境监测总站的全国城市空气质量实时发布平台, 包括长三角地区41个城市210个国控监测站点O3逐小时浓度数据, 为了观察PM2.5浓度与O3浓度变化趋势之间的关联, 研究同步收集了PM2.5逐小时浓度数据.时间范围为2017年1月1日至2020年12月31日.月均值、暖季(4~9月)和冷季(10~3月)均值采用日最大8 h滑动平均值(O3_8h_max)算术平均值, 年均值采用日O3_8h_max的90%百分位数.通过取城市站点的O3浓度算术平均值来表示该城市的总体O3状况.基准年和评价年人口网格化数据通过查阅统计年鉴[15]中常住人口数据和夜间灯光投影卫星数据[16], 并结合Zhu等[17]开发的1 km×1 km网格制成, 监测站点和人口分布情况见图 1.
|
图 1 长三角地区常住人口和监测站点空间分布 Fig. 1 Spatial distribution of resident population and monitoring stations in the YRD |
模拟地区大气污染物质量浓度的空间分布, 常用的插值方法有普通克里格(ordinary Kriging, OK)、反距离加权法(inverse distance weighted, IDW)和Voronoi领域平均(voronoi natural neighbor average, VNA), 对监测站数据进行插值时采用VNA法, 模拟效果比较好[18].因此本研究使用VNA法对长三角地区监测站点O3值数据进行地区空间插值, 得到栅格像元值并在城市尺度上赋值得到城市O3浓度.
1.2.2 自相关分析采用全局莫兰指数(global Moran's index, I)分析长三角地区城市层面暖季O3均值的空间自相关, I值范围介于-1~1之间.I>0为正相关, 数值越大表示城市间暖季O3浓度均值空间分布的相关性越大, I < 0为负相关, 数值越小表示城市间暖季O3浓度均值空间分布的相关性小, 差异性大.I趋于0时, 表示城市间暖季O3浓度均值的空间分布呈现随机分布的情形.进一步利用冷热点分析(gstis-ord, Gi*)对城市间暖季O3浓度均值的空间集聚特征进行分析[19, 20].具体公式如下：
|
(1) |
式中, N为长三角41个城市数, Wij为空间权重矩阵, 城市相邻取值1, 不相邻取值0.Xi和Xj分别为城市i和城市j的暖季O3浓度均值, X为城市暖季O3浓度均值的平均值.
|
(2) |
式中, n为城市个数, Xj为城市j的暖季O3浓度均值, X为城市暖季O3浓度均值的平均值, Wij为空间权重矩阵.
1.3 人群暴露特征分析采用基于人口加权的大气污染物暴露模型[21]评估长三角地区41个地级市人口加权O3污染暴露水平, 该模型以不同暴露浓度下的人口数作为权重, 能够更客观、合理地反映O3污染对人群健康的影响.计算公式如下：
|
(3) |
式中, PO3为长三角地区各城市人口加权O3浓度, Pi为各栅格像元内的人口数, O3, i为栅格像元内的O3质量浓度, P为长三角地区各城市人口数.
1.4 人群健康效应评估采用Benmap-CE 1.5(environmental benefits mapping and analysis program-community edition 1.5)估算O3暴露浓度变化的人群健康效应, 由于目前国内关于O3长期暴露健康效应的暴露反应关系研究缺乏, 因此根据调研[22, 23], 本文主要采用了国内O3短期暴露流行病学暴露反应关系系数, 具体如表 1所示.根据国际疾病分类第10版, 选择全因早逝(A00-R99)、呼吸系统疾病早逝(J00-J99)和心血管疾病早逝(I00-I99)作为健康效应终点, 基线发病率来自文献[24].有研究表明[25], 近年来中国暖季O3平均暴露水平较全球其地区增长趋势更快, 并且校正温度后暖季O3暴露与死亡率的关联可能更强[26], 因此, 本文以暖季O3均值作为评价指标, 以WHO推荐的暖季O3浓度指导值60 μg·m-3作为无损阈值[27], 评估2017~2020年长三角地区由于暖季O3浓度的改变造成的超额早逝人数变化, 同时以2017年作为基准年, 2020年作为控制年, 分析蓝天保卫战行动计划实施过程O3污染控制取得的健康效益.
|
表 1 不同健康效应的暴露-反应关系系数1) Table 1 Exposure response relationship coefficients of different health outcomes |
用泊松回归模型来解释暴露-反应关系, 计算公式如下：
|
(4) |
式中, ΔY为不同健康效应终点的避免死亡人数, Y0为不同健康效应终点的基线死亡率, Δx为基线O3浓度与控制面O3浓度差值, POP为O3暴露人口数.
1.5 成本效益评估采用统计生命价值(value of a statistical life, VSL)来货币化健康效益所带来的经济价值[16, 28], VSL用来衡量个体对于避免死亡风险的边际支付意愿, 选择基准VSL的值为524万元[29].鉴于影响支付意愿的其他因素难以控制, 本研究主要通过校正人均可支配收入差异后评估长三角地区各城市的VSL.计算公式如下：
|
(5) |
式中, VSLi, 2020为2020年长三角地区某个城市调整后的统计生命价值, VSLbase基准统计生命价值, Ii, 2020为2020年长三角地区某个城市的人均可支配收入, Ibase为基准VSL对应的人均可支配收入, e为收入弹性参数, 本文取值1.
由于O3污染控制主要是通过削减其前体物, 挥发性有机物(volatile organic compounds, VOCs)和氮氧化合物(ntrogen oxide, NOx)的排放实现, 因此本文参考戴海夏等[30]对长三角地区2017年和2020年期间VOCs和NOx排放清单的评估结果和Zhang等[31]开发的减排潜力和边际减排成本曲线模型对长三角地区主要污染物单位减排成本研究成果.测算2017~2020长三角地区O3污染控制措施的经济成本.计算公式如下：
|
(6) |
式中, TCi, p为地区i的污染物p的总的减排成本, UCi, p为地区i的污染物p的单位减排成本, ΔEMi, p为地区i的污染物p的总的减排量.
2 结果与讨论 2.1 长三角地区O3时空变化特征 2.1.1 时间变化特征2017~2020年, 长三角地区三省一市纳入评价的环境监测站点全年日O3_8h_max超过国家二级标准占比分别为14%、14%、13%和8%, 整体呈现下降趋势[图 2(a)].逐月分布特征见图 2(b), 可以看出年际逐月O3浓度变化趋势基本一致, 4 a长三角地区的O3逐月浓度均值在4月开始即出现高值并一直持续到10月, 呈现“双峰”分布特征, 5月达到峰值141.03 μg·m-3, 9月达到次峰值121.32μg·m-3.有研究显示近地面O3浓度与温度呈正相关, 与相对湿度和大气压呈负相关, O3浓度的升降可能与各气象因子共同作用有关[32, 33].暖季O3浓度均值的年际变化情况如图 2(c)所示, ρ(O3)的中位和四分位范围(inter quartile range, IQR, 括号中数值, 下同)(μg·m-3)分别为: 135.03(121.92~143.40)、130.25(119.19~140.40)、131.51(117.25~140.57)和124.94(111.51~133.94), 中位O3浓度水平波动降低, 四分位数范围呈现高浓度向低浓度位移的趋势.标准差分别为17.18、16.48、16.82和14.34.所有监测站点的暖季O3浓度, 均超过WHO暖季指导值(60μg·m-3), 并且分别有94%、94%、93%和92%的监测站点超过100μg·m-3.年均O3浓度的年际变化情况如图 2(d)所示, ρ(O3)的中位和IQR(μg·m-3)分别为: 172.0(157.0~185.7)、171.6(156.0~181.0)、170.9(152.0~180.4)和155.5(144.0~166.5), 中位O3浓度水平逐年下降, IQR呈现从高浓度向低浓度位移趋势, 标准差分别为20.96、20.23、20.45和17.42.年均O3浓度超过国家二级标准的占比逐年降低, 但是整体距离国家一级标准还有距离.
|
(a)不同等级日O3浓度监测天数占比, (b)逐月O3浓度均值变化, (c)暖季O3浓度均值变化, (d)年均O3浓度变化 图 2 2017~2020年长三角地区监测站点不同时间尺度O3浓度变化情况 Fig. 2 Changes in O3 concentration at different time scales at monitoring stations in the YRD from 2017 to 2020 |
基于VNA空间插值法模拟2017~2020年长三角地区暖季和冷季O3浓度均值的空间分布, 得到图 3.可以看出, 暖季ρ(O3)的均值区间为79~160μg·m-3, 呈现北高南低的空间分布格局.2019年以前安徽和江苏北部大部分区域的暖季ρ(O3)均值均高于140μg·m-3, 以南京为代表的长三角中部腹地暖季ρ(O3)均值大于140μg·m-3范围呈现逐年扩张趋势, 暖季ρ(O3)均值低于110μg·m-3范围在安徽和浙江南部地区也逐年扩大.2020年长三角地区暖季O3浓度均值普遍降低.长三角地区冷季ρ(O3)均值区间在64~104μg·m-3, 也呈现北高南低的空间分布, 冷季ρ(O3)均值大于100μg·m-3范围主要集中在安徽西部、江苏和浙江沿海地区.整体上看冷季的O3浓度均值相对于暖季较低且分布相对均匀, 一方面暖季的温度和太阳辐射较强更有利于O3的生成[34], 另一方面暖季城市热岛效应显著, O3污染容易在城区聚集不易扩散[35].
|
图 3 2017~2020年长三角地区暖季和冷季O3浓度均值的空间分布 Fig. 3 Spatial distribution of average O3 concentrations in the YRD during the warm and cold seasons from 2017 to 2020 |
为了分析长三角地区暖季O3浓度均值的空间集聚性和变化趋势, 对长三角地区41个城市的暖季O3浓度均值进行空间自相关检验, 计算结果见表 2, 可以看出, 2017~2020年全局Moran's I指数均大于0, 在2020年达到最大值0.79, 说明长三角地区暖季O3浓度均值的空间分布呈现正相关且有上升趋势, 空间自相关性较强, 说明暖季O3浓度均值可能存在空间集聚性特征, 需要进一步论证和分析.
|
|
表 2 2017~2020年长三角地区暖季O3浓度均值全局Moran's I指数 Table 2 Global Moran's I index of mean O3 concentration in warm season in the YRD from 2017 to 2020 |
为了进一步分析长三角地区暖季O3浓度均值的高低值在空间尺度上的集聚性, 以市级单元为基础进行冷热点分析, 结果见图 4.从逐年的情况看, 2017年暖季O3浓度均值的高值集聚分布的热点区主要位于以徐州和淮北为代表的长三角北部地区, 2018~2019年暖季O3浓度均值的高值集聚分布热点区有所扩大, 由长三角北部逐步扩展至长三角北部和中部地区, 形成带状分布特征.由于2020年暖季O3浓度均值普遍降低, 暖季O3浓度均值的高值集聚分布的热点区出现收缩, 主要位于淮北和镇江及周边城市.2017~2020年长三角地区暖季O3浓度均值的低值集聚分布的冷点区有逐年扩大趋势, 由长三角西南部地区逐步扩展至长三角南部大部分地区.综合2017~2020年暖季O3浓度均值的空间集聚变化趋势可以看出, 暖季O3浓度均值的高值主要集聚在长三角北部和中部腹地城市, 低值主要集聚在长三角南部地区.分析高值区集聚性特征的形成原因, 可能受到局地人为源排放[36]、气象和地形条件[37]以及区域传输等多重因素的影响[38, 39].
|
图 4 2017~2020年长三角地区暖季O3浓度均值空间集聚情况 Fig. 4 Spatial clustering of average O3 concentration in the YRD during the warm season from 2017 to 2020 |
为了解研究期间长三角地区人群O3浓度暴露水平变化趋势, 利用O3浓度和人口分布网格数据, 估算了2017~2020年暴露于不同O3浓度区间下的累计人口频率[图 5(a)], 并按同样方法比较了PM2.5的人群暴露情况[图 5(b)].结果表明, 2017~2020年, 长三角地区人口的O3和PM2.5暴露水平均呈现逐年改善趋势, 从O3暴露水平来看, 暴露在高于国家二级标准(160μg·m-3)的人口比例分别为: 72.29%、70.15%、67.78%和34.83%; 从PM2.5暴露水平来看, 暴露在国家二级标准浓度限值(35μg·m-3)以上的人口比例分别为: 96.19%、82.89%、73.82%和42.37%.
|
图 5 2017~2020年长三角地区不同年均O3和PM2.5浓度区间的累计人口频率 Fig. 5 Cumulative population frequencies for different annual mean O3 and PM2.5 concentration intervals in the YRD from 2017 to 2020 |
长三角地区省级和城市人口加权年均O3暴露浓度见图 6.如图 6(a)所示, 江苏和安徽人口加权年均O3暴露浓度较高, 浙江和上海较低.从变化趋势来看, 上海和浙江人口加权年均O3暴露浓度水平呈现逐年降低趋势, 安徽和江苏则呈现波动变化趋势.从城市层面看, 舟山和温州等浙江大部分城市的人口加权年均O3暴露浓度均处于低值区, 而江苏大部分城市处于高值区, 安徽的城市则呈现高浓度和低浓度交错分布特征[图 6(b)], 尽管长三角地区大部分城市的人口加权年均O3暴露浓度呈现逐年降低的趋势, 但皖西、苏北、苏中部分城市却呈现波动上升.
|
图 6 2017~2020年长三角地区人口加权年均O3暴露浓度 Fig. 6 Population-weighted annual mean O3 concentrations in the YRD from 2017 to 2020 |
2017~2020年长三角地区由于暖季O3浓度水平变化造成的人群早逝疾病负担变化趋势见图 7, 从中可知, 2017年归因于暖季O3污染的超额早逝人数达27 298人(95%CI: 14 846~39 648人), 实施蓝天保卫战期间, 归因于暖季O3污染暴露的超额早逝人数呈现下降, 2018~2020年较2017年分别下降了6.41%、6.31%和9.27%, 心血管疾病是导致O3污染暴露早逝的主要死因病种.从实施蓝天保卫战的健康效益来看, 2017~2020年长三角地区因暖季O3浓度改善, 避免的早逝人数为3 782人(95%CI：2 050~5 511人), 其中心血管疾病和呼吸系统疾病占比分别为50.77%和23.98%(表 3); 图 8展示了2020年相较2017年长三角地区规避早逝健康效益的空间分布情况, 从中可知, 上海、合肥和徐州等人口密集的城市中心区域, 相较于其他区域O3污染水平改善幅度较大, 因此健康效益更为显著.阜阳、六安、安庆和池州等安徽西部城市和无锡、常州和镇江等江苏中部城市, 由于O3暴露水平上升等因素影响, 未能观察到正向健康效益.反映了长三角地区O3污染控制的复杂性.
|
图 7 2017~2020年长三角地区归因暖季O3污染的超额早逝人数 Fig. 7 Excess premature deaths attributable to warm season O3 pollution in the YRD from 2017 to 2020 |
|
|
表 3 长三角地区2020年较2017年暖季O3浓度改善的人群健康效益1) Table 3 Population health benefits of improved warm season O3 concentrations in 2020 compared to 2017 in the YRD |
|
避免早逝人数为1 km×1 km网格测算值 图 8 长三角地区2020年较2017年暖季O3浓度改善的避免早逝人数的空间分布 Fig. 8 Spatial distribution of avoided premature deaths of improved warm season O3 concentrations in 2020 compared to 2017 in the YRD |
对于影响人群健康效应的另一项重要因子PM2.5而言, 根据前文分析, 本研究期间长三角区域总体情况来看, 人群大气PM2.5暴露浓度呈现明显下降, 其变化趋势与区域总体O3暴露浓度变化趋势保持一致.从区域整体看, 两者的暴露水平削减均能产生正向的健康收益.从两者早逝疾病负担对比程度看, 张梦娇等[40]对2017年长三角地区归因于PM2.5早逝人数估算结果约为13.33万人, 结合本研究测算结果, 2017年长三角地区O3和PM2.5造成的早逝比约为1∶5, 略低于曾贤刚等[41, 42]在全国尺度上分别评估2017年O3和PM2.5暴露造成的早逝人数测算结果(O3早逝人次占总死亡风险的30%).尽管现阶段PM2.5暴露在人群健康风险仍占据主导, 然而O3短期和长期的健康效应逐渐被关注[43, 44], 有研究发现中国东部地区归因于PM2.5的早逝人数在逐年降低[40, 45], 但是O3污染造成的早逝效应却有上升的趋势.并且从短期效应来看, O3短期暴露的疾病负担与PM2.5的暴露负担已经相当[46].因此进一步深入开展O3污染研究, 尤其是加强O3和PM2.5复合暴露健康效应研究, 对制定人群健康保护策略至关重要.
2.4 成本效益评估根据公式(5)和公式(6)分别计算2020年相较2017年长三角地区归因于暖季O3浓度改善的健康经济收益和成本, 结果分别见表 4和表 5, 并据此计算得到长三角地区O3污染控制的费效比.
|
|
表 4 2020年较2017年暖季O3浓度改善的的人群健康经济收益1) Table 4 Economic value of population health benefits of improved warm season O3 concentrations in 2020 compared to 2017 |
|
|
表 5 2017年和2020年长三角地区NOx和VOCs排放和成本情况1) Table 5 NOx and VOCs emissions and costs in the YRD in 2017 and 2020 |
从表 4可知, 规避早逝的健康经济收益为261.98亿元(95%CI：142.01~381.75亿元), 约占2020年长三角地区国民生产总值(GDP)的0.11%.根据测算, 长三角地区NOx和VOCs总减排成本为233.21亿元(95CI：233.21~312.06亿元), 由于VOCs和NOx是二次PM2.5和O3生成的共同前体物, 而本文主要聚焦O3暴露的健康收益, 未将PM2.5的健康收益纳入研究, 因此假设前体物的削减成本中有50%作为O3污染控制成本, 据此计算得到O3污染控制成本为116.61亿元(95CI: 80.79~156.03亿元), 费效比为1:1.67~3.23, 该研究结果与Zhang[31]等和Chen等[47]的研究结果类似.
2.5 不确定性分析本文主要分析了2017~2020年长三角地区O3污染的时空演变趋势, 同时评估了O3污染改善带来地区总体的健康效益和经济价值.对于人群的O3暴露水平, 本研究主要采用国控监测站点数据的空间插值方法进行评估, 由于可获得的监测站点数量的局限性, 存在局部地区人群O3实际污染暴露水平与插值结果存在差异的可能性.因此未来需要结合加密的监测站点数据、卫星遥感数据、个体暴露监测和人群行为活动模式等多源数据来评估人群实际暴露水平.
暴露-反应关系是评估健康效应的关键参数, 也是产生不确定性的重要因素, 目前我国缺乏长期O3暴露与人群死亡率的研究结果.已有研究多采用国内多城市群短期O3或国外长期O3暴露与疾病终点暴露反应关系结果[23, 48], 本研究选择了Shang等[9]和Yin等[10]对多区域的O3短期暴露反应关系的研究结果来评估O3改善的健康收益, 此外, 本研究分析的健康终点仅包括全因早逝、心血管疾病早逝和呼吸疾病早逝的健康风险, 而未纳入因O3暴露的急慢性疾病就诊开支, 因此, 可能存在对O3污染暴露健康效应影响的低估.未来将进一步考虑除早逝以外更多的O3暴露健康终点, 如门急诊和住院率等其他健康效应的影响.
目前已有学者在我国不同城市开展空气污染VSL研究(主要集中在北京、上海和重庆), 由于支付意愿受调查对象的年龄、文化程度、人均可支配收入、健康水平和社会经济发展水平等因素的影响, 不同学者的研究结果差异较大[49~51].研究区域各城市的实际VSL与理论VSL可能存在差异, 一定程度上影响健康经济效益测算结果, 因此, 未来对于VSL的评估需要纳入多维参数, 以期达到更精确的评估结果.
成本测算方面, 本文采用了文献研究法获得长三角研究期间污染物减排量和污染物单位减排成本, 一方面受区域内经济发展水平差异的影响, 城市间单位减排成本可能存在差异; 另一方面, 本研究通过测算前体物控制成本来反映O3的控制成本, 由于难以准确量化研究期间NOx和VOCs的减排对于O3和PM2.5削减的贡献比例, 采用了假设的经验系数进行估算, 通过文献对比判定结果处于合理区间, 然而测算结果仍然存在较大不确定性, 需要未来进一步通过详细的数据搜集和实际污染控制案例, 准确评估O3污染控制成本.
3 结论(1) 2017~2020年, 长三角地区监测站点日O3_8h_max超过国家二级标准的占比呈现下降趋势, 从2017年的14%下降到2020年的8%.O3月浓度变化趋势呈现“双峰”分布特征.O3年均值和暖季均值的四分位数范围(IQR)年际变化均呈现从高浓度向低浓度位移的趋势.暖季和冷季O3浓度均值均呈现北高南低的空间分布态势, 冷季O3浓度均值相对于暖季较低且分布相对均匀.暖季O3浓度均值在长三角北部和中部腹地城市出现高浓度集聚的特征.
(2) 区域O3年均暴露浓度超过160μg·m-3及以上的人口比例由2017年的72.3%降低至34.8%.三省一市人口加权年均O3暴露浓度总体呈现下降趋势, 但长三角皖西、苏北、苏中部分城市呈现波动上升.健康效应评估结果表明, 2017年归因于暖季O3污染的超额早逝人数达27 298人(95%CI: 14 846~39 648人), 2018~2020年超额早逝人数较2017年分别下降了6.41%、6.31%和9.27%.2020年相较2017年, 长三角地区归因于暖季O3浓度改善避免的早逝人数为3 782人(95%CI：2 050~5 511人).
(3) 实施蓝天保卫战期间, 长三角地区由于暖季O3浓度改善所带来的健康经济收益为261.98亿元(95%CI：142.1~381.75亿元), 约占2020年长三角地区国民生产总值(GDP)的0.11%.以主要前体物削减成本的1/2进行测算, O3控制成本为116.61亿元(95CI: 80.79~156.03亿元), O3控制的成本效益比为1∶1.67~3.23, 长三角地区O3污染治理具有良好的健康经济收益.
| [1] | Zhan Y, Luo Y Z, Deng X F, et al. Spatiotemporal prediction of daily ambient ozone levels across China using random forest for human exposure assessment[J]. Environmental Pollution, 2018, 233: 464-473. |
| [2] |
李莉, 徐健, 安静宇, 等. 长三角经济能源约束下的大气污染问题及对区域协作的启示[J]. 中国环境管理, 2017, 9(5): 9-18. Li L, Xu J, An J Y, et al. The air pollution issues under the economic and energy constraint and their implications on the regional joint-effort in the Yangtze River Delta region[J]. Chinese Journal of Environmental Management, 2017, 9(5): 9-18. |
| [3] | Cheng L J, Wang S, Gong Z Y, et al. Regionalization based on spatial and seasonal variation in ground-level ozone concentrations across China[J]. Journal of Environmental Sciences, 2018, 67: 179-190. DOI:10.1016/j.jes.2017.08.011 |
| [4] | Ma M L, Yao G B, Guo J P, et al. Distinct spatiotemporal variation patterns of surface ozone in China due to diverse influential factors[J]. Journal of Environmental Management, 2021, 288. DOI:10.1016/j.jenvman.2021.112368 |
| [5] | 中华人民共和国生态环境部. 生态环境状况公报[EB/OL]. https://www.mee.gov.cn/hjzl/sthjzk/, 2022-04-27. |
| [6] | Nuvolone D, Petri D, Voller F. The effects of ozone on human health[J]. Environmental Science and Pollution Research, 2018, 25(9): 8074-8088. |
| [7] | Vicedo-Cabrera A M, Sera F, Liu C, et al. Short term association between ozone and mortality: global two stage time series study in 406 locations in 20 countries[J]. British Medical Journal, 2020, 368. DOI:10.1136/bmj.m108 |
| [8] | Yan M L, Liu Z R, Liu X T, et al. Meta-analysis of the Chinese studies of the association between ambient ozone and mortality[J]. Chemosphere, 2013, 93(6): 899-905. |
| [9] | Shang Y, Sun Z W, Cao J J, et al. Systematic review of Chinese studies of short-term exposure to air pollution and daily mortality[J]. Environment International, 2013, 54: 100-111. DOI:10.1016/j.envint.2013.01.010 |
| [10] | Yin P, Chen R J, Wang L J, et al. Ambient ozone pollution and daily mortality: a nationwide study in 272 Chinese cities[J]. Environmental Health Perspectives, 2017, 125(11). DOI:10.1136/bmj.k4306 |
| [11] | USEPA. Integrated science assessment for ozone and related photochemical oxidants [EB/OL]. https://cfpub.epa.gov/ncea/isa/recordisplay.cfm?deid=348522.html, 2022-04-27. |
| [12] | Jerrett M, Burnett R T, Pope Ⅲ C A, et al. Long-term ozone exposure and mortality[J]. The New England Journal of Medicine, 2009, 360(11): 1085-1095. DOI:10.1056/NEJMoa0803894 |
| [13] | Lim C C, Hayes R B, Ahn J, et al. Long-term exposure to ozone and cause-specific mortality risk in the united states[J]. American Journal of Respiratory and Critical Care Medicine, 2019, 200(8): 1022-1031. DOI:10.1164/rccm.201806-1161OC |
| [14] | Turner M C, Jerrett M, Pope Ⅲ C A, et al. Long-term ozone exposure and mortality in a large prospective study[J]. American Journal of Respiratory and Critical Care Medicine, 2016, 193(10): 1134-1142. DOI:10.1164/rccm.201508-1633OC |
| [15] | 中华人民共和国国家统计局. 2017中国统计年鉴[M]. 北京: 中国统计出版社, 2017. |
| [16] |
戴海夏, 安静宇, 李莉, 等. 上海市实施清洁空气行动计划的健康收益分析[J]. 环境科学, 2019, 40(1): 24-32. Dai H X, An J Y, Li L, et al. Health benefit analyses of the clean air action plan implementation in Shanghai[J]. Environmental Science, 2019, 40(1): 24-32. |
| [17] | Zhu Q Y, Xia B, Zhao Y Y, et al. Predicting gestational personal exposure to PM2.5 from satellite-driven ambient concentrations in Shanghai[J]. Chemosphere, 2019, 233(452): 61. |
| [18] | Chen L, Bai Z P. Response to comment on "Assessment of population exposure to PM2.5 for mortality in China and its public health benefit based on BenMAP"[J]. Environmental Pollution, 2017, 231. DOI:10.1016/j.envpol.2017.06.003 |
| [19] |
张天岳, 沈楠驰, 赵雪, 等. 2015—2019年成渝城市群臭氧浓度时空变化特征及人口暴露风险评价[J]. 环境科学学报, 2021, 41(10): 4188-4199. Zhang T Y, Shen N C, Zhao X, et al. Spatiotemporal variation characteristics of ozone and its population exposure risk assessment in Chengdu-Chongqing urban agglomeration during 2015 to 2019[J]. Acta Scientiae Circumstantiae, 2021, 41(10): 4188-4199. |
| [20] |
姜建芳, 侯丽丽, 王鑫龙, 等. 中国近地面NO2污染分布特征及其社会经济影响因素分析[J]. 生态环境学报, 2019, 28(8): 1632-1641. Jiang J F, Hou L L, Wang X L, et al. Spatial analysis of ground-level NO2 in China and its socio-economic factors[J]. Ecology and Environmental Sciences, 2019, 28(8): 1632-1641. |
| [21] |
张西雅, 扈海波. 基于多源数据的北京地区PM2.5暴露风险评估[J]. 北京大学学报(自然科学版), 2018, 54(5): 1103-1113. Zhang X Y, Hu H B. Risk assessment of exposure to PM2.5 in Beijing using multi-source data[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2018, 54(5): 1103-1113. |
| [22] | Zhang Z H, Yao M H, Wu W J, et al. Spatiotemporal assessment of health burden and economic losses attributable to short-term exposure to ground-level ozone during 2015-2018 in China[J]. BMC Public Health, 2021, 21(1). DOI:10.1186/s12889-021-10751-7 |
| [23] | Liang S, Li X L, Teng Y, et al. Estimation of health and economic benefits based on ozone exposure level with high spatial-temporal resolution by fusing satellite and station observations[J]. Environmental Pollution, 2019, 255. DOI:10.1016/j.envpol.2019.113267 |
| [24] | 国家卫生健康委员会. 中国卫生健康统计年鉴(2018)[M]. 北京: 中国协和医科大学出版社, 2018. |
| [25] | Lu X, Zhang L, Wang X L, et al. Rapid increases in warm-season surface ozone and resulting health impact in China since 2013[J]. Environmental Science & Technology Letters, 2020, 7(4): 240-247. |
| [26] | Chen R J, Cai J, Meng X, et al. Ozone and daily mortality rate in 21 cities of East Asia: how does season modify the association?[J]. American Journal of Epidemiology, 2014, 180(7): 729-736. |
| [27] | WHO. WHO Global air quality guidelines: particulate matter (PM2.5 and PM10), ozone, nitrogen dioxide, sulfur dioxide and carbon monoxide[EB/OL]. https://www.who.int/publications/i/item/9789240034228, 2022-04-27. |
| [28] |
郝枫, 张圆. "健康中国"视域下我国居民健康资本测度[J]. 人口与经济, 2019, 40(1): 14-30. Hao F, Zhang Y. Measuring health capital of chinese residents: from the perspective of "Healthy China"[J]. Population & Economics, 2019, 40(1): 14-30. |
| [29] | Huang D S, Andersson H, Zhang S Q. Willingness to pay to reduce health risks related to air quality: evidence from a choice experiment survey in Beijing[J]. Journal of Environmental Planning and Management, 2018, 61(12): 2207-2229. |
| [30] |
戴海夏, 安静宇, 黄成, 等. 长江三角洲区域大气PM2.5和臭氧污染协同控制路径[J]. 科学通报, 2022, 67(18): 2100-2112. Dai H X, AN J Y, Huang C, et al. Roadmap of coordinated control of PM2.5 and ozone in Yangtze River Delta[J]. Chinese Science Bulleti, 2022, 67(18): 2100-2112. |
| [31] | Zhang F F, Xing J, Zhou Y, et al. Estimation of abatement potentials and costs of air pollution emissions in China[J]. Journal of Environmental Management, 2020, 260. DOI:10.1016/j.jenvman.2020.110069 |
| [32] |
于瑞新, 刘旻霞, 李亮, 等. 长三角地区近15年大气臭氧柱浓度时空变化及影响因素[J]. 环境科学学报, 2021, 41(3): 770-784. Yu R X, Liu M X, Li L, et al. Spatial and temporal variation of atmospheric ozone column concentration and influencing factors in the Yangtze River Delta region in recent 15 years[J]. Acta Scientiae Circumstantiae, 2021, 41(3): 770-784. |
| [33] |
孙睿, 张红, 汪水兵, 等. 长三角区域典型城市臭氧时空分布及其与气象因素相关性研究[J]. 大气与环境光学学报, 2021, 16(6): 483-494. Sun R, Zhang H, Wang S B, et al. Temporal and spatial distribution of ozone in typical cities of Yangtze River Delta region and its correlation with meteorological factors[J]. Journal of Atmospheric and Environmental Optics, 2021, 16(6): 483-494. |
| [34] |
汪水兵, 刘桂建, 张红, 等. 安徽省臭氧污染时空变化及污染成因研究[J]. 装备环境工程, 2021, 18(8): 124-130. Wang S B, Liu G J, Zhang H, et al. Study on the temporal and spatial variation of ozone pollution and its causes in Anhui province[J]. Equipment Environmental Engineering, 2021, 18(8): 124-130. |
| [35] | 康汉青. 长江三角洲地区城市群热岛效应及其对臭氧影响的研究[D]. 南京: 南京信息工程大学, 2014. |
| [36] |
周德荣, 秦玮, 陈俊, 等. 基于GIS分析江苏省夏秋季大气污染热点特征[J]. 环境监测管理与技术, 2022, 34(1): 16-20. Zhou D R, Qin W, Chen J, et al. Characteristics of air pollution hotspots in summer and autumn in Jiangsu province based on GIS[J]. The Administration and Technique of Environmental Monitoring, 2022, 34(1): 16-20. |
| [37] | 郭禹慧. 中国臭氧污染的时空格局及健康影响评估研究[D]. 西安: 西北大学, 2021. |
| [38] |
谢放尖, 陆晓波, 杨峰, 等. 2017年春夏期间南京地区臭氧污染输送影响及潜在源区[J]. 环境科学, 2021, 42(1): 88-96. Xie F J, Lu X B, Yang F, et al. Transport influence and potential sources of ozone pollution for Nanjing during spring and summer in 2017[J]. Environmental Science, 2021, 42(1): 88-96. |
| [39] |
王雷, 赵冰雪, 郭雪漫, 等. 安徽省O3浓度时空分异及其驱动因素研究[J]. 环境科学学报, 2021, 41(12): 5038-5046. Wang L, Zhao B X, Guo X M, et al. Spatio-temporal differentiation and its driving factors of ozone concentration in Anhui, China[J]. Acta Scientiae Circumstantiae, 2021, 41(12): 5038-5046. |
| [40] |
张梦娇, 苏方成, 徐起翔, 等. 2013~2017年中国PM2.5污染防治的健康效益评估[J]. 环境科学, 2021, 42(2): 513-522. Zhang M J, Su F C, Xu Q X, et al. Health impact attributable to the control of PM2.5 pollution in China during 2013-2017[J]. Environmental Science, 2021, 42(2): 513-522. |
| [41] |
曾贤刚, 阮芳芳, 姜艺婧. 中国臭氧污染的空间分布和健康效应[J]. 中国环境科学, 2019, 39(9): 4025-4032. Zeng X G, Ruan F F, Jiang Y J. Spatial distribution and health effects of ozone pollution in China[J]. China Environmental Science, 2019, 39(9): 4025-4032. |
| [42] |
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. |
| [43] | Li M M, Dong H, Wang B B, et al. Association between ambient ozone pollution and mortality from a spectrum of causes in Guangzhou, China[J]. Science of the Total Environment, 2021, 754. DOI:10.1016/j.scitotenv.2020.142110 |
| [44] | Atkinson R W, Butland B K, Dimitroulopoulou C, et al. Long-term exposure to ambient ozone and mortality: a quantitative systematic review and meta-analysis of evidence from cohort studies[J]. BMJ Open, 2016, 6(2). DOI:10.1136/bmjopen-2015-009493 |
| [45] |
陈菁, 彭金龙, 徐彦森. 北京市2014~2020年PM2.5和O3时空分布与健康效应评估[J]. 环境科学, 2021, 42(9): 4071-4082. Chen J, Peng J L, Xu Y S. Spatiotemporal distribution and health impacts of PM2.5 and O3 in Beijing, from 2014 to 2020[J]. Environmental Science, 2021, 42(9): 4071-4082. |
| [46] | Orellano P, Reynoso J, Quaranta N, et al. Short-term exposure to particulate matter (PM10 and PM2.5), nitrogen dioxide (NO2), and ozone (O3) and all-cause and cause-specific mortality: systematic review and meta-analysis[J]. Environment International, 2020, 142. DOI:10.1016/j.envint.2020.105876 |
| [47] | Chen F, Yamashita K, Kurokawa J, et al. Cost-benefit analysis of reducing premature mortality caused by exposure to ozone and PM2.5 in east Asia in 2020[J]. Water, Air, & Soil Pollution, 2015, 226(4). DOI:10.1007/s11270-015-2316-7 |
| [48] | Wang Y L, Wild O, Chen X S, et al. Health impacts of long-term ozone exposure in China over 2013-2017[J]. Environment International, 2020, 144. DOI:10.1016/j.envint.2020.106030 |
| [49] |
彭菲, 李雪, 马国霞, 等. 成渝地区大气污染生命统计价值评价研究——基于单边界二分式的条件价值法[J]. 中国环境管理, 2021, 13(1): 136-141, 111. Peng F, Li X, Ma G X, et al. Assessing the value of a statistical life of air pollution in Chengdu Chongqing area by contingent value method with single bounded dichotomy[J]. Chinese Journal of Environmental Management, 2021, 13(1): 136-141, 111. |
| [50] |
徐晓程, 陈仁杰, 阚海东, 等. 我国大气污染相关统计生命价值的meta分析[J]. 中国卫生资源, 2013, 16(1): 64-67. Xu X C, Chen R J, Kan H D, et al. Meta-analysis of contingent valuation studies on air pollution-related value of statistical life in China[J]. Chinese Health Resources, 2013, 16(1): 64-67. |
| [51] | 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. |