环境科学  2023, Vol. 44 Issue (6): 3108-3116   PDF    
引用本文
张莹, 田琪琪, 魏晓钰, 张少波, 胡文东, 李明刚. 2016~2020年成都市控制PM2.5和O3-8h污染的健康效益评价[J]. 环境科学, 2023, 44(6): 3108-3116.
ZHANG Ying, TIAN Qi-qi, WEI Xiao-yu, ZHANG Shao-bo, HU Wen-dong, LI Ming-gang. Health Benefit Evaluation for PM2.5 as Well as O3-8h Pollution Control in Chengdu, China from 2016 to 2020[J]. Environmental Science, 2023, 44(6): 3108-3116.
2016~2020年成都市控制PM2.5和O3-8h污染的健康效益评价
张莹1,2, 田琪琪1, 魏晓钰1, 张少波1, 胡文东1, 李明刚1     
1. 成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 成都 610225;
2. 中国科学院大气物理研究所, 大气边界层物理和大气化学国家重点实验室, 北京 100029
收稿日期: 2022-07-05; 修订日期: 2022-08-20
基金项目: 国家自然科学基金项目(42005136); 中国气象局西南区域气象中心创新团队基金项目(XNQYCXTD-202203); 中国博士后科学基金项目(2020M670419); 国家重点研发计划项目(2016YFA0602004)
作者简介: 张莹(1988~), 女, 博士, 副教授, 主要研究方向为环境气象与健康, E-mail：zhangying@cuit.edu.cn
摘要: 细颗物(PM2.5)和臭氧是我国主要的大气污染物, 严重危害人群健康.为评估成都市大气污染防治行动实施期间PM2.5和臭氧对人群健康的影响, 首先, 利用流行病学中的广义相加模型和非线性分布滞后模型估算了2014~2016年成都市PM2.5和臭氧最大8 h滑动平均(O3-8h)浓度变化对居民疾病死亡影响的暴露-反应关系系数(β), 在此基础上, 采用环境风险和环境价值评估法估算2016~2020年成都市PM2.5和O3-8h浓度暴露水平变化的健康收益.结果表明: ①2016~2020年成都市的ρ(PM2.5)年均值呈逐年下降趋势, 从63 μg·m-3降至40.92 μg·m-3, 年均下降率约为10.14%; 与之相反, ρ(O3-8h)年均值从155 μg·m-3升至169 μg·m-3, 年均增长率约为2.23%. ②成都市PM2.5对全因、心脑血管和呼吸系统疾病早逝人数影响的暴露-反应关系系数β分别为0.0003600、0.0005001和0.0009237; O3-8h对应的β分别为0.0003103、0.0006726和0.0007002. ③假设ρ(PM2.5) 年均值削减至国家二级标准限值后(35 μg·m-3), 带来的健康受益人数和经济效益呈逐年下降趋势, 可避免的全因、心脑血管和呼吸系统疾病早逝人数分别从2016年的1128、416、328例降至2020年的229、96和54例.近5年可避免的全因早逝人数共计3314例, 对应的健康经济效益为76.60亿元. ④假设ρ(O3-8h)年均值削减至世界卫生组织规定的浓度限值(70 μg·m-3), 带来的健康受益人数和经济效益呈上升态势, 可避免的全因、心脑血管和呼吸系统疾病早逝人数分别从2016年的1919、779和606例升至2020年的2429、1157和635例.可避免的全因和心脑血管疾病早逝年均增长率分别为6.85%和10.72%, 高于O3-8h浓度年均上升率.近5年可避免的全因早逝人数为10790例, 对应的健康经济效益为266.20亿元.成都市细颗粒物治理成效显著, 但臭氧污染凸显, 臭氧已经成为危害成都市居民健康不可忽视的大气污染物, 加强PM2.5和O3协同治理刻不容缓.
关键词: 细颗物(PM2.5)      臭氧最大8 h滑动平均(O3-8h)      成都      健康效益      经济损失     
Health Benefit Evaluation for PM2.5 as Well as O3-8h Pollution Control in Chengdu, China from 2016 to 2020
ZHANG Ying1,2 , TIAN Qi-qi1 , WEI Xiao-yu1 , ZHANG Shao-bo1 , HU Wen-dong1 , LI Ming-gang1     
1. Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China;
2. State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China
Abstract: Both particulate matter with aerodynamics of less than 2.5 (PM2.5) and ozone are the two main air pollutants in China, which seriously endanger human health. To estimate the adverse impacts of PM2.5 and ozone on human health during the implementation of air pollution prevention and control actions in Chengdu, both the generalized additive model and the nonlinear distribution lag model of epidemiology were adopted to explore the exposure-response relationship coefficients β of daily ozone 8h maximum concentration average (O3-8h), as well as that of PM2.5 on disease deaths in Chengdu from 2014 to 2016. On this basis, the environmental risk model and environmental value assessment model were both adopted to evaluate the health effects and health benefits in Chengdu from 2016 to 2020, respectively, with the assumption that PM2.5 and O3-8h concentration were reduced to specified air pollution control limits (35 μg·m-3 and 70 μg·m-3, respectively). The results showed ① the annual concentration of PM2.5 presented gradually decreasing trends in Chengdu from 2016 to 2020. Specifically, ρ(PM2.5) from 63 μg·m-3 in 2016 decreased to 40.92 μg·m-3 in 2020. The average annual decline rate was approximately 9.8%. In contrast, the annual concentration of O3-8h from 155 μg·m-3 in 2016 increased to 169 μg·m-3 in 2020, and the increasing rate was approximately 2.4%. ② Both PM2.5 and O3-8h had lag effects on three types of disease deaths. Under the maximum lag effect, the corresponding exposure-response relationship coefficients β of PM2.5were 0.000 360 0, 0.000 500 1, and 0.000 923 7 for all-cause, cardiovascular, and respiratory premature deaths, respectively, whereas the corresponding β of O3-8h were 0.000 310 3, 0.000 672 6, and 0.000 700 2, respectively. ③ If ρ(PM2.5) was reduced to the national secondary standard limit (35 μg·m-3), the corresponding number of health beneficiaries and economic benefits declined yearly. Specifically, the health beneficiary number of all-cause, cardiovascular, and respiratory disease deaths were reduced from 1 128, 416, and 328 in 2016 to 229, 96, and 54 in 2020, respectively. There were a total number of 3 314 avoidable premature deaths for all-cause diseases during the five years, resulting in a total health economic benefit of 7.66 billion yuan. ④ If we assume that ρ(O3-8h) was reduced to the concentration limit specified by the World Health Organization (70 μg·m-3), the corresponding number of health beneficiaries and economic benefits were increasing yearly. Specifically, the health beneficiaries' numbers of all-cause, cardiovascular, and respiratory disease deaths rose from 1 919, 779, and 606 in 2016 to 2 429, 1 157, and 635 in 2020, respectively. The annual average growth rates of avoidable all-cause and cardiovascular mortality were 6.85% and 10.72%, respectively, which was higher than the annual average rise rate of ρ(O3-8h). There were 10 790 total avoidable deaths from all-cause diseases during the five years, resulting in a total health economic benefit of 26.62 billion yuan. These findings indicate that PM2.5 pollution in Chengdu had been well controlled, whereas O3 pollution had become more severe and had become another key air pollutant threatening human health. Therefore, the synchronous control of PM2.5 and ozone should be implemented in the future.
Key words: particulate matter with aerodynamics less than 2.5 (PM2.5)      daily ozone 8 h maximum concentration (O3-8h)      Chengdu      health benefits      economic loss     

城市化和工业化的深入推进, 对我国的大气环境造成了巨大的破坏, 严重影响人们的生活水平, 威胁人们生命健康, 制约经济可持续发展.环境流行病学研究已经证实, 短期或长期暴露于污染空气, 尤其是重污染空气中, 极易诱发呼吸、心血管、生殖及免疫系统等疾病, 甚至导致死亡[1, 2].毒理学研究进一步揭示了大气污染物对人群健康的毒性效应及其致病机制[3]. 2020全球空气状况报告[4]指出, 2019年空气污染从全球第5大死亡风险因素上升到第4大死亡风险因素, 世界上90%以上的人口生活在空气污染较严重的地区, 2019年全球至少有670万人死于长期暴露在空气污染中.空气污染对人群健康的不利影响已经引起了各国政府及研究学者的广泛关注[2, 5].我国2013年出台的《大气污染防治行动计划》(“国十条”), 把空气污染治理提高到前所未有的重要程度; 2016年底出台的《“健康中国2030”规划纲要》要求把公众健康摆在优先发展的战略地位.随着一系列环保法规及政策的颁布实施, 近年来我国空气质量改善显著, 尤其是城市细颗粒物(particulate matter with aerodynamic less than 2.5, PM2.5)平均浓度下降明显, 以PM2.5为首要污染物的超标天数和重污染天数也明显减少[6].即使如此, 我国PM2.5平均浓度依然高出发达国家一个量级[7], PM2.5污染尚未得到根本性控制.在PM2.5浓度改善的同时, 近地层臭氧(O3)浓度却逐年上升, 2013~2019年我国地表O3的增长率为2~4 μg·(m3·a)-1, 而夏季增长率高达4~9 μg·(m3·a)-1[8], O3污染显著加剧.由此可见, 我国空气污染进入了PM2.5和O3协同防治的深水区, 为此《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出“PM2.5与O3协同控制”战略.

近年来, 诸多学者开展了我国不同地区的PM2.5和O3健康风险的流行病学研究[9, 10], 指出两种污染对人群健康的影响均较显著, 即使同一种污染物也存在区域差异.与此同时, 有学者率先对PM2.5和O3引起的居民健康损失进行了货币化度量[11~15], 均表明两种污染物对我国不同区域带来巨大的经济损失.如杜沛等[13]研究指出, 2016~2019年北京市控制ρ(PM2.5)达到二级标准限值(35 μg·m-3)后, 带来的健康经济效益分别为809.97、545.46、421.41和195.24亿元, 分别占北京市当年GDP的3.16%、1.95%、1.39%和0.55%.曾贤刚等[14]以世界卫生组织给出的全球自然背景臭氧最大8 h滑动平均(ozone 8 h maximum concentration average, O3-8h)浓度70 μg·m-3为基准, 估算了2017年我国O3-8h污染造成的早逝人数为98 473例, 健康经济损失在197~978亿元之间, 约占全国当年GDP的0.05% ~0.26%.需要指出的是, 在环境健康经济效益研究中, 由流行病学研究得到的暴露-反应关系系数(β)是估算环境健康效应和健康经济效益的关键参数.由于不同区域污染物组分、人群结构、生活习惯以及受教育程度等差异, 从而导致β存在较大的区域差异[2, 5].鉴于我国医疗数据资料获取难度大, 关于污染健康效应的流行病学研究还不够充分, 尤其是O3污染的流行病学研究尚处于起步阶段, 缺乏不同区域的研究结果, 导致β存在很大的不确定性.而现阶段国内研究学者在开展污染健康效应研究中直接借鉴我国其他地区和国外环境流行病学研究结果估算的β, 甚至在全国不同区域的环境健康经济效益研究中也只采用一个β, 势必导致研究结果存在较大的误差.

成都市作为践行新发展理念的公园城市示范区, 在成渝地区双城经济圈建设中扮演经济中心、科技中心、世界文化名城和国际门户枢纽等重要角色, 当地空气污染问题备受各界关注.近年来随着政府部门出台的《成都市大气污染防治行动方案(2014-2017年)》和《成都市大气污染防治行动方案2016年度实施计划》等多项削减大气污染物排放的措施, 使得成都市PM2.5浓度显著降低, 但O3浓度有所增加, O3污染严重.关于成都市PM2.5和O3改善带来健康经济效益的相关研究还鲜有报道, 亟需开展.基于此, 本研究在开展成都市PM2.5和O3-8h健康风险的流行病学研究基础上, 从经济学的角度对自《成都市大气污染防治行动方案2016年度实施计划》实施以来, 近5年成都市ρ(PM2.5)和ρ(O3-8h)年均值达到规定浓度限值后所带来的健康效益进行定量评估, 旨在为成都市实施空气质量标准的健康效益提供科学依据, 并为成都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 数据来源 1.1.1 所用疾病资料数据

2014年1月1日至2016年12月31日成都市逐日疾病死亡人数资料来源于中国疾病预防控制中心(CDC)全国疾病监测系统死因监测数据集.根据国际疾病分类标准第10版(ICD-10)分别提取全因死亡(ICD-10编码：A00-R99), 心脑血管疾病(ICD-10编码：I00-I99)和呼吸系统疾病(ICD-10编码：J00-J99)早逝人数资料[16], 研究时段内全因早逝、心脑血管和呼吸系统疾病早逝人数分别为243 135、76 721和59 676例, 心脑血管和呼吸系统疾病早逝人数在成都市人口疾病死因构成的占比为56.10%, 因此, 本研究选取的健康终端包括全因、心脑血管和呼吸系统疾病早逝3类.

1.1.2 大气环境监测资料

2014年1月1日至2020年12月31日的污染物数据来源于中华人民共和国生态环境部网站(http://www.mee.gov.cn/), 包括PM2.5日均浓度(μg·m-3)和每日臭氧最大8 h平均浓度(O3-8h) (μg·m-3).

1.1.3 气象资料来源

2014年1月1日至2016年12月31日的气象资料来源于中国气象科学数据共享服务网成都市地面常规气象观察资料, 主要包括日均气温(℃)、相对湿度(%)和平均风速(m·s-1)等.

1.1.4 社会经济数据

以成都市统计年鉴公布的年末常住人口作为暴露人群[17~21].健康终端死亡率、地区生产总值(地区GDP)和人均可支配收等从中国卫生年鉴和成都市卫生健康事业发展统计公报直接获取[22~27], 如表 1所示.

表 1 成都市相关的社会经济数据 Table 1 Relevant social-economic data of Chengdu

1.2 研究方法 1.2.1 暴露-反应关系系数估算

本研究利用4.0.2版本R软件中的“DLNM”和“MGCV”程序包进行建模, 实现分布滞后非线性模型(DLNM)与广义相加模型(GAM)的结合建模.DLNM优势在于能够同时评价暴露因素(如气温)的非线性效应和滞后效应, 即在模型中通过建立二维交叉基函数(cross-basis)描述因变量(如早逝人数)在暴露程度和滞后维度的分布[28], 本研究主要采用DLNM控制气温的滞后效应和非线性效应.GAM具有量化因变量与多个解释变量之间复杂非线性关系的能力, 一般对空气污染物变量进行线性拟合, 对关联复杂的气象因子进行平滑函数拟合, 还可纳入分类变量以控制其他混杂因素[29].本研究以GAM为模型框架, 首先控制除气温以外的多种混杂因素, 将时间序列、相对湿度和平均风速的非线性作用均采用样条函数拟合, 而星期几效应和节假日效应均以哑元变量纳入.在此基础上, 利用DLNM构建气温的交叉基函数Temp.basis, 基于前期相关研究和敏感性试验[30], 气温的最大滞后时间为14 d, 交叉基采用自由度为4的自然样条函数和多项式函数, 将构建好的Temp.basis纳入GAM模型.最后, 以线性形式纳入单一污染物(PM2.5或O3-8h), 从而量化不同滞后时间下污染物对疾病早逝影响的健康风险.综上所示, 模型具体如下：

(1)

式中, E(Yt|X)表示第t日早逝人数的期望值; α表示残差; NS()为自然立方样条函数, 通过NS()函数依次将时间序列(Time)、相对湿度(RH)和风速(Wind)拟合进模型, 根据AIC(akaike information criterion)最小准则确定各参数的自由度(df).DOW和Holiday分别为控制“周末效应”和“节假日”效应, 均以哑元变量形式拟合进模型.Temp.basis为气温的交叉基函数.污染物(此处以PM2.5为例)以线性形式拟合进模型, 考虑到不同污染物之间存在较强的共线性, 因此, 模型中仅纳入一种污染物, 将构建好的模型输入R软件, 可直接获得PM2.5对疾病影响的β及相应的标准差std, 并计算β对应的95%置信区间(95% confidence interval).此外, 污染物对疾病的影响可能存在短期滞后效应, 分别拟合PM2.5单滞后天数(当天的PM2.5浓度以及1~5 d前的浓度, 依次记为lag 0d和lag 1d~lag 5d) 和累积滞后天数(当天的PM2.5浓度与前1~5 d浓度的滑动平均值, 依次记为lag 01d~lag 05d)与早逝人数的关系, 探究β的变化规律.

1.2.2 健康效益及经济效应评估

根据环境健康价值评估理论, 控制污染物(PM2.5或O3-8h)所带来的健康效益评估思路通常分为两个步骤.第一：分别估算污染物削减到设定的情景阈值所带来的健康终端(全因、心脑血管和呼吸系统疾病早逝)的健康效应变化; 第二：对不同的健康效应进行相应的货币化评估, 从而估算出控制PM2.5或O3-8h削减后所带来的居民健康效益, 货币转化公式具体如下：

(2)

式中, L为污染物(PM2.5或O3-8h)浓度降低带来的所有健康终端的效益总和; Li为健康终端i相应的健康效益; ΔEi为第i个健康终端的健康风险变化量, 通过环境健康风险评估方法计算得到; ΔLi为第i个健康终端的单位经济价值, 通过环境健康价值评估方法计算获得.

(1) 环境健康效应评估  本研究采用主流的环境健康效应评估模型——泊松回归相对危险度模型, 估算控制PM2.5(或O3-8h)污染后对应的人群健康效益变化量[2].基本模型中设定某选定健康终端在PM2.5(或O3-8h)实际浓度下的人群健康风险(死亡率)为：

(3)
(4)

式中, P为暴露人口数量, 本文选取成都市年末常住人口作为研究对象; β为模型(1)中得到的暴露-反应关系系数; c和c0分别为污染物PM2.5(或O3-8h)的实际年均浓度和参考基准浓度(又称阈值浓度); PM2.5的参考基准浓度选取国家二级浓度限值, 为35 μg·m-3; 关于O3-8h阈值浓度, 我国尚未有统一标准, 世界卫生组织指出全球O3-8h自然背景浓度约为70 μg·m-3.目前表明O3-8h的健康效应存在阈值浓度鲜见报道, 因此, 本文选择70 μg·m-3作为O3-8h的阈值浓度.E和E0分别为在c和c0浓度条件下的健康效应; ΔE为健康效应变化量.

(2) 环境健康价值评估  对于早逝的经济成本评估, 通常采用统计生命价值(value ofstatistical life, VOSL)进行评估, 即人们为降低死亡风险而愿意付出的代价并用货币化进行衡量的方法.目前成都地区并未开展VOSL的相关研究.本文参考谢旭轩[31]对北京市VOSL的研究结果(168万元), 考虑到两地收入水平差距, 以人均可支配收入为指标, 估算成都不同年份的VOSL值, 公式如下：

(5)

式中, VOSLBJ和VOSLCD分别表示北京和成都市的VOSL, IncomeBJ和IncomeCD分别为北京和成都市的人均可支配收入; b为收入弹性系数(一般取b=1).

2 结果与讨论 2.1 疾病与气象环境因子的基本特征统计

2014~2016年成都市日均全因、心脑血管疾病和呼吸系统疾病早逝人数分别为(221.8±37.1)、(70.0±15.4)和(54.5±15.5)例; 日均气温为(16.6±7.2)℃, 相对湿度为(81.7±8.2)%, 日均风速为(1.3±0.5)m·s-1; ρ(PM2.5)年均值为(65.4±44.2) μg·m-3, 变幅为10.7~426.4 μg·m-3, ρ(O3-8h)年均值用其第90百分位数表示, 为(156.9±60.6) μg·m-3, 变幅为13.2~331.1 μg·m-3, 两种污染物变幅范围均较大(表 2).经统计, 2014~2016年PM2.5和O3-8h超标[ρ(PM2.5)>75 μg·m-3; ρ(O3-8h)>160 μg·m-3]天数分别为322 d和280 d.

表 2 2014~2016年成都市疾病早逝人数、气象要素和污染物的描述性分析 Table 2 Descriptive statistics on daily mortality, meteorological variables, and air pollutant levels in Chengdu from 2014 to 2016

2016~2020年成都市的PM2.5整体呈下降趋势(图 1), ρ(PM2.5)年均值分别为63、56、51、43和40.92 μg·m-3, 年均下降率为10.14%, 表明成都市PM2.5污染治理成效显著.与之相反, O3-8h浓度年际变异较小, O3-8h污染持续严重, 近5年ρ(O3-8h)年均值分别为155、156.8、153、160和169 μg·m-3, 年均上升率为2.23%.表明当地O3-8h污染严重, 其浓度远高于人体健康阈值.当前全国各地臭氧污染逐渐凸显, 已有研究发现京津冀、四川盆地等地区的臭氧污染持续升高[32, 33], 且超标天数也在不断增加, 因此, 国家也将在“十四五”期间重点开展PM2.5和臭氧协同治理科研攻关.受大气氧化性等因素影响, 成都市PM2.5和臭氧复合型污染态势显著, 这使得成都市进一步降低PM2.5浓度的难度加大, 且实现臭氧浓度管控面临较大挑战.

图 1 2016~2020年成都市PM2.5和O3-8h浓度变化时间序列 Fig. 1 Changes in daily average concentration of PM2.5 and O3-8h in Chengdu from 2016 to 2020

2.2 PM2.5和O3-8h分别与疾病关联的暴露-反应关系系数(β)

图 2为不同滞后天数下, PM2.5对不同疾病早逝关联的暴露-反应关系系数(β). β越大, 表明污染物对人群健康影响的风险越显著.可知, PM2.5对疾病早逝人数影响的累积滞后效应强于单天数滞后效应.具体而言, PM2.5对全因、心脑血管疾病和呼吸系统疾病早逝人数分别在累积滞后2 d(lag 02d)、2 d(lag 02d)和4 d(lag 04d)的情况下最显著, 对应的β分别为0.000 360(95%CI：0.000 227, 0.000 494)、0.000 500 1(95%CI：0.000 265 5, 0.000 734 7)和0.000 923 7(95%CI：0.000 665 4, 0.001 182).O3-8h对全因、心脑血管疾病和呼吸系统疾病早逝人数分别在累积滞后1 d(lag 01d)、1 d(lag 01d)和2 d(lag 02d)的情况下最显著, 此时, 对应的β分别为0.000 310 3(95%CI：0.000 172 375, 0.000 448 225)、0.000 672 6(95%CI：0.000 406 236, 0.000 938 964)和0.000 700 2(95%CI：0.000 347 792, 0.001 052 608).在后续的人群健康效益及经济效应评估研究中, 均采用两种污染物对人群健康影响风险最大时对应的β.前人在评估全国PM2.5污染健康风险及经济损失研究中, 直接借鉴其他区域PM2.5对全因早逝影响的β, 为0.002 96(95%CI：0.000 76, 0.005 04)[12], 高于本研究估算的β, 进而高估了成都市PM2.5污染造成的健康效应及经济损失.而在估算全国O3-8h造成的全因和心脑血管疾病早逝健康效应研究中[14, 35], 直接借鉴的β分别为0.000 24 (95%CI：0.000 13, 0.000 35)和0.000 27(95%CI：0.000 10, 0.000 44), 均低于本研究估算的β, 从而低估了成都市O3-8h污染造成的健康效应.

a表示PM2.5, b表示O3-8h; 1~3分别表示全因、心脑血管疾病和呼吸系统疾病; 横坐标0~5表示单滞后天数, 01~05表示累积滞后天数 图 2 不同时间滞后条件下(单滞后lag 0~lag 5d和累积滞后lag 01~lag 05d)PM2.5和O3-8h与全因、心脑血管和呼吸系统疾病早逝关联的暴露-反应关系系数(β) Fig. 2 Exposure-response relationship coefficient of PM2.5 as well as O3-8h associated withtotal, cardiovascular, and respiratory mortality at different lag (including single lag 0-lag 5 and cumulative lag 01-lag 05) days

2.3 人群健康效应变化

就PM2.5而言, 若成都市PM2.5浓度削减至国家二级标准限值(35 μg·m-3)后, 2016~2020年成都市疾病早逝受益人数呈逐年下降趋势(图 3), 可避免的全因、心脑血管和呼吸系统疾病早逝人数分别从2016年的1 128、416和328例降至2020年的229、96和54例.近5年可避免的全因、心脑血管和呼吸系统疾病早逝人数合计3 314、1 249和925例, 其中可避免的心脑血管和呼吸系统疾病早逝人数占可避免的全因早逝人数的37.69%和27.91%.本研究估算的健康受益人数低于陈菁等[34]对北京市2019年PM2.5健康效应的评估结果, 主要原因在于北京市PM2.5浓度和常住人口均高于成都市.

图 3 PM2.5和O3-8h达到空气质量标准所带来的健康效应 Fig. 3 Health effects of achieving the PM2.5 and O3-8hair quality standard

就O3-8h而言, 若成都市O3-8h浓度削减至标准限值(70 μg·m-3)后, 2016~2020年受益人数整体呈增加趋势, 可避免的全因、心脑血管和呼吸系统疾病早逝人数分别从2016年的1 919、779和606例升至2020年的2 492、1 157和635例, 值得注意的是, 可避免的全因和心脑血管疾病早逝人数上升率分别为6.85%和10.72%, 高于O3-8h浓度年均上升率, 这一结果与文献[35]中O3-8h导致的平均早逝人数增加率高于臭氧浓度增加率相吻合.经统计, 近5年成都市可避免的全因、心脑血管和呼吸系统疾病早逝人数分别为10 790、4 582和3 147例, 其中可避免的心脑血管和呼吸系统疾病早逝人数约占可避免的全因早逝人数的42.47%和29.16%, 表明成都市O3-8h污染加剧对人群健康的早逝风险影响主要反映在心脑血管和呼吸系统疾病早逝风险上, 与文献[14]的研究结果一致, 其还指出2017年成都市O3-8h污染削减至70 μg·m-3, 可避免的全因早逝人数为1 055例, 而本研究2017年估算结果为2 059例, 主要差异归因于β取值不同, 进一步反映既往研究低估了成都市O3-8h导致的健康效应.

2.4 健康经济效益

2016~2020年削减PM2.5浓度至国家规定的二级浓度限值后, 带来的经济效益依次为23.41、20.02、17.13、9.62和6.43亿元(图 4), 分别占成都市当年GDP的4.31%、2.99%、2.34%、1.23%和0.83%.成都市控制PM2.5达标后带来的健康经济效益及其占GDP的比值均呈逐年下降的趋势, 表明PM2.5污染呈好转的发展态势, 这意味着成都市空气污染管理与控制措施已经对细粒子浓度起到了明显的控制作用.由于受益人数的不同及GDP的逐年变化, 各健康终端对总的健康效益贡献也存在差距, 近5年全因、心脑血管和呼吸系统疾病早逝的健康经济效益分别为76.60、28.94和21.29亿元, 其中心脑血管疾病和呼吸系统疾病早逝的健康经济效益分别占全因早逝健康经济效益的37.78%和27.79%.

图 4 PM2.5达到空气质量二级标准所带来的健康效益 Fig. 4 Health benefits of achieving the PM2.5 air quality standard

2016~2020年削减O3-8h浓度至世界卫生组织规定的O3-8h浓度限值后, 带来的健康经济效益依次为39.82、46.31、49.71、60.39和69.98亿元, 分别占成都市当年GDP的0.32%、0.33%、0.32%、0.35%和0.39%, 成都市削减O3-8h达标后带来的健康经济效益及其占GDP的比值呈现增加的趋势, 说明成都市O3-8h污染呈现出加剧的发展态势.有研究表明, 2017年O3-8h污染造成的健康经济损失占全国GDP的0.05% ~0.26%[14], 本研究结果高于全国平均水平, 可见成都市O3-8h污染形势严峻.经统计, 近5年成都市全因、心脑血管和呼吸系统疾病早逝的健康经济效益分别为266.20、113.54和77.08亿元, 心脑血管疾病和呼吸系统疾病早逝的健康经济损失占全因早逝健康经济损失的42.65%和28.96%, 心脑血管疾病占比最大, 与文献[14]的研究结果接近.上述研究表明, 成都市O3-8h污染已经成为当地人群健康风险产生的重大隐患之一, 对地区经济构成了极大的威胁.

需要指出的是, 本文仅估算了PM2.5和O3-8h浓度削减带来的全因、心脑血管和呼吸系统疾病早逝的健康风险和健康经济效益, 并未对其他(如呼吸和心血管住院、儿科和内科、急性支气管炎、慢性支气管炎和哮喘等)可能受PM2.5和O3-8h污染影响的健康终端进行健康经济效益研究, 有研究发现慢性支气管炎的健康经济效益甚至高于早逝[12, 13], 因此, 本研究结果低估了成都市PM2.5和O3-8h削减带来的健康风险和经济效益.尽管如此, 本研究在一定程度上反映了成都市PM2.5和O3-8h浓度污染危害的严重性.从定量评价结果看, PM2.5和O3-8h污染对该地区居民健康危害造成的经济损失不容忽视, 采取有效措施进行大气细粒子和光化学污染物控制和应急健康防护势在必行, 争取最大程度的降低大气细粒子和光化学产物污染造成的居民健康危害和经济损失, 以期达到更好的健康和经济效益.然而, 由于成都市暴露人口基数大, 人口分布相对密集, 给PM2.5和O3-8h污染浓度的控制和居民健康安全防护带来了巨大的挑战, 未来当地居民因PM2.5和O3-8h污染所造成的健康风险仍然巨大.

3 结论

(1) 成都市PM2.5浓度呈下降趋势, ρ(PM2.5)年均值从2016年的63 μg·m-3降至2020年的40.92 μg·m-3, 年均下降率为10.14%; 与之相反, ρ(O3-8h)年均值年际变异较小, 整体呈上升趋势, 从2016年的155 μg·m-3升至2020年的169 μg·m-3, 年均上升率为2.23%.

(2) PM2.5和O3-8h对疾病早逝人数的影响存在滞后效应, 且不同疾病存在差异, 最大累积滞后效应下, PM2.5与全因、心脑血管疾病和呼吸系统疾病早逝关联的β分别为0.000 360、0.000 500 1和0.000 923 7. O3-8h关联的β分别为0.000 310 3、0.000 672 6和0.000 700 2.

(3) 削减PM2.5(O3-8h)浓度达标后, 可避免的全因、心脑血管和呼吸系统疾病早逝人数均呈下降(上升)趋势; 2016~2020年削减ρ(PM2.5)至35 μg·m-3, 近5年可避免的全因、心脑血管和呼吸系统疾病早逝人数分别为3 314例、1 249例和925例.削减ρ(O3-8h)至70 μg·m-3, 近5年带来可避免的全因、心脑血管和呼吸系统疾病早逝人数分别为10 790、4 582和3 147例.值得注意的是, 可避免的全因和心脑血管疾病早逝年均增长率分别为6.85%和10.72%, 高于O3-8h浓度年均上升率.

(4) 2016~2020年控制PM2.5所带来的全因早逝健康经济效益分别为23.41、20.02、17.13、9.62和6.43亿元, 分别占成都市当年GDP的4.31%、2.99%、2.34%、1.23%和0.83%, GDP占比呈逐年下降趋势, 表明成都市PM2.5污染呈好转态势.2016~2020年控制O3-8h所带来的全因早逝健康经济效益分别为39.82、46.31、49.71、60.39和69.98亿元, 分别占成都市当年GDP的0.32%、0.33%、0.32%、0.35%和0.39%, GDP占比呈逐年上升的趋势, 表明成都市O3-8h污染呈恶化态势.

参考文献
[1] Li B X, Yang J, Dong H, et al. PM2.5 constituents and mortality from a spectrum of causes in Guangzhou, China[J]. Ecotoxicology and Environmental Safety, 2021, 222. DOI:10.1016/J.ECOENV.2021.112498
[2] Zhang Y, Wang S G, Fan X G, et al. Temperature modulation of the health effects of particulate matter in Beijing, China[J]. Environmental Science and Pollution Research, 2018, 25(11): 10857-10866. DOI:10.1007/s11356-018-1256-3
[3] Yao Y, Liu L X, Guo G, et al. Interaction of Sirtuin 1 (SIRT1) candidate longevity gene and particulate matter (PM2.5) on all-cause mortality: a longitudinal cohort study in China[J]. Environmental Health, 2021, 20(1). DOI:10.1186/s12940-021-00718-x
[4] The 2020 world air quality report[EB/OL]. https://www.iqair.cn/world-most-polluted-cities/world-air-quality-report-2020-en.pdf, 2021-05-11.
[5] 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.
[6] 曾贤刚, 阮芳芳. 中国PM2.5污染健康效应的国民经济影响分析[J]. 中国环境科学, 2020, 40(7): 3228-3238.
Zeng X G, Ruan F F. Analysis on the national economic impact of PM2.5-induced health effects in China[J]. China Environmental Science, 2020, 40(7): 3228-3238. DOI:10.3969/j.issn.1000-6923.2020.07.051
[7] Gong T Y, Sun Z B, Zhang X L, et al. Associations of black carbon and PM2.5 with daily cardiovascular mortality in Beijing, China[J]. Atmospheric Environment, 2019, 214. DOI:10.1016/j.atmosenv.2019.116876
[8] Li K, Jacob D J, Liao H, et al. Anthropogenic drivers of 2013-2017 trends in summer surface ozone in China[J]. Proceedings of the National Academy of Science of the United States of America, 2019, 116(2): 422-427. DOI:10.1073/pnas.1812168116
[9] 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
[10] 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: 1545-1552.
[11] Chen L, Shi M S, Li S H, et al. Combined use of land use regression and BenMAP for estimating public health benefits of reducing PM2.5 in Tianjin, China[J]. Atmospheric Environment, 2017, 152: 16-23. DOI:10.1016/j.atmosenv.2016.12.023
[12] 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.
[13] 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 P, Wang J Z. Health benefit assessment of PM2.5 pollution control in Beijing[J]. Environmental Science, 2021, 42(3): 1255-1267. DOI:10.3969/j.issn.1000-6923.2021.03.029
[14] 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.
[15] Feng Z Z, De Marco A, Anav A, et al. Economic losses due to ozone impacts on human health, forest productivity and crop yield across China[J]. Environment International, 2019, 131. DOI:10.1016/j.envint.2019.104966
[16] 卫生部卫生统计信息中心, 北京协和医院世界卫生组织疾病分类合作中心. 国际疾病分类(ICD-10)应用指导手册[M]. 北京: 中国协和医科大学出版社, 2001.
[17] 成都市统计局, 成都市统计学会, 国家统计局成都调查队. 成都统计年鉴2016[M]. 北京: 中国统计出版社, 2016.
[18] 成都市统计局, 成都市统计学会, 国家统计局成都调查队. 成都统计年鉴2017[M]. 北京: 中国统计出版社, 2017.
[19] 成都市统计局, 国家统计局成都调查队. 成都统计年鉴2018[M]. 北京: 中国统计出版社, 2018.
[20] 成都市统计局, 国家统计局成都调查队. 成都统计年鉴2019[M]. 北京: 中国统计出版社, 2019.
[21] 成都市统计局, 国家统计局成都调查队. 成都统计年鉴2020[M]. 北京: 中国统计出版社, 2020.
[22] 国家卫生和计划生育委员会. 2016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, 2016.
[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] 国家卫生健康委员会. 中国卫生健康统计年鉴2019[M]. 北京: 中国协和医科大学出版社, 2019.
[26] 国家卫生健康委员会. 中国卫生健康统计年鉴2020[M]. 北京: 中国协和医科大学出版社, 2020.
[27] 四川省卫生健康委员会. 四川卫生健康统计年鉴(2020)[M]. 成都: 西南交通大学出版社, 2021.
[28] Gasparrini A. Distributed lag linear and non-linear models in R: the package dlnm[J]. Journal of Statistical Software, 2011, 43(8): 1-20.
[29] Zhang Y, Wang S G, Zhang X L, et al. Association between moderately cold temperature and mortality in China[J]. Environmental Science and Pollution Research, 2020, 27(21): 26211-26220. DOI:10.1007/s11356-020-08960-5
[30] Zhang Y, Zhang X L, Fan X G, et al. Modifying effects of temperature on human mortality related to black carbon particulates in Beijing, China[J]. Atmospheric Environment, 2020, 243. DOI:10.1016/j.atmosenv.2020.117845
[31] 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.
[32] 赵辉, 郑有飞, 张誉馨, 等. 京津冀大气污染的时空分布与人口暴露[J]. 环境科学学报, 2020, 40(1): 1-12.
Zhao H, Zheng Y F, Zhang Y X, et al. Spatiotemporal distribution and population exposure of air pollution in Beijing-Tianjin-Hebei region[J]. Acta Scientiae Circumstantiae, 2020, 40(1): 1-12.
[33] Wu K, Wang Y R, Qiao Y H, et al. Drivers of 2013-2020 ozone trends in the Sichuan Basin, China: impacts of meteorology and precursor emission changes[J]. Environmental Pollution, 2022, 300. DOI:10.1016/j.envpol.2022.118914
[34] 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.
[35] 王莼璐, 王毅一, 史之浩, 等. 基于多源融合数据评估2014-2018年中国地表大气臭氧污染变化及其健康影响[J]. 大气科学学报, 2021, 44(5): 737-745.
Wang C L, Wang Y Y, Shi Z H, et al. Assessment of surface ozone pollution change and its health effect in China from 2014 to 2018 based on multi-source fusion data[J]. Transactions of Atmospheric Sciences, 2021, 44(5): 737-745.