2021, Vol. 42
2. 天津大学环境科学与工程学院, 天津 300072;
3. 南开大学环境科学与工程学院, 天津 300350;
4. 浙江工业大学环境学院, 杭州 310014
2. School of Environmental Science and Engineering, Tianjin University, Tianjin 300072, China;
3. College of Environmental Science and Engineering, Nankai University, Tianjin 300350, China;
4. College of Environment, Zhejiang University of Technology, Hangzhou 310014, China
为落实国务院《大气污染防治行动计划》(“大气十条”), 北京市于2013年出台了《北京市2013-2017年清洁空气行动计划》(“清洁空气行动计划”), 要求到2017年, 全市空气中的PM2.5(细颗粒物)年均浓度比2012年下降25%以上, 控制在60μg·m-3左右.根据相关考核办法, 生态环境部会同发展改革委等部门, 对全国贯彻实施“大气十条”情况进行考核, 北京市2017年PM2.5年均浓度降至58μg·m-3, 全面完成既定的空气质量改善目标.
较早的研究对空气污染严重程度及其造成的污染损害关注较多.有研究认为, 空气污染(PM2.5等污染物质)除了可以诱发支气管哮喘[1]、慢性阻塞性肺病和肺癌[2, 3]等多种呼吸系统疾病, 还能诱发心脏病和中风等心脑血管疾病[4], 从而导致暴露人群早死[5, 6].2013年1月我国华北及其周边地区的大范围雾-霾, 严重影响了140万km2范围内超过800万的人口[7].世界银行估计, 2013年中国空气污染导致160万人早死[8].国内有关研究表明, 如果我国主要城市PM10年均浓度达到40μg·m-3, 平均每年会减少20万人早死, 因此世界银行对我国早死人数的估计偏大[9].“大气十条”实施5 a, 还有学者从统计学角度研究了大气污染与疾病关系[10, 11].
由于“大气十条”空气治理取得显著成效, 北京市大气污染治理问题成为研究的热门.清华大学的研究团队结合统计方法和化学传输模型评估北京市“清洁空气行动计划”的有效性, 结果表明气象条件对空气质量逐年变化具有重要影响, 但是主要还是排放控制的效果[12], 该团队还进一步研究了北京市“大气十条”实施期间, 有机物和硫酸盐对颗粒物贡献率下降, 而硝酸盐的贡献率上升, 从而认为北京冬季雾-霾污染由硫酸盐驱动转变为硝酸盐驱动[13].中国环境规划院对“大气十条”的实施开展了评价[14], 并针对环境健康效应开展了深入评估, 有研究发现该政策的实施大约避免60 213人过早死亡[15].随着研究的深入, 对空气污染损害和空气质量改善效益的关注逐渐增多[16, 17].
随着大气污染治理的推进, 相关学者在关注空气质量改善和由此导致的健康效益的同时, 越来越多的研究关注其货币化, 从而与GDP等经济指标对比.世界银行估计, 2013年中国空气污染经济损失达1590亿美元, 相当于GDP的9.9%[8].中国环境规划院构建了绿色GDP(GGDP) 综合核算体系, 将污染损失和生态破坏等纳入到经济系统核算中, 并对我国历年的GGDP进行核算[18].但是这些研究均从污染损失的角度进行核算, 不利于提升地方政府污染治理的积极性和肯定其工作成效.本研究拟以北京市为例, 从空气质量改善角度, 以北京市为例, 采用疾病成本法、人力资本法和市场价值法核算空气质量改善带来的人体健康、农业、建筑材料和清洁损失减少的效果, 并通过货币化北京市“大气十条”的政策收益, 以期为其他相关研究者和有关部门提供参考, 肯定地方开展大气污染防治工作的积极成效.
1 材料与方法 1.1 整体思路大气污染危害的损失, 按终端来分, 包括人体健康经济损失、农业(种植业)经济损失、建筑材料经济损失和清洁成本经济损失(含家庭清洁和社会清洁)[19].通过损失叠加, 可以得到大气污染的综合经济损失.空气质量改善可减少大气污染的综合经济损失, 减少的部分即视为环境质量改善效益.空气质量改善效益核算的关键是确定本地化参数和核算大气环境污染损失的减少量.本研究的本地化参数采用问卷调查方式获得; 大气环境污染损失的减少量采用上1 a大气污染损失的价值量减去当年损失的价值量进行核算, 以2017年改善效益为例, 采用2016年大气污染损失减去2017年的损失.核算框架如图 1所示.
|
图 1 空气质量改善效益核算框架 Fig. 1 Accounting framework of air pollution improvement benefit in Beijing |
本研究的4项改善效益涉及的污染因子、核算对象和核算方法如表 1所示.流行病学研究表明, 颗粒物特别是PM2.5与人体不利健康影响(呼吸系统和心脑血管疾病)关系最为显著[20, 21], 因此本研究的人体健康改善效益主要核算PM2.5浓度改变对区域内暴露人口(这里指常住人口)的生命和健康的损害减少量, 采用疾病成本法、患病失能法和人力资本法分别对不同终端进行核算; 由于大气污染对农业和建筑材料的影响主要是SO2干沉降及酸性降水(即酸雨)作用于农作物和建筑物而造成的危害[22~24], 因此农业损失改善效益主要核算SO2浓度改变对区域内谷物和蔬菜等农作物减产的损失减少量, 建筑材料损失改善效益也是核算SO2浓度改变对区域内水泥等13种建筑材料腐蚀的损失减少量, 两者都采用市场价值法; 清洁成本主要是由大气中的颗粒物特别是粒径较大的PM10等颗粒物沉降, 对居民生活和各种设备(如车辆)、道路以及建筑物等产生脏污而额外增加的清洁费用[19], 因此主要核算PM10浓度改变对家庭(居室、衣物和机动车等)以及社会公共交通、道路和公共建筑清洁费用的减少量, 也采用市场价值法.
|
表 1 北京市空气质量改善效益各项指标及核算方法 Table 1 Indicators and accounting methods of air pollution improvement benefit in Beijing |
1.2 核算方法 1.2.1 人体健康经济损失
大气污染对人群健康的影响可表现为急性效应和慢性效应.大气中的有毒物质通过破坏人体呼吸、免疫和血液循环系统等诱发致病或致死症状, 进而造成健康或经济损失[25].由于大气污染物的浓度一般比较低, 其健康效应以长期慢性效应为主, 目前公认的致病效应表现在呼吸系统和心血管疾病方面[26], 具体表现为由于污染物与呼吸道接触引起的咳痰、哮喘、慢性支气管炎、肺气肿、肺癌及因生理机能障碍而加重心、脑血管等疾病.近年来PM2.5研究取代PM10成为健康影响关注重点, 因此, 本研究选取PM2.5作为空气污染评价因子, 健康效应阈值为国家空气质量的一级标准15 μg·m-3.
健康损失价值评估通常分为过早死亡和疾病终端, 通过对健康效应的货币化进行评估[26].本文将PM2.5对人体健康造成的损失分为3项: ①大气污染造成的全死因过早死亡经济损失(ECa1), 采用修正的人力资本法评价; ②大气污染造成的相关疾病住院经济损失(ECa2), 利用疾病成本法评价; ③大气污染造成的慢性支气管炎发病失能经济损失(ECa3), 以患病失能法评价.
1.2.1.1 全死因过早死亡损失(ECa1)
|
(1) |
|
(2) |
|
(3) |
式中, Ped为现状大气污染水平下造成的全死因过早死亡人数, 单位为万人; GDPpci为第i年人均GDP, 单位为万元; t为人均损失寿命年, 根据人口普查中的年龄别平均期望寿命和中国卫生统计中各年龄疾病别死亡率计算中国呼吸系统和心脑血管疾病死亡的总平均损失寿命年为18 a[27]; r为社会贴现率, 根据当前我国投资收益水平、资金机会成本、资金供求状况等因素, 取8%[28]; RR为大气污染引起的全死因死亡相对危险归因; fp为现状大气污染水平下全死因死亡率, 取自中国卫生统计年鉴, 单位为1/10万; Pe为暴露人口, 取自北京市地区统计年鉴的常住人口, 单位为万人; C为某种大气污染物的当前浓度水平, 单位为μg·m-3; C0为污染物清洁浓度水平阈值, 根据我国2012年发布的空气质量标准, 以PM2.5一级年均浓度限制的15μg·m-3作为该阈值; β为单位污染物浓度(1μg·m-3)变化引起健康危害变化的百分数, 单位为%, 本研究采用Aunan等[29]对中国的研究结果.
1.2.1.2 门诊和住院经济损失(ECa2)
|
(4) |
|
(5) |
式中, Peh为现状大气污染水平下的门诊或住院人次, 北京市各区门诊和住院人次在Peh的基础上通过“每百门急诊入院人数[30]”计算得到; Chi为疾病i(咽炎、急性支气管炎、肺炎、哮喘、脑血管疾病和心血管疾病等)门诊或住院成本, Ch包括病人直接成本(如果是门诊, 则为单次门诊费用; 如果是住院, 则为住院平均每天费用Cc与住院天数Dc的乘积)和家人、护工陪护费用等成本(陪护人员平均每天费用Cm与陪护天数Dm的乘积; 如果是门诊, Dm按1 d计, 单位为元·(人次)-1; WD为病人住院休工天数(本研究休工天数等于住院天数), 单位为d·(人次)-1; Cwd为病人每天的休工成本, 单位为元·d-1, 休工成本＝人均GDP/365 d; n为大气污染相关疾病, 呼吸系统疾病和心血管疾病; fpi为现状大气污染水平下的门诊或住院人次(万人); βi为回归系数, 即单位污染物浓度变化引起健康危害i变化的百分数; Δci为实际污染物浓度与健康危害污染物浓度阈值(15 μg·m-3)之差, 单位为μg·m-3.Ch、Cc、Dc、Dm和WD根据2017年针对北京市居民的问卷调查获得.
1.2.1.3 慢性支气管炎发病失能损失(ECa3)
|
(6) |
式中, t为大气污染引起的慢性支气管炎早死的平均损失寿命年数, γ为慢性支气管炎失能损失系数.根据人口普查中的年龄别平均期望寿命和中国卫生统计中分年龄组的慢性阻塞性肺疾病(慢性支气管炎是该类疾病中最常见的一种)死亡率, 计算得到t为23 a, γ为0.32[19].
1.2.2 农业经济损失根据相关研究, 大气污染物中对农作物影响较大的是二氧化硫、氟化物、臭氧和乙烯, 氮氧化物也会伤害植物但毒性较小.气体污染物会通过气孔进入农作物, 逐渐扩散破坏组织, 干扰酶的作用, 扰乱代谢机能, 抑制植物生长; 颗粒物则会擦伤叶片, 阻挡阳光影响光合作用, 附着的重金属等有害元素还可进入细胞内部, 产生进一步危害[31].本研究期间, 北京市已不存在酸雨问题, 因此仅将SO2作为农作物减产研究的标志污染物.此外, 考虑到酸沉降的间接作用机制还不清楚, 本研究没有包括酸沉降引起的土壤间接伤害损失.
|
(7) |
式中, Cac为大气污染引起农作物减产的经济损失, 单位为万元; Pi为当年农作物i的市场价格, 单位为元·kg-1; Si为农作物i的种植面积, 单位为万hm2(1亩＝1/15 hm2); Q0i为对照清洁区农作物i的单位面积产量, 单位为kg·hm-2; ai为大气污染引起农作物i减产的百分数(剂量反应关系); n为农作物种类, 这里取n＝6, 分别代表水稻、小麦、大豆、棉花、油菜和蔬菜.
1.2.3 建筑材料经济损失参考相关研究, 以SO2和酸雨为典型特点的酸沉降型空气污染, 对室外建筑材料会造成一定影响, 加剧大气腐蚀情况, 特别是含有碳钢、锌和铜等材料的建筑外墙及各种金属使用寿命大大缩短, 进而造成经济损失[32].本部分通过计量-暴露反应关系, 对水泥、砖、铝、油漆木材、大理石/花岗岩、陶瓷和马赛克、水磨石/水泥、油漆灰、瓦、镀锌钢、涂漆钢、涂漆钢防护网和镀锌防护网的损失进行核算.由于北京市现阶段不存在酸雨问题, 故只对SO2造成的影响进行核算.计算酸沉降对材料的危害的关键在于酸沉降对材料损害的剂量反应关系和材料存量及其维修或更换费用和周期的调查, 公式如下:
|
(8) |
式中, ECm为酸雨和SO2造成所有材料的经济损失, Ypi为污染条件下的i种材料的腐蚀速度, 单位为μm·a-1; Y0i为对照清洁区i种材料的腐蚀速度, 单位为μm·a-1; Ypai为i种材料调查条件下的腐蚀速度, 单位为μm·a-1, 从剂量反应关系中获得; Lpai为i种材料调查获得的材料经验寿命, 单位为年; di为材料i一次维修或更换的单价, 单位为元·(104 m2)-1; Ki为材料i的人均占有量, 单位为m2·人-1; P为常住人口, 单位为人.
1.2.4 清洁经济损失清洁问题相关的大气污染物主要是各种颗粒物, 大气中各种颗粒物浓度的升高对人们日常生活产生的影响主要表现为个人卫生、衣物清洗、居室卫生、生产和作业设备(如各种车辆)、道路清扫以及建筑物等额外增加的清洁费用, 造成个人、家庭以及社会因污染引起的清洁费用支出和劳务支出的增加.
1.2.4.1 家庭清洁费用增加随着大气中污染物浓度的升高, 人们日常生活(如个人卫生、衣物清洗、居室卫生和洗车等)的脏污速度加快, 导致清洁所需的人力、物力和频率的增加, 从而造成家庭清洁费用的增加.家庭清洁费用总额为以下费用的加和.
家庭家用洗衣机电费:
|
(9) |
式中, C1为城市家庭家用洗衣机电费, 单位为万元; Rm为洗衣机平均使用比例, 单位为%; fm为平均每户洗衣机洗衣频率, 单位为次·(d·台)-1; Nm平均每户的洗衣机台数, 单位为台·户-1; Pm为洗衣机平均功率, 单位为kW; Tm为洗衣机平均洗衣时间, 单位为h·次-1; Pe为电价, 单位为元·(kW·h)-1; H为城市家庭户数, 单位为万户.
家庭清洗用水水费:
|
(10) |
式中, C2为城市家庭清洗用水水费, 单位为万元; Ew为平均每户每月水费, 单位为元·(月·户)-1; Rc为平均每户清洗用水占生活用水量的比例, 单位为%; H同上.
家庭洗涤剂费用:
|
(11) |
式中, C3为城市家庭洗涤剂费用, 单位为万元; Ec为平均每户每月洗涤费用, 单位为元·(月·户)-1; H同上.
家庭的社会服务费用:
① 在外洗衣费用
|
(12) |
式中, C4l为洗衣店洗衣费用, 单位为万元; Rl为洗衣店洗衣比例, 单位为%; fl为洗衣店洗衣频率, 单位为次·d-1; El为每户平均洗衣店费用, 单位为元·(次·户)-1; H同上.
② 请人打扫费用
|
(13) |
式中, C4s为请人打扫费用, 单位为万元; Rs为城市家庭请人打扫家庭占家庭总数的比例, 单位为%; Es为平均每月请人打扫卫生费用, 单位为元·(月·户)-1; H同上.
③ 洗车费用
|
(14) |
式中, C4v为在外洗车费用, 单位为万元; Rv为有车家庭比例, 单位为%; Rvo为在外洗车比例, 单位为%; Ev为在外洗车费用, 单位为元·(月·户)-1; H同上.
1.2.4.2 社会清洁费用增加分别针对因污染增加的公交车辆、出租车辆、道路和建筑清洁费用给出了核算模型.
(1) 车辆清洁费用
|
(15) |
式中, Cb为社会公共车辆增加的总清洁费用, 单位为万元; Cbi为每辆车清洁和劳务费用, 单位为元·辆-1; ΔQbi为单车新增清洁次数, Abi为车辆数量, 单位为万辆; i表示社会公共车辆种类, 这里分别表示公交车和出租车.
(2) 道路清扫费用
|
(16) |
式中, Cs为道路增加的总清洁费用, 单位为万元; ΔCs为单位面积道路每年的清洁和劳务费用, 单位为元·m-2; ΔL为道路增加清扫的比例系数; Ls为城市道路总面积, 单位为万m2.
(3) 建筑清洁费用
|
(17) |
式中, Cc为建筑物暴露面积增加的总清洁费用, 单位为万元; ΔCci为污染城市的单位面积建筑物增加的清洁费用, 单位为元·m-2; Si为建筑材料的暴露面积, 单位为万m2; n为需清扫的建筑种类, 包括建筑外立面和地面两种.
1.3 基于问卷调查的北京市相关参数针对北京市居民或者企事业单位与大气污染相关的疾病人均就诊、住院和陪护等费用, 以及家庭、公共交通、道路和建筑清洁成本等费用, 于2017年进行了问卷调查.其中疾病和家庭清洁等相关费用的调查对象为北京市普通居民, 共设计28个问题, 根据统计学中抽样调查原理, 问卷样本量要达到问题数量的5~10倍(即问卷样本量要在140~280份); 此外, 北京市约有2 000万常住人口, 要达到95%的置信水平, 问卷样本量至少需要385份.综合以上因素此部分样本数为500份, 针对北京市常住居民随机调查[33].对于公共交通、道路和建筑清洁成本等费用, 主要调查北京市内的相关企事业单位, 由于全市公交公司和道路保洁相关单位数量较少、涉及建筑清洁的单位数量不详, 且该部分价格全市相对统一, 故调查样本量在20~30份之间, 保证每个区的相关调查对象至少1个.由此获得的相关参数系数见表 2~4所示.
|
|
表 2 北京市人体健康损失(呼吸系统和心血管疾病)相关参数系数 Table 2 Parameters of human health loss (respiratory system and cardiovascular disease) in Beijing |
|
|
表 3 北京市家庭清洁费用相关参数系数 Table 3 Parameters of household cleaning cost in Beijing |
|
|
表 4 北京市社会(公共交通、道路和建筑)清洁费用相关参数系数 Table 4 Parameters of public transport, road, and building cleaning cost in Beijing |
1.4 其他数据来源
北京市各区GDP、人均GDP、常住人口及其密度、户籍人口及其户数、农作物播种面积和私人汽车拥有量等数据来自2013~2018年相关统计年鉴[34]; 各区SO2、PM10和PM2.5年均浓度数据来自2012~2017年相关生态环境状况公报[35].各区死亡率, 全市价格指数、人均住房建筑面积、公共交通和出租小汽车运营数量、来自2013~2018年相关统计年鉴[36]; 全市清扫保洁面积、建成区面积来自2013~2018年相关统计年鉴[37].北京市每百门急诊入院人数来自2013~2018年卫生健康相关统计年鉴[38].
此外, 2012年各区PM2.5年均浓度数据通过2012年PM10和2013年PM10、PM2.5浓度数据折算得到.各区城市道路面积占全市的比例, 根据百度地图等矢量数据中各区道路长度及其等级计算得到, 进而通过历年全市清扫保洁面积确定各区的相关面积.各区公交车辆和出租车辆运营数量通过各区常住人口和全市公共交通和出租小汽车运营数量计算得到.各区建筑材料暴露面积, 通过各区人口和人均建筑暴露材料存量计算得到; 建筑材料寿命通过建筑材料腐蚀速度和SO2浓度计算得到.人均建筑暴露材料存量和建筑材料腐蚀速度来自文献[19].
2 结果与讨论 2.1 北京市改善效益总体情况将历年人体健康、农业、建筑材料和清洁成本经济损失加和, 本年度的大气污染经济损失, 用前1 a的损失量减去本年损失量, 为本年空气质量改善效益(即2013年的改善效益为2012年的大气污染损失量减去2013年量; 2017年的改善效益为2016年的损失量减去2017年量), 见表 5.总体来看, 2013年与2014年空气质量改善效益为负值, 分别为-19.82亿元和-18.93亿元; 但是2015~2017年都为正值, 特别是2017年改善效益明显, 达到223.30亿元.“大气十条”实施的5 a期间, 北京市空气质量改善效益总值达到494.26亿元(历年效益值均换算成2017年当年价). 2013年总体效益为负, 主要是因为人体健康改善效益为负.相比2012年, 北京市空气质量变差, 导致全市暴露人群的人体健康损失增大.各区中, 除通州、昌平、怀柔、密云和延庆外, PM2.5年均浓度都增大, 导致人体健康效益为负. 2014年, 通州、昌平、怀柔、密云和延庆PM2.5年均浓度增大, 空气质量恶化; 其他区PM2.5年均浓度均小幅下降, 空气质量改善, 但是该年其死亡率提高幅度均较大, 比如东城区常住人口死亡率由5.53‰提高到7.88‰, 西城区由6.09‰提高到6.95‰, 导致其在空气质量小幅改善的情况下, 人体健康效益仍为负, 可见大气污染导致的人体健康损害具有滞后性.2015~2017年, 北京市空气质量改善明显、PM2.5年均浓度下降较快, 空气质量改善效益显著.
|
|
表 5 北京市空气质量改善效益与改善指数及其组成 Table 5 Air pollution improvement benefit, improvement index, and their compositions in Beijing |
计算北京市空气质量改善效益占当年GDP的比重, 得到改善效益指数, 见表 5所示.该指数在2013年和2014年为负值; 随后3 a均为正值, 分别为6.68‰、6.16‰和8.77‰.“大气十条”实施的5 a期间, 北京市空气质量改善效益综合指数为4.11‰, 即空气质量改善的经济收益占GDP的4.11‰.“大气十条”实施的效益明显.
4类效益构成比例如图 2所示(如果某项为负值, 用其绝对值作百分比, 体现其影响大小).人体健康效益一般占比最大、影响最为明显; 清洁损失改善效益占比也较高.其次建筑材料损失改善效益, 农业损失改善效益占比一般最小.建筑材料和农业损失改善效益虽不明显, 但始终保持正效益.综合看, “大气十条”实施期间, 北京市人体健康、清洁损失、建筑材料损失和农业损失改善效益分别占43.97%、40.71%、14.95%和0.38%.
|
图 2 北京市空气质量改善效益占比 Fig. 2 Component ratios of air pollution improvement benefit in Beijing |
具体来看, 人体健康效益受到PM2.5影响较大, 2013年北京市PM2.5年均浓度较高, 所以人体健康效益影响程度也最大; 2017年, 北京市PM2.5年均浓度降幅较大, 实现了60μg·m-3的目标, 人体健康效益影响程度也很大.建筑材料和农业损失均受SO2影响较大.由于农业产业规模在北京市较小, 农业损失改善效益不明显, 虽然SO2浓度逐年减小, 但种植面积也逐年减少, 导致2014年后改善指数逐渐降低.关于材料损失改善效益, 2014年起北京市不再使用油漆木材、大理石/花岗岩、涂料/油漆灰、涂漆钢和涂漆钢防护网这5类建筑材料, 因此以后几年北京市材料损失改善效益明显降低.清洁损失改善效益受PM10浓度影响较大, 随着空气质量提高得到显著改善, 但2014年PM10浓度有所升高, 导致指数出现负值.
2.2 北京市各区情况北京市各区改善效益如图 3所示.从中可以看出, 对于不同类型的改善效益, 北京市中心城区与其他区的差异显著.对于人体健康效益, 东城、西城、朝阳、丰台、石景山和海淀等6个区(城六区)明显高于其他区, 特别是高于生态涵养区所包含的几个区.2017年, 东城、西城、朝阳、丰台、石景山和海淀的人体健康效益分别达到20.14、33.53、28.34、11.37、4.21和42.06亿元; 但是门头沟、怀柔、平谷、密云和延庆仅分别为2.33、2.50、1.44、2.07和0.61亿元, 与城六区差距明显, 主要是由于中心城区人口密度高、暴露人口数量较多.农业损失改善效益方面, 大兴区、通州区和延庆区改善显著; 中心城区各区农业用地面积较小, 农业损失改善效果并不明显, 东城、西城和石景山由于没有农业, 改善效益为0.材料损失改善效益, 海淀、朝阳、大兴、昌平和通州等区改善显著; 东城、西城和北部各区建筑材料暴露面积小, 改善效益不明显.清洁损失改善效益方面, 海淀、朝阳等常住人口多的区改善效益明显大于其他区; 东城和西城因为常驻人口较少且GDP较高, 导致损失改善指数较低; 2014年多数区PM10浓度增大, 导致改善指数均出现负值或低值.综合看, 城六区和城市发展新区的空气质量改善效益更显著, 生态涵养区包含的门头沟、怀柔、平谷、密云和延庆这5个区的效益总值相对较低, 主要受暴露水平(暴露人口、农业规模和建筑材料面积等)影响.
|
图 3 北京市各行政区空气质量改善效益及其指数 Fig. 3 Air pollution improvement benefit and improvement index in Beijing's administrative districts |
从时间变化看, 大多数区在2013年和2014年改善效益为负或者不显著; 2015~2017年改善效益为正, 且效益总值逐年上升.其中延庆、密云、平谷、昌平、通州、石景山和朝阳这7个区连续5a改善指数为正, 空气质量改善效益明显.总体看, 各区空气质量改善效益主要受该年空气质量改善幅度影响, 同时也受其他因素影响, 如人口、死亡率、种植面积和建筑面积的变化等.
3 结论(1) 经核算, 北京市2013年和2014年空气质量改善效益为负值(-19.82亿元和-18.93亿元), 2015~2017年均为正值, 分别达到157.07、152.64和223.30亿元, 占当年GDP比例分别为-0.85‰、-0.81‰、6.68‰、6.16‰和8.77‰.“大气十条”实施5a的总效益合计为494.26亿元, 占GDP总值的4.11‰.各年效益主要受该年空气质量改善幅度和其他因素叠加影响, 总体来说“大气十条”政策实施期间, 北京市空气质量改善效益显著, 且历年效益值总体呈上升趋势2015~2017年北京市空气质量改善明显, 改善效益显著.
(2) 从改善效益构成看, “大气十条”实施期间北京市人体健康、清洁损失、建筑材料损失和农业损失改善效益分别为217.31、201.20、73.89和1.86亿元.“大气十条”的实施使得北京市各大气污染物的浓度显著降低, 空气质量显著改善, 其中人体健康和清洁损失改善效益较大, 分别占总值的43.97%和40.71%, 农业损失改善效益最小, 占总值的0.38%, 人体健康、清洁损失、建筑材料损失三者改善效益相加占总值的99.63%, 经济效益明显.
(3) 从各区对比看, 城六区和城市发展新区的空气质量改善效益更显著, 特别是人口和面积均较大的朝阳和海淀等区; 门头沟、怀柔、平谷、密云和延庆等区的效益总值相对较低.大多数区在2015~2017年空气质量改善效益显著, 改善指数较高, 其中延庆区等7个区连续5a改善指数为正.朝阳、海淀等相对其他区人口较为密集, 活动水平较高, 大气污染损失的暴露的受体数量也较多, 因而空气质量改善带来的效益也较明显.
(4) 该评估表明了北京市“大气十条”实施的有效性和必要性.通过5a的政策实施, 北京市空气质量显著改善, 各项污染物浓度显著降低, 取得了较好的环境效益.同时, 空气质量改善减少了人体健康损失和其他损失, 取得了显著的经济效益.
| [1] | O'Connor G T, Neas L, Vaughn B, et al. Acute respiratory health effects of air pollution on children with asthma in US inner cities[J]. Journal of Allergy and Clinical Immunology, 2008, 121(5): 1133-1139.E1. DOI:10.1016/j.jaci.2008.02.020 |
| [2] | 廖纪萍, 王广发. 大气污染与呼吸系统疾病[J]. 中国医学前沿杂志(电子版), 2014, 6(2): 22-25. |
| [3] |
吴筱音, 李国星, 王旭英, 等. 北京市大气污染与呼吸系统疾病死亡的相关性-基于卫星遥感数据的时空分析[J]. 北京大学学报(医学版), 2017, 49(3): 409-417. Wu X Y, Li G X, Wang X Y, et al. Correlation study between respiratory death and airborne particles in Beijing: spatiotemporal analysis based on satellite remote sensing data[J]. Journal of Peking University (Health Sciences), 2017, 49(3): 409-417. DOI:10.3969/j.issn.1671-167X.2017.03.007 |
| [4] |
严俊. 兰州城区大气污染与居民呼吸、循环系统疾病日住院人数关系的时间序列研究[D]. 兰州: 兰州大学, 2010. Yan J. Time-series analysis of ambient air pollution and daily hospital admissions for system respiratory and circulatory system diseases in the urban area of Lanzhou[D]. Lanzhou: Lanzhou University, 2010. |
| [5] | Yang G H, Wang Y, Zeng Y X, et al. Rapid health transition in China, 1990-2010: findings from the Global Burden of Disease Study 2010[J]. The Lancet, 2013, 381(9882): 1987-2015. DOI:10.1016/S0140-6736(13)61097-1 |
| [6] | Zhang Q, Jiang X J, Tong D, et al. Transboundary health impacts of transported global air pollution and international trade[J]. Nature, 2017, 543(7647): 705-709. DOI:10.1038/nature21712 |
| [7] | Xu P, Chen Y F, Ye X J. Haze, air pollution, and health in China[J]. The Lancet, 2013, 382(9910): 2067. DOI:10.1016/S0140-6736(13)62693-8 |
| [8] | World Bank, Institute for Health Metrics and Evaluation. The cost of air pollution: strengthening the economic case for action[R]. Washington, DC, USA: World Bank, 2016. |
| [9] | Chen Z, Wang J N, Ma G X, et al. China tackles the health effects of air pollution[J]. The Lancet, 2013, 382(9909): 1959-1960. DOI:10.1016/S0140-6736(13)62064-4 |
| [10] |
马盼, 李若麟, 赵笑颜, 等. 北京市空气质量指数与气象条件的关系及其对呼吸系统疾病的滞后影响[J]. 兰州大学学报(自然科学版), 2017, 53(3): 388-393. Ma P, Li R L, Zhao X Y, et al. The lag effect of AQI on the number of emergency room visits for respiratory diseases and its relationship with meteorological conditions in Beijing City[J]. Journal of Lanzhou University (Natural Sciences), 2017, 53(3): 388-393. |
| [11] |
田依洁. 北京市呼吸系统疾病与气象因素及空气质量关系的研究[D]. 兰州: 兰州大学, 2018. Tian Y J. Research on the relationship between respiratory diseases and meteorological factors and air quality in Beijing[D]. Lanzhou: Lanzhou University, 2018. |
| [12] | Vu T V, Shi Z B, Cheng J, et al. Assessing the impact of clean air action on air quality trends in Beijing using a machine learning[J]. Atmospheric Chemistry and Physics, 2019, 19(17): 11303-11314. DOI:10.5194/acp-19-11303-2019 |
| [13] | Li H Y, Cheng J, Zhang Q, et al. Rapid transition in winter aerosol composition in Beijing from 2014 to 2017: response to clean air actions[J]. Atmospheric Chemistry and Physics, 2019, 19(17): 11485-11499. DOI:10.5194/acp-19-11485-2019 |
| [14] |
王金南, 雷宇, 宁淼. 改善空气质量的中国模式: "大气十条"实施与评价[J]. 环境保护, 2018, 46(2): 7-11. Wang J N, Lei Y, Ning M. Chinese model for improving air quality: an assessment of action plan of air pollution prevention and control[J]. Environmental Protection, 2018, 46(2): 7-11. |
| [15] |
武卫玲, 薛文博, 王燕丽, 等. 《大气污染防治行动计划》实施的环境健康效果评估[J]. 环境科学, 2019, 40(7): 2961-2966. Wu W L, Xue W B, Wang Y L, et al. Health benefit evaluation for air pollution prevention and control action Plan in China[J]. Environmental Science, 2019, 40(7): 2961-2966. |
| [16] |
蔡春光, 郑晓瑛. 改善空气质量健康效益的非市场价值评估[J]. 环境科学研究, 2007, 20(4): 150-154. Cai C G, Zheng X Y. Application of contingent valuation method in valuing health gains from air quality improvement[J]. Research of Environmental Sciences, 2007, 20(4): 150-154. DOI:10.3321/j.issn:1001-6929.2007.04.027 |
| [17] |
张翔, 戴瀚程, 靳雅娜, 等. 京津冀居民生活用煤"煤改电"政策的健康与经济效益评估[J]. 北京大学学报(自然科学版), 2019, 55(2): 367-376. Zhang X, Dai H C, Jin Y N, et al. Evaluation of health and economic benefits from "coal to electricity" policy in the residential sector in the Jing-Jin-Ji region[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(2): 367-376. |
| [18] |
王金南, 马国霞, 於方, 等. 2015年中国经济-生态生产总值核算研究[J]. 中国人口·资源与环境, 2018, 28(2): 1-7. Wang J N, Ma G C, Yu F, et al. Study on China's gross economic-ecological product accounting in 2015[J]. China Population, Resources and Environment, 2018, 28(2): 1-7. |
| [19] |
於方, 王金南, 曹东, 等. 中国环境经济核算技术指南[M]. 北京: 中国环境科学出版社, 2009. Yu F, Wang J N, Cao D, et al. Guideline for Chinese environmental and economic accounting[M]. Beijing: China Environmental Sciences Press, 2009. |
| [20] | Pope Ⅲ C A. Epidemiology of fine particulate air pollution and human health: biologic mechanisms and who's at risk?[J]. Environmental Health Perspectives, 2000, 108(S4): 713-723. DOI:10.1289/ehp.00108s4713 |
| [21] |
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. |
| [22] | Wang Z X, Wei W. Effects of modifying industrial plant configuration on reducing air pollution-induced agricultural loss[J]. Journal of Cleaner Production, 2020, 277. DOI:10.1016/j.jclepro.2020.124046 |
| [23] | 冯川萍. 大气污染对建筑物的危害及破坏[J]. 建筑科学, 2008, 24(3): 182-184. |
| [24] |
李芳. 酸雨对建筑材料的影响及防治研究综述[J]. 污染防治技术, 2010, 23(1): 67-69. Li F. A review of the influence and its prevention of acid rain to building materials[J]. Pollution Control Technology, 2010, 23(1): 67-69. |
| [25] |
秦耀辰, 谢志祥, 李阳. 大气污染对居民健康影响研究进展[J]. 环境科学, 2019, 40(3): 1512-1520. Qin Y C, Xie Z X, Li Y. Review of research on the impacts of atmospheric pollution on the health of residents[J]. Environmental Science, 2019, 40(3): 1512-1520. |
| [26] |
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. |
| [27] |
赵越. 大气污染对城市居民的健康效应及经济损失研究[D]. 北京: 中国地质大学(北京), 2007. Zhao Y. Study on health effects and economic loss on urban citizens caused by air pollution[D]. Beijing: China University of Geosciences (Beijing), 2007. |
| [28] |
王金南, 蒋洪强. 环境规划学[M]. 北京: 中国环境出版社, 2014. Wang J N, Jiang H Q. Environmental planning[M]. Beijing: China Environment Publishing Group, 2014. |
| [29] | Aunan K, Pan X C. Exposure-response functions for health effects of ambient air pollution applicable for China-a meta-analysis[J]. Science of the Total Environment, 2004, 329(1-3): 3-16. |
| [30] | 中华人民共和国国家卫生健康委员会. 2019中国卫生健康统计年鉴[M]. 北京: 中国协和医科大学出版社, 2019. |
| [31] |
戴燕宁. 大气污染对农作物的影响[J]. 辽宁科技学院学报, 2011, 13(1): 15-17. Dai Y N. Impact of polluted air on crops[J]. Journal of Liaoning Institute of Science and Technology, 2011, 13(1): 15-17. |
| [32] |
李新宇, 陈刚才, 吉方英, 等. 重庆市主城区建筑材料暴露存量及大气污染损失价值量核算[J]. 西南大学学报(自然科学版), 2010, 32(1): 94-99. Li X Y, Chen G C, Ji F Y, et al. Estimation of exposed stock of building materials and air pollution-caused economic losses in the main urban area of Chongqing[J]. Journal of Southwest University (Natural Science Edition), 2010, 32(1): 94-99. |
| [33] | 诺曼·布拉德伯恩, 希摩·萨德曼, 布莱恩·万辛克. 赵锋, 沈崇麟, 译. 问卷设计手册: 市场研究、民意调查、社会调查、健康调查指南[M]. 重庆: 重庆大学出版社, 2010. |
| [34] | 北京市统计局, 国家统计局北京调查总队. 北京区域统计年鉴[M]. 北京: 中国统计出版社, 2013. |
| [35] | 北京市生态环境局. 北京市生态环境状况公报[R]. 北京: 北京市生态环境局, 2012-2017. |
| [36] | 北京市统计局, 国家统计局北京调查总队. 北京统计年鉴[M]. 北京: 中国统计出版社, 2013-2018. |
| [37] | 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2013-2018. |
| [38] | 中华人民共和国国家卫生健康委员会. 中国卫生健康统计年鉴[M]. 北京: 中国协和医科大学出版社, 2013-2018. |