2023, Vol. 44
2. 湖北大学资源环境学院, 武汉 430062;
3. 长江大学资源与环境学院, 武汉 430100
, YANG Huan1 , CHEN Lan-zhou1 , NIU Xiao-xiao1 , YANG Lu1 , YI Jia-hui1 , KE Bi-qin1 , TIAN Ya1 , YE Zhi-xiang1 , MEI Xin2 , HONG Song1
, HE Chao3
2. Faculty of Resources and Environmental Science, Hubei University, Wuhan 430062, China;
3. College of Resources and Environment, Yangtze University, Wuhan 430100, China
空气污染已成为影响中国居民健康的第四大风险因素[1], 全球疾病负担研究(GBD)显示, 2017年中国空气污染导致1 240万人过早死亡[2].为了改善空气质量, 保障居民健康, 中国政府制定和实施了一系列大气污染防治政策, 使PM2.5和SO2浓度显著降低[3, 4], 空气质量明显改善.但是NO2浓度降低不明显, O3浓度却显著上升[5, 6].这表明我国空气污染问题仍对居民健康造成威胁.
过去50 a, 空气污染对人类健康的影响一直受到世界卫生组织(WHO)的关注[7].流行病学研究表明, 长期暴露于高浓度空气污染物中会增加心血管和呼吸道等相关疾病的患病风险[8~11], PM2.5和SO2等大气污染物浓度与非事故死亡率呈正相关关系[2, 8, 12~15].因此, 国内外许多学者都对我国因大气污染物导致的健康负担进行了研究：薛涛等[16]评估了2013~2017年中国PM2.5暴露及其健康影响的变化情况; 曾贤刚等[17]评估了2017年中国因O3污染导致的健康经济损失; Zhou等[3]对2015~2019年全国366个城市PM2.5、PM10、SO2、CO、NO2和O3监测浓度的空间分布及健康风险进行了分析; Lei等[18]对我国2019~2020年新冠疫情期间污染物浓度的空间变化进行研究, 强调了O3在空气质量评估和健康风险评估中的重要性; 蔡东杰等[19]分析了广州市NO2污染不同疾病对暴露人群的死亡影响, 发现NO2影响急促短暂, 对慢性阻塞性肺疾病的影响最大.
上述研究为评估我国大气污染健康效应提供了基础, 但现有研究仍存在以下不足：多数研究仅针对单一污染物, 而忽略多种污染物对人类健康造成的综合影响; 研究大多集中在流行病学, 并且集中在单一城市或者地区, 缺少城市-城市群-国家多尺度的健康风险研究.2018年6月, 国务院发布《打赢蓝天保卫战三年行动计划》, 将大气污染防治重点区域扩大到168个城市, 涵盖了我国大气污染最严重的区域.本文收集整理了这168个城市2015~2020年的PM2.5、SO2、CO、NO2和O3逐日监测数据, 利用MAKESENS模型和综合风险指数(ARI), 分析全国与6大城市群5种污染物总健康风险的时空分布特征, 评估从“十二五”末期(2015年)到“十三五”末期(2020年)的健康风险变化, 以期为我国城市大气污染的控制成效提供参考依据.
1 材料与方法 1.1 研究区域本文选择168个大气污染防治重点城市作为研究对象, 以上城市主要分布在京津冀及周边、长三角、汾渭平原、成渝、长江中游和珠三角这6个城市群, 见图 1.
|
基于自然资源部标准地图服务网站下载的审图号为GS(2019)1822号的标准地图制作，底图无修改，下同 图 1 中国168个重点城市和城市群的地理分布示意 Fig. 1 Geographical distribution of 168 key cities and urban agglomerations in China |
2015年1月1日至2020年12月31日PM2.5、SO2、CO、NO2和O3浓度监测数据来自中国空气质量在线监测分析平台(https://www.aqistudy.cn/historydata/).为了确保数据的准确性, 本文依照《环境空气质量标准》(GB 3095-2012)中的要求对获取的数据进行质量控制, 剔除异常数据.PM2.5、SO2、CO和NO2浓度的年均值是指研究年份所有日期日均值的算术平均值, O3浓度的年均值是指研究年份所有日期日最大8h(MDA8)的算术平均值.168个重点城市2015~2020年常住人口数据来源于各市的统计年鉴(https://data.stats.gov.cn/index.htm).
1.3 研究方法 1.3.1 MAKESENS模型本文基于MAKESENS模型, 检验并估算了2015~2020年中国重点城市大气污染物年平均浓度的变化趋势.首先, 采用Mann-Kendall检验构建S统计量, 公式如下：
|
(1) |
|
(2) |
|
(3) |
|
(4) |
|
(5) |
式中, n为时间序列的长度, xk和xj分别为第k年和第j年的污染物年平均浓度(j>k); S为年均浓度变化趋势的方向, 若S为正值表示污染物年平均浓度存在明显上升趋势, S为负值则表示存在明显下降趋势.Q为污染物年均浓度变化趋势, 当Q>0, 污染物年均浓度呈上升趋势, 当Q＜0, 污染物年均浓度呈下降趋势.
1.3.2 综合风险指数(ARI)综合风险指数(ARI)是由Cairncross等[20]基于空气污染物与死亡率的暴露-反应关系和相对风险(RR)提出的, 用于评估暴露于多种空气污染物导致的总健康风险[21].本文利用ARI评估2015~2020年中国重点城市(群)大气污染物暴露导致的总健康风险, 公式如下：
|
(6) |
式中, PSIi为污染物i的健康风险, n为污染物数量, ci为污染物i的浓度, ai为污染物i与风险值的比例系数.
有研究发现, 在计算污染物暴露导致的健康风险时, PM10的RR最显著[22, 23], 因此ai计算公式为：
|
(7) |
式中, aPM10为WHO健康风险研究计算得出的常数(aPM10=0.08), 此时RRPM10值为1.014[23]; RRi为污染物i浓度每增加10 μg·m-3的相对死亡风险, 计算公式为：
|
(8) |
式中, βi为暴露-响应系数, 表示与污染物i浓度增加相关的额外健康风险, ci为污染物i的浓度, c0为污染物i对应的阈值浓度, 只有当ci大于c0时污染物才会对人类健康造成影响, 当ci小于等于c0时污染物浓度对人类健康没有明显影响.本文中的β值基于Shang等[14]的研究, 污染物浓度每增加1 μg·m-3, PM2.5、SO2、NO2和O3的β值分别为0.032%、0.081%、0.13%和0.048%, CO浓度每增加1mg·m-3, β值为3.7%.污染物对应的阈值浓度c0为《环境空气质量标准》(GB 3095-2012)中的国家二级标准.
2 结果与讨论 2.1 大气污染的时空格局图 2表示2015~2020年中国168个重点城市大气污染物浓度6 a均值的空间分布.对于ρ(PM2.5)而言, 在所有研究城市中只有石家庄(77.23 μg·m-3)、安阳(76.62 μg·m-3)、保定(75.76 μg·m-3)和邢台(75.02 μg·m-3)的6 a均值超过75 μg·m-3; 其余城市(大约83%)浓度6 a均值介于35~75 μg·m-3之间; 只有大约15%的城市6 a均值小于35 μg·m-3, 达到国家二级标准.对于ρ(SO2)而言, 所有重点城市均达到国家二级标准, 大约69%的城市6 a均值介于20~60 μg·m-3之间, 其中最高的城市是山西晋中(53.93 μg·m-3)和临汾(52.24 μg·m-3), 约31%的浓度6 a均值小于20 μg·m-3.对于ρ(CO), 所有城市的6 a均值小于4mg·m-3, 全部达到国家二级标准.对于ρ(NO2), 大约23%的城市浓度6 a均值超过国家二级标准(40 μg·m-3), 以上城市分布在四川成都、重庆、京津冀和汾渭平原等地区, 约77%的城市达到国家二级标准.对于ρ(O3), 所有城市均达到国家二级标准, 大约66%的城市6 a均值介于100~160 μg·m-3之间, 这些城市集中分布在京津冀大部分的地区、江苏、浙江湖州和嘉兴等城市, 是O3的重度污染区[24], 约34%的城市ρ(O3)6 a均值小于100 μg·m-3.
|
图 2 2015~2020年中国168个重点城市大气污染的空间分布及城市群大气污染物浓度6 a均值 Fig. 2 Spatial distribution of air pollution in 168 Chinese key cities and the six-year average concentration of air pollutants in urban agglomerations from 2015 to 2020 |
对于6个城市群而言, ρ(PM2.5)6 a均值超过35 μg·m-3的城市群分别是京津冀(58.54 μg·m-3)、汾渭平原(58.32 μg·m-3)、长江中游(48.85 μg·m-3)、成渝(45.28 μg·m-3)和长三角(44.75 μg·m-3)低于35 μg·m-3的是珠三角城市群(29.94 μg·m-3). ρ(SO2)6 a均值和ρ(CO)6 a均值最高的城市群均是汾渭平原城市群, 6 a均值为28.46 μg·m-3和1.28mg·m-3; 6 a均值最低的城市群是珠三角城市群, 6 a均值为9.64 μg·m-3和0.79mg·m-3.汾渭平原(38.95 μg·m-3)和京津冀(38.23 μg·m-3)城市群ρ(NO2)6 a均值最高, 其次是长三角(33.64 μg·m-3)、珠三角(32.62 μg·m-3)、成渝(30.90 μg·m-3)和长江中游城市群(28.70 μg·m-3). ρ(O3)6 a均值最高的是京津冀城市群, 为101.92 μg·m-3, 其次是长三角(96.87 μg·m-3)、汾渭平原(94.11 μg·m-3)、珠三角(90.71 μg·m-3)、长江中游(89.50 μg·m-3)和成渝城市群(82.99 μg·m-3).
图 3表示研究区污染物浓度的变化趋势. 2015年以来研究区域的PM2.5、CO和NO2浓度以下降趋势为主导, 极少部分城市呈现上升趋势, 变化速率范围分别为-12.87~-0.21 μg·(m3·a)-1、-0.32~0.05 mg·(m3·a)-1和-4.71~3.49μg·(m3·a)-1.O3浓度则以上升趋势为主, 部分区域略微下降, 变化速率范围是-3.78~11.55μg·(m3·a)-1.相比之下, SO2浓度全部呈现下降趋势, 变化速率范围为-11.11~0.06μg·(m3·a)-1.具体来看, SO2浓度下降速率较快[>6μg·(m3·a)-1]的城市集中分布汾渭平原和京津冀及周边地区; PM2.5浓度下降最快的城市是河北保定、衡水和山东德州, 下降速率均超过10μg·(m3·a)-1; CO浓度除安徽黄山、四川泸州和湖南益阳3座城市略微上升外, 其余城市均下降; NO2浓度下降的城市共148个, 下降较快[>3μg·(m3·a)-1]的城市主要分布在黑龙江哈尔滨、新疆乌鲁木齐和京津冀及周边地区, 浓度上升的城市共20个, 主要位于山西、四川和江苏等省; O3浓度下降的52个城市主要位于京津冀北部、四川西部、江浙沪沿海、长江中游的部分城市, O3浓度上升的116座城市主要分布在山西、安徽、珠三角和京津冀部分地区, 平均每年升高2.92 μg·m-3, 其中京津冀地区和成渝城市群PM2.5浓度变化趋势最显著, 下降速率为5.18μg·(m3·a)-1和4.63μg·(m3·a)-1.SO2浓度变化趋势最显著的地区是汾渭平原和京津冀城市群, 下降速率高达6.62μg·(m3·a)-1和6.11μg·(m3·a)-1.京津冀和长三角地区NO2浓度变化最明显, 下降速率是1.76μg·(m3·a)-1和1.34μg·(m3·a)-1.O3浓度上升最快的地区是汾渭平原和京津冀城市群, 上升速率分别是3.12μg·(m3·a)-1和2.41μg·(m3·a)-1, 说明这两个地区面临着更严峻的减排形势[25].CO浓度变化趋势最显著的地区是汾渭平原城市群, 下降速率为0.19mg·(m3·a)-1.
|
图 3 2015~2020年中国168个重点城市大气污染物浓度变化趋势空间分布及城市群污染物浓度变化趋势 Fig. 3 Spatial distribution trends of pollutant concentrations in 168 Chinese key cities and trend of pollutant concentrations in urban agglomerations from 2015 to 2020 |
图 4为2015~2020年ARI的空间格局.可以看出, 大气污染健康风险呈现出很强的空间和时序差异.从空间上来看, 2015年以来, 健康风险的高值区域均出现在京津冀的大部分城市和汾渭平原地区, 如北京、陕西渭南和咸阳、山西全省以及河北、河南的大部分城市, 这些区域的ARI均大于10.相比之下, 福建厦门、云南昆明、长三角东南部、成渝和长江中游城市群等区域的ARI均小于10.从时间变化来看, 2015年ARI超过10的城市有25个, 主要分布在黑龙江哈尔滨、辽宁沈阳、北京、山西和河北; 到2018年ARI大于10的城市有4个, 分别是河北保定和石家庄、河南安阳以及山西临汾, 相比2015年下降了84%; 到2020年已经没有ARI大于10的城市.为评估研究期间多种污染物暴露对居民健康的影响, 利用各市的常住人口数据和ARI, 估算了2015~2020年暴露于不同健康风险下的累计人口频率(图 5).结果表明, 2015~2020年重点城市人口因污染物暴露的健康风险水平呈现明显下降趋势, 暴露在高健康风险(ARI>10)中的人口数量比例为18.88%、17.79%、16.17%、2.81%、3.19%和0%. 2017~2018年“十三五”规划以及“蓝天保卫战”等政策实施期间[26], 暴露在高健康风险中的人口数量出现急剧下降, 从2017年的1.6亿人迅速下降至2018年的3 254万人.
|
图 4 2015~2020年中国168个重点城市ARI的空间分布 Fig. 4 Spatial distribution of ARI in 168 Chinese key cities from 2015 to 2020 |
|
(a)和(d)分别表示2015~2020各年和不同季节ARI的累计人口频率; (b)、(c)、(e)和(f)表示ARI空间分布的季节变化 图 5 2015~2020年中国168个重点城市ARI的累计人口频率和季节变化 Fig. 5 Cumulative population frequency and seasonal variation in ARI in 168 Chinese key cities from 2015 to 2020 |
从季节变化来看, 春季ARI大于10的城市有32个, 主要分布在新疆乌鲁木齐、辽宁沈阳、黑龙江哈尔滨以及汾渭平原和京津冀及周边部分城市; 到夏季ARI大于10的城市下降到8个, 主要分布在河南安阳、河北和山东的部分城市; 到秋季ARI大于10的城市下降为0; 冬季ARI大于10的城市上升到22个, 集中分布在京津冀和汾渭平原地区.分析季节ARI均值的累计人口频率可以发现, 春季群体面临更高的健康风险, 有19.51%的人口都暴露在高健康风险中; 冬季和夏季仅次于春季, 暴露在高健康风险中的人口比例为14.07%和5.92%; 秋季空气质量较好, 全部人口都生活在ARI小于10的环境中.
2.3 城市群大气污染健康风险差异由图 6(a)可知2015~2020年汾渭平原城市群的健康风险最高, ARI的6 a均值为9.2, 其次是京津冀城市群, 6 a均值达到了7.24, 长三角(2.64)、珠三角(2.18)、长江中游(1.97)和成渝(1.87)城市群健康风险相对较低.比较“十二五”末期和“十三五”末期可以发现, 6个城市群大气污染健康风险呈现下降趋势, 这得益于“十三五”期间制定并实施的一系列以“改善生态环境”为目标的政策[27], 其中长江中游城市群健康风险显著降低, ARI从2.91下降到0.75, 变化率为-74.35%, 其次是成渝城市群, 从2.78下降到1.02, 变化率为-63.31%, 而珠三角城市群的ARI的变化率仅为-0.78%.“十三五”末期, 京津冀(4.29)和汾渭平原(3.56)城市群受高强度大气污染物排放[28, 29]、不利的地形和气象等因素的影响[30, 31], ARI远高于其他城市群, 仍面临较高的健康风险.
|
(a)单一污染物的健康风险(PSI)及总健康风险(ARI), 红线表示健康风险限值; (b)单一污染物的健康风险(PSI)在总健康风险(ARI)中的占比情况 图 6 2015~2020年中国城市群的ARI和不同污染物PSI占比 Fig. 6 ARI and proportion of PSI of different pollutants in Chinese urban agglomeration from 2015 to 2020 |
从单一污染物的健康风险(PSI)来看, 2015~2020年6个城市群PM2.5的PSI均大于0, 表明6个城市群均面临PM2.5暴露而导致的更高健康风险, 6 a均值由高到低分别是汾渭平原(4.00)、京津冀(3.88)、长江中游(1.31)、成渝(1.16)、长三角(1.06)和珠三角城市群(0.09). 2015~2020年汾渭平原城市群PM2.5的PSI在2016年出现峰值(6.26)后显著下降, 其他城市群PM2.5的PSI波动下降.2015年京津冀城市群PM2.5的PSI为6.65远高于其他城市群, “蓝天保卫战”实施后开始迅速下跌, 到2018年仅为2.44.
2015~2020年SO2的PSI的6 a均值最高的城市群是汾渭平原(3.80), 主要原因是人口密集、能源消费结构以煤炭为主和工业排放源多导致SO2污染严重[32], 另外秦岭高大地形阻碍了污染物扩散, 加剧汾渭平原SO2污染[30]. 2017~2018年汾渭平原SO2的PSI显著降低, 从6.59下降至0.19, 变化率为-97.12%, “蓝天保卫战”实施后, 汾渭平原SO2污染治理取得明显成效.
O3健康风险最高的城市群是京津冀和珠三角, PSI的6a均值为2.69和1.67.有研究表明颗粒物浓度下降和前体物变化造成京津冀城市群O3污染严重[33, 34], 珠三角地区受海陆风、山谷风、城市热岛环流等局地环流影响显著[35], 导致污染物不易扩散, 加剧O3污染.CO和NO2的PSI较低, 相较于其他污染物, CO和NO2对城市群居民的健康影响较小.
由图 6(b)可知, 2015年京津冀、长三角、汾渭平原、成渝和长江中游城市群PM2.5的PSI占比都达到了50%以上, 是影响总健康风险的主要污染物.近年来污染防治措施的实施使得PM2.5浓度下降, 但是2020年汾渭平原和长江中游城市群风险值占比大于50%, 这些地区PM2.5污染对健康的影响仍然显著.O3的PSI占比呈现上升趋势, 到“十三五”末期京津冀、长三角、成渝和珠三角城市群, PSI占比均超过50%, O3取代PM2.5成为影响总健康风险的主要污染物, 尤其是珠三角城市群, PSI的6 a占比均超过75%,
未来大气污染治理应更加关注京津冀、汾渭平原和珠三角城市群.另外, 本研究还发现在污染水平不同的地区, 主要和次要污染物在公共健康风险中的作用不同, 例如京津冀城市群由PM2.5主导, 珠三角城市群由O3主导, 应根据城市群的主导污染物采取相应的控制措施, 从而缓解因大气污染而造成的健康风险.
2.4 不确定性分析本文使用监测站点数据估计了中国重点城市2015~2020年的PM2.5、SO2、CO、NO2和O3浓度暴露水平, 但是不同城市监测站点的数量和位置不同, 部分城市实际污染情况与估算结果可能存在误差.由于人口数据的局限性, 健康风险评估中忽略了人口变化(包括人口老龄化、迁移)的影响, 实际的健康风险变化还取决于城市人口结构以及人群行为模式等因素.
污染物阈值浓度是影响健康风险评估的重要因素.目前有关污染物对人体健康影响的阈值浓度还没有统一的标准, 在评估健康风险的过程中, 本文根据中国当前的环境标准采用了《环境空气质量标准》(GB 3095-2012)中的国家二级标准, 远低于世界卫生组织(WHO)的指导标准[36].可能忽略了低于阈值浓度时产生的健康影响, 导致健康风险结果偏低.
暴露-反应关系是健康效应评估中的关键参数, 大多基于流行病学研究, 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导致研究结果存在地域差异性[37, 38], 不能完全代表我国的情况, 应该选择更具有针对性的参数结果.另外, PM2.5的超额风险不仅与质量负荷有关而且与化学成分密切相关, 应该进行更多的研究, 如通过测量气溶胶的组成数据来提高β值的准确性[39~43].本文采用Shang等[14]对我国不同污染物的暴露-反应关系研究结果, 具有区域针对性.此外, 有研究发现慢性支气管炎的健康经济效益甚至高于早逝[44, 45], 本文仅根据全因早逝的健康终点评估健康风险, 没有将心血管疾病早逝和呼吸疾病早逝等疾病健康终点纳入研究, 增加了健康风险评估的不确定性.
由于大气的复杂性, 分析单一污染物的健康影响时, 无法排除大气中其他污染物的干扰, 尽管ARI能够评估多种污染物的总健康风险, 但是无法评估由污染物复合作用导致的健康影响, 可能会重复计算从而高估健康风险.
3 结论(1) 2015~2020年中国重点城市PM2.5污染最严重, 仅15%的城市PM2.5浓度6 a均值达到国家二级标准; NO2次之, 77%的城市NO2浓度6 a均值达到国家二级标准; 对于其他污染物, 所有重点城市污染物浓度6 a均值达到国家二级标准; 污染物浓度6 a均值超标的城市集中分布在四川成都、重庆、京津冀和汾渭平原等地区.京津冀和汾渭平原城市群空气污染严重, PM2.5、SO2、CO和NO2浓度6 a均值均高于其他城市群.
(2) 2015~2020年中国重点城市, PM2.5、SO2、CO和NO2浓度呈下降趋势, O3浓度除成渝城市群外其余地区均呈上升趋势.其中京津冀和汾渭平原SO2浓度变化最显著, 下降速率均大于6μg·(m3·a)-1.
(3) 中国重点城市健康风险高值区集中在京津冀和汾渭平原地区, 低值区分布在成渝、珠三角城市群和安徽等地区. 2015~2020年中国重点城市健康风险整体呈现下降趋势, 在2017~2018年期间出现急剧下降, 暴露在极高风险下的人口从1.6亿人下降至3 254万人.健康风险存在明显的季节差异, 春季和冬季健康风险最高, 夏季和秋季健康风险较低.
(4) 2015~2020年京津冀和汾渭平原城市群相较于其他城市群健康风险最高, ARI的6 a均值为7.24和9.2; 长江中游城市群健康风险显著降低, 变化率为-74.35%.“十三五”末期, 汾渭平原SO2污染治理取得明显成效, 京津冀和汾渭平原城市群仍面临较高的健康风险; 同时, 京津冀、长三角、成渝和珠三角城市群, O3的PSI占比均超过50%, O3逐渐取代PM2.5成为影响总健康风险的主要污染物.
| [1] | 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 |
| [2] | Yin P, Brauer M, Cohen A J, et al. The effect of air pollution on deaths, disease burden, and life expectancy across China and its provinces, 1990-2017: an analysis for the global burden of disease study 2017[J]. The Lancet Planetary Health, 2020, 4(9): e386-e398. DOI:10.1016/S2542-5196(20)30161-3 |
| [3] | Zhou W, Chen C, Lei L, et al. Temporal variations and spatial distributions of gaseous and particulate air pollutants and their health risks during 2015-2019 in China[J]. Environmental Pollution, 2021, 272. DOI:10.1016/j.envpol.2020.116031 |
| [4] | Feng Y Y, Ning M, Lei Y, et al. Defending blue sky in China: effectiveness of the "Air pollution prevention and control action plan" on air quality improvements from 2013 to 2017[J]. Journal of Environmental Management, 2019, 252. DOI:10.1016/j.jenvman.2019.109603 |
| [5] |
何超, 慕航, 杨璐, 等. 中国暖季近地面臭氧浓度空间格局演变及主要气象驱动因素[J]. 环境科学, 2021, 42(9): 4168-4179. He C, Mu H, Yang L, et al. Spatial variation of surface ozone concentration during the warm season and its meteorological driving factors in China[J]. Environmental Science, 2021, 42(9): 4168-4179. DOI:10.13227/j.hjkx.202009228 |
| [6] | Wang Y H, Gao W K, Wang S, et al. Contrasting trends of PM2.5 and surface-ozone concentrations in China from 2013 to 2017[J]. National Science Review, 2020, 7(8): 1331-1339. DOI:10.1093/nsr/nwaa032 |
| [7] | Motesaddi S, Hashempour Y, Nowrouz P. Characterizing of air pollution in Tehran: comparison of two air quality indices[J]. Civil Engineering Journal, 2017, 3(9): 749-758. DOI:10.21859/cej-030911 |
| [8] | Chen B H, Kan H D, Chen R J, et al. Air pollution and health studies in China-policy implications[J]. Journal of the Air & Waste Management Association, 2011, 61(11): 1292-1299. |
| [9] | Anderson J O, Thundiyil J G, Stolbach A. Clearing the air: a review of the effects of particulate matter air pollution on human health[J]. Journal of Medical Toxicology, 2012, 8(2): 166-175. DOI:10.1007/s13181-011-0203-1 |
| [10] | Tian Y H, Liu H, Liang T L, et al. Ambient air pollution and daily hospital admissions: a nationwide study in 218 Chinese cities[J]. Environmental Pollution, 2018, 242: 1042-1049. DOI:10.1016/j.envpol.2018.07.116 |
| [11] | 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 |
| [12] | Atkinson R W, Cohen A, Mehta S, et al. Systematic review and meta-analysis of epidemiological time-series studies on outdoor air pollution and health in asia[J]. Air Quality, Atmosphere & Health, 2012, 5(4): 383-391. |
| [13] | Kan H D, Chen R J, Tong S L. Ambient air pollution, climate change, and population health in China[J]. Environment International, 2012, 42: 10-19. DOI:10.1016/j.envint.2011.03.003 |
| [14] | 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 |
| [15] | Yu Y Q, Yao S, Dong H B, et al. Association between short-term exposure to particulate matter air pollution and cause-specific mortality in Changzhou, China[J]. Environmental Research, 2019, 170: 7-15. DOI:10.1016/j.envres.2018.11.041 |
| [16] |
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. |
| [17] |
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. DOI:10.3969/j.issn.1000-6923.2019.09.051 |
| [18] | Lei R Y, Nie D Y, Zhang S M, et al. Spatial and temporal characteristics of air pollutants and their health effects in China during 2019-2020[J]. Journal of Environmental Management, 2022, 317. DOI:10.1016/j.jenvman.2022.115460 |
| [19] |
蔡东杰, 杨军, 黄琳, 等. 广州市大气NO2污染对暴露人群不同疾病死亡的影响[J]. 中国环境科学, 2022, 42(8): 3950-3956. Cai D J, Yang J, Huang L, et al. Impacts of atmospheric NO2 pollution on cause-specific mortality of different diseases in exposed population in Guangzhou[J]. China Environmental Science, 2022, 42(8): 3950-3956. DOI:10.3969/j.issn.1000-6923.2022.08.054 |
| [20] | Cairncross E K, John J, Zunckel M. A novel air pollution index based on the relative risk of daily mortality associated with short-term exposure to common air pollutants[J]. Atmospheric Environment, 2007, 41(38): 8442-8454. DOI:10.1016/j.atmosenv.2007.07.003 |
| [21] | Shojaei Baghini N, Falahatkar S, Hassanvand M S. Time series analysis and spatial distribution map of aggregate risk index due to tropospheric NO2 and O3 based on satellite observation[J]. Journal of Environmental Management, 2022, 304. DOI:10.1016/j.jenvman.2021.114202 |
| [22] | Pyta H. Classification of air quality based on factors of relative risk of mortality increase[J]. Environment Protection Engineering, 2008, 34(4): 111-117. |
| [23] | Sicard P, Lesne O, Alexandre N, et al. Air quality trends and potential health effects - development of an aggregate risk index[J]. Atmospheric Environment, 2011, 45(5): 1145-1153. DOI:10.1016/j.atmosenv.2010.12.052 |
| [24] |
牛笑笑, 钟艳梅, 杨璐, 等. 2015-2020年中国城市PM2.5-O3复合污染时空演变特征[J]. 环境科学, 2023, 44(4): 1830-1840. Niu X X, Zhong Y M, Yang L, et al. Spatiotemporal evolution characteristics of PM2.5-O3 compound pollution in Chinese cities from 2015 to 2020[J]. Environmental Science, 2023, 44(4): 1830-1840. |
| [25] |
郝永佩, 宋晓伟, 赵文珺, 等. 汾渭平原大气污染时空分布及相关因子分析[J]. 生态环境学报, 2022, 31(3): 512-523. Hao Y P, Song X W, Zhao W J, et al. Spatiotemporal distribution of air pollution and correlation factors in Fenwei Plain[J]. Ecology and Environmental Sciences, 2022, 31(3): 512-523. DOI:10.16258/j.cnki.1674-5906.2022.03.010 |
| [26] |
柴发合. 我国大气污染治理历程回顾与展望[J]. 环境与可持续发展, 2020, 45(3): 5-15. Chai F H. Review and prospect on the atmospheric pollution control in China[J]. Environment and Sustainable Development, 2020, 45(3): 5-15. DOI:10.19758/j.cnki.issn1673-288x.202003005 |
| [27] |
肖致美, 徐虹, 蔡子颖, 等. 天津市"十三五"期间PM2.5减排效果评估[J]. 环境科学, 2023, 44(6): 3054-3062. Xiao Z M, Xu H, Cai Z Y, et al. Assessment of emission reduction effect of major air pollution control measures on PM2.5 concentrations during 13th five-year period in Tianjin[J]. Environmental Science, 2023, 44(6): 3054-3062. |
| [28] |
胡京南, 柴发合, 段菁春, 等. 京津冀及周边地区秋冬季PM2.5爆发式增长成因与应急管控对策[J]. 环境科学研究, 2019, 32(10): 1704-1712. Hu J N, Chai F H, Duan J C, et al. Explosive growth of PM2.5 during the autumn and winter seasons in the Jing-Jin-Ji and surrounding area and its control measures with emergency response[J]. Research of Environmental Sciences, 2019, 32(10): 1704-1712. |
| [29] |
贺博文, 聂赛赛, 李仪琳, 等. 承德市PM2.5中多环芳烃的季节分布特征、来源解析及健康风险评价[J]. 环境科学, 2022, 43(5): 2343-2354. He B W, Nie S S, Li Y L, et al. Seasonal distribution characteristics, source analysis, and health risk evaluation of PAHs in PM2.5 in Chengde[J]. Environmental Science, 2022, 43(5): 2343-2354. |
| [30] |
郑小华, 李明星, 刘慧, 等. 汾渭平原空气质量的时空特征及其与气象因子的关系[J]. 环境科学学报, 2020, 40(11): 4113-4121. Zheng X H, Li M X, Liu H, et al. Spatiotemporal characteristics of air quality and their relationships with meteorological factors over the Fenwei Plain[J]. Acta Scientiae Circumstantiae, 2020, 40(11): 4113-4121. DOI:10.13671/j.hjkxxb.2020.0230 |
| [31] |
庹雄, 杨凌霄, 张婉, 等. 海-陆大气交汇作用下青岛冬季大气PM2.5污染特征与来源解析[J]. 环境科学, 2022, 43(5): 2284-2293. Tuo X, Yang L X, Zhang W, et al. Characteristics and source analysis of PM2.5 in Qingdao in winter under the action of sea-land-atmosphere convergence[J]. Environmental Science, 2022, 43(5): 2284-2293. |
| [32] |
张岳军, 朱凌云, 郭伟, 等. 汾渭平原大气SO2和NO2时空变化特征分析[J]. 生态环境学报, 2020, 29(6): 1147-1156. Zhang Y J, Zhu L Y, Guo W, et al. Analysis of temporal and spatial variation characteristics of atmospheric SO2 and NO2 in Fenwei Plain[J]. Ecology and Environmental Sciences, 2020, 29(6): 1147-1156. |
| [33] |
余益军, 孟晓艳, 王振, 等. 京津冀地区城市臭氧污染趋势及原因探讨[J]. 环境科学, 2020, 41(1): 106-114. Yu Y J, Meng X Y, Wang Z, et al. Driving factors of the significant increase in surface ozone in the Beijing-Tianjin-Hebei region, China, during 2013-2018[J]. Environmental Science, 2020, 41(1): 106-114. |
| [34] |
王帅, 冯亚平, 崔建升, 等. 石家庄市臭氧污染的时空演变格局和潜在源区[J]. 环境科学学报, 2020, 40(9): 3081-3092. Wang S, Feng Y P, Cui J S, et al. Spatio-temporal evolution patterns and potential source areas of ozone pollution in Shijiazhuang[J]. Acta Scientiae Circumstantiae, 2020, 40(9): 3081-3092. |
| [35] |
李婷苑, 陈靖扬, 龚宇, 等. 2022年广东省冬季一次臭氧污染过程的气象成因及潜在源区分析[J]. 环境科学, 2023, 44(7): 3695-3704. Li T Y, Chen J Y, Gong Y, et al. Meteorological formation mechanisms and potential sources of an ozone pollution process in winter of 2022 in Guangdong province[J]. Environmental Science, 2023, 44(7): 3695-3704. |
| [36] |
朱彤, 万薇, 刘俊, 等. 世界卫生组织《全球空气质量指南》修订解读[J]. 科学通报, 2022, 67(8): 697-706. Zhu T, Wan W, Liu J, et al. Insights into the new WHO global air quality guidelines[J]. Chinese Science Bulletin, 2022, 67(8): 697-706. |
| [37] | 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 |
| [38] | 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. |
| [39] | Ge X L, Li L, Chen Y F, et al. Aerosol characteristics and sources in Yangzhou, China resolved by offline aerosol mass spectrometry and other techniques[J]. Environmental Pollution, 2017, 225: 74-85. |
| [40] | Ng N L, Herndon S C, Trimborn A, et al. An aerosol chemical speciation monitor(ACSM) for routine monitoring of the composition and mass concentrations of ambient aerosol[J]. Aerosol Science and Technology, 2011, 45(7): 780-794. |
| [41] | Canagaratna M R, Jayne J T, Jimenez J L, et al. Chemical and microphysical characterization of ambient aerosols with the aerodyne aerosol mass spectrometer[J]. Mass Spectrometry Reviews, 2007, 26(2): 185-222. |
| [42] | Wang J F, Ge X L, Chen Y F, et al. Highly time-resolved urban aerosol characteristics during springtime in Yangtze river delta, China: insights from soot particle aerosol mass spectrometry[J]. Atmospheric Chemistry and Physics, 2016, 16(14): 9109-9127. |
| [43] | Wang J F, Onasch T B, Ge X L, et al. Observation of fullerene soot in eastern China[J]. Environmental Science & Technology Letters, 2016, 3(4): 121-126. |
| [44] |
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. |
| [45] |
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. |