2024, Vol. 45
2. 中国气象局乌鲁木齐沙漠气象研究所, 塔克拉玛干沙漠气象国家野外科学观测研究站, 新疆沙漠气象与沙尘暴重点实验室, 新疆树木年轮生态实验室, 乌鲁木齐 830002
, BAI Yang1 , TANG Yuan-wei1 , ZHANG Xin-yu1 , WANG Zhi-rui1 , HU Jing-jing1 , YANG Jin-tao1
2. Taklimakan National Field Scientific Observation and Research Station of Desert Meteorology, Xinjiang Key Laboratory of Desert Meteorology and Sandstorm, Xinjiang Key Laboratory of Tree-Ring Ecology, Institute of Desert Meteorology, China Meteorological Administration, Urumqi 830002, China
2020年以来新型冠状病毒在全球蔓延并造成了大量人口死亡[1~3], 众多学者研究显示大气污染物的浓度变化与全球疫情蔓延有显著的关联[4~7]. 疫情期间, 由于工厂生产和交通等活动的减少, 大气环境得到了极大改善[8, 9], 这为当前空气质量改善提供了思路. 近年来, 我国社会经济高质量发展, 但大气环境问题日益突出, 对人类的生产和生活产生了重大的影响. 现今, 我国的空气污染水平远高于世界卫生组织（WHO）质量标准, 处于空气污染排行榜较前端的位置[10~13]；每年导致的过早死亡率远高于世界上其他国家[14]. 然而, 空气污染对人体健康的潜在风险只有在近十几年才逐渐被重视. 最新的流行病学研究发现, 持续暴露在超标大气污染物环境下, 会显著提高呼吸道、心脑血管等疾病的发病率和死亡率, 严重损害人体健康[15, 16], 使人群预期寿命缩短[17~19]. 此外, 高浓度大气颗粒物还会形成雾、霾和沙尘等事件, 降低大气能见度和空气质量[6, 7], 制约社会经济的高质量发展. 因而, 加快我国大气污染物对人体健康影响的研究对城市环境的改善和实现碳达峰具有重要意义[16, 20~22].
不同的大气污染物对人体健康的危害差异较大. PM根据空气动力学当量直径可分为PM10和PM2.5等, 可吸入的颗粒物越细对人体的伤害越大. PM10主要引起人体的上呼吸道感染；PM2.5会进入人体肺部, 引起哮喘和降低肺功能, 甚至危及生命. NO2主要来源于有机燃料（工业、燃煤和汽车）的人为高温燃烧过程[23], 因含有的化学物质具有较强的毒性, 可对人体肾脏和心脏产生危害, 并造成肺部过敏或慢性阻碍性肺病等不可逆疾病[24]. CO具有降低血液携氧能力, 易在血液中形成碳氧血红蛋白从而破坏组织氧合作用, 使身体特别是大脑的氧供应减少, 导致人体昏厥、中枢神经系统甚至心脏的损害[25, 26]. SO2易刺激呼吸道, 使人呼吸困难进而增加呼吸疾病和肺癌的死亡率[27]. O3被认为是光化学空气污染物中危害最大的一种, 可引起炎症反应和肺上皮细胞的破坏, 使人容易患呼吸道疾病[28], 尤其是高浓度O3会使呼吸系统和心脑血管疾病的发病率和死亡率升高[26, 28, 29]. 因此, 研究大气污染物对人体健康的危害至关重要.
健康影响评估通常与流行病学、毒理学等学科相结合[30, 31], 且其常用流行病学统计方法, 通过将污染物浓度数据与不同浓度下的相对风险、基线发生率和流行病学参数相结合来表示不同的健康效应[32]. 然而, 暴露于空气中的人群数量对各污染物的健康效应差异较大[33]. 因此, 确定特定区域内暴露于空气污染的人群, 进而量化空气污染对人体健康的影响尤为重要. 空气质量指数（air quality index, AQI）是常见的评估空气质量的指标, 但其主要以单一污染物来评估, 会造成结果的不准确. 基于人体健康的空气质量指数（health-risk based air quality index, HAQI）和总空气质量指数（aggregate air quality index, AAQI）是综合了多种污染物提出的空气质量评价指标. 有较多研究对区域空气质量指标进行了研究[16, 34~36], 但对我国西北地区研究较少且定量评估空气质量对人体健康的影响较少. AirQ2.2.3模型因具有将流行病学数据与污染物数据相结合的特性[23, 30], 使其成为量化特定区域内污染物对人群造成潜在健康影响的有效工具[23, 32].
西安市是我国西北政治、经济和文化中心, 战略位置极其重要, 其空气质量直接关系到黄河流域生态环境和社会经济的高质量发展. 西安市人口超1 200万（截止到2021年底）, 重工业发达, 资源丰富, 汽车保有量大, 这使得人为工业排污、冬季供暖和汽车尾排等成为该区域空气污染的主要来源. 加之, 该区域环境污染不仅受到单一污染物的影响, 多种污染物的混合已逐渐凸显[15, 16, 36]. 除人为活动影响外, 自然源（地形条件和周边分布戈壁、沙漠）的影响也不容小觑[12]. 为了应对环境污染问题, 西安市颁布了诸多措施和条例来改善区域环境质量, 并取得了显著的效果[37, 38], 但沙尘暴、雾、霾和秸秆燃烧等产生的二次气溶胶和生物质燃烧仍然是西安市大气环境污染面临的巨大挑战. 有较多学者对该区域空气质量进行了研究[16, 36], 但各污染物对人体健康的量化研究较为缺乏[39], 因此, 本研究主要目标为：①评价西安市2015 ~ 2021年的空气质量状况；②通过比较3种空气质量指标（AQI、AAQI和HAQI）来分析大气污染物时空演化特征, 进而评估该区域暴露于空气污染的人群比例；③结合污染物与流行病学数据, 建立污染物与人群之间的暴露-反应函数曲线, 利用AirQ2.2.3模型量化各污染物对人体健康的影响.
1 材料与方法 1.1 研究区概况西安市（108.95° E, 34.27° N）位于关中盆地腹地（图 1）, 属温带大陆性季风气候, 是我国西部的中心城市[40], 平均海拔549 m, 年均气温15.1 ℃, 年均降水量551 mm, 年均风速2.1 m·s-1；四季差异明显, 全年以偏东风和静风为主, 秋、冬季深受雾和霾事件影响. 西安是古代丝绸之路的起点, 也是新亚欧大陆桥及黄河流域最大城市, 现已逐步发展成为我国重要的科研、教育和产业基地. 截至2018年底, 机动车数量达到325万辆[41], 这推动了当地经济快速发展, 但同时对空气质量产生了巨大的危害[42]. 此外, 西安市位于渭河流域, 北接黄土高原, 南接秦岭, 东部地势偏低呈开口状, 西部地势偏高呈束底状, 独特的地形也使空气污染物难以扩散[43, 44].
|
图 1 西安市概况示意 Fig. 1 Location of the study area |
本研究中6种污染物浓度（PM2.5、PM10、SO2、NO2、CO和O3）数据来自中国国家环境监测中心城市空气质量实时发布平台（http://113.108.142.147:20035/emcpublish/）. 本文统计2015 ~ 2021年西安市12个监测站点（兴庆小区、纺织城、小寨、市人民体育场、高新西区、经开区、阎良区、草滩、长安区、临潼区、曲江文化产业集团和广运潭）的各污染物逐小时浓度（图 1）. 通过对所在区的每个监测站点的小时数据进行平均得到西安市污染物日均浓度, 其中, PM10、PM2.5、SO2、NO2和CO是24 h平均值, O3是日最大8 h滑动平均值. 除CO的单位是mg·m-3外, 其他5种大气污染物均为μg·m-3. 西安市2015 ~ 2021年人口数据：988万（2015年）、1 030万（2016年）、1 134万（2017年）、1 191万（2018年）、1 235万（2019年）、1 296万（2020年）和1 287万（2021年）, 来自于陕西省各年的统计年鉴. 死亡率数据来源于中国国家统计数据（http://www.stats.gov.cn/）以及陕西省统计数据（http://tjj.shaanxi.gov.cn/upload/2021/zk/indexch.htm）.
1.3 方法 1.3.1 空气质量指数（AQI）AQI的计算是基于环境空气质量指数（AQI）技术规定（试行）（HJ 633-2012）, 根据6种标准污染物的日均浓度计算得到每种污染物的空气质量分指数（individual air quality index, AQIm）, 并将所有IAQIp的最大值定义为AQI[45], 其范围为0 ~ 500, 即：
|
(1) |
式中, IAQIp为污染物p的空气质量指数；cp为污染物p的浓度, BPHi为与c相近的污染物浓度限制的高位值, BPLo为与c相近的污染物浓度限制的低位值, IAQIHi为与BPHi对应的空气质量分指数, IAQILo为与BPLo对应的空气质量分指数.
将空气污染指数划为0 ~ 50、51 ~ 100、101 ~ 150、151 ~ 200、201 ~ 300和 > 300这6档, 指数越大, 说明污染越严重, 对人体健康影响也越明显. AQI计算如公式（2）所示：
|
(2) |
式中, IAQI为空气质量分指数, p为污染物种类, 本研究中p为6种大气污染物.
1.3.2 综合环境空气质量（AAQI）AAQI用于考虑暴露于多种污染物的综合健康影响[公式（3）][46]：
|
(3) |
式中, AAQI为综合空气质量指数, α为经验常数, 本研究选择α为2[34].
1.3.3 空气质量健康指数（HAQI）HAQI为建立空气污染与健康风险之间的暴露-反应关系[47]. Cairncross提出了总超额风险（ER）的概念, 污染物p的相对风险（RRp）计算如下：
|
(4) |
式中, βp为暴露-反应系数, 表示每单位污染物（如浓度为1 μg·m-3的PM2.5）的增加造成的额外健康风险. cp为污染物p的浓度, cp,0为阈值浓度, 当污染物浓度低于该阈值浓度时, 没有表现出不利健康影响（即RR=1）. 由于阈值浓度的选取导致HAQI计算的结果差异较大, 参照他人研究成果[16, 36, 48], 本研究中, 使用CAAQS 24-h二级的阈值作为cp,0；相对风险值一般参考荟萃分析的结果[12, 23]. 本研究β值为空气污染暴露与死亡风险增加之间存在显著关联, 参考Shang等[12]的研究结果, 即PM2.5、PM10、SO2、NO2和O3浓度每增加10 μg·m-3, CO浓度每增加1 mg·m-3, 全因死亡率的β值分别为0.38%、0.32%、0.81%、1.3%、0.48%和3.7%；呼吸系统疾病的β值（缺失CO的数据）分别为0.51%、0.32%、1.18%、1.62%和0.73%；心脑血管疾病的β值分别为0.44%、0.43%、0.85%、1.46%、0.45%和4.77%.
每种污染物p的超额风险（ERp）计算如下：
|
(5) |
暴露于多种空气污染物的总超额风险（ERtotal）计算如下：
|
(6) |
先前研究通过将ERtotal转为0 ~ 10之间的任意指数, 用于表明空气污染对人体健康的风险[47]. 本研究参考Hu等[49]的方法, 基于AQI和AAQI相同尺度（0 ~ 500）, 引入HAQI以及等效污染物浓度cp*. 等效污染物浓度定义为污染物的ER等于ERtotal的浓度水平[49]. 因此等效相对风险（RRp*）计算如下：
|
(7) |
等效污染物浓度计算：
|
(8) |
式中, βp和cp,0为第p种污染物的βp和cp,0值. 由于RRp*为暴露于多种污染物的总风险, 因此等效浓度代表所有标准污染物的综合健康风险, 之后可以使用cp*确定基于第p种标准污染物的等效浓度的HAQI, 即：
|
(9) |
|
(10) |
综合HAQI被确定为所有子HAQI的最大值, 计算如下：
|
(11) |
AirQ2.2.3模型是由WHO欧洲中心开发, 用于评估空气污染对健康的影响. 目前该模型在大气环境方面得到广泛应用[23, 30~32]. 该模型是基于归因比例（attributable proportion, AP）进行, 它被定义为可归因于暴露在空气污染物中的人群的健康效应比值[23], 该模型假设理想的健康效应和暴露间存在因果关系且不存在显著的混杂因素[23]. AP的计算公式为：
|
(12) |
式中, AP为可归因比例, RR为暴露类别c的相对风险值, 在本研究中揭示暴露于污染物而导致疾病的概率, Pc为暴露于类别c中的人口占比[23, 30, 31].
确定出研究人群中健康影响的基线发生率, 则暴露的比率为：
|
(13) |
式中, IE为可归因于暴露的健康比率, BI为受调查人群中健康影响的基线发生率[23]. 最后利用人口规模, 计算出归因于暴露的病例数：
|
(14) |
式中, NE为归因于暴露的病例数, N为被调查人群的规模[23, 32].
2 结果与分析 2.1 研究区大气污染物趋势变化研究区2015 ~ 2021年6种污染物和AQI均呈现出波动下降态势. ρ（PM2.5）和ρ（PM10）在2016年达到最大值, 分别为72 μg·m-3和138 μg·m-3, 接近于空气质量二级标准[GB 3095-2012, ρ（PM2.5）为75 μg·m-3, ρ（PM10）为150 μg·m-3]. AQI最大值出现在2017年（数值为122）, 达到轻度污染状态, 之后呈下降趋势. AQI从2015 ~ 2021年整体上空气质量从轻度污染（2017年AQI为122）转为良好状态（2021年AQI为91, 图 2）. 值得注意的是, AQI的时间趋势变化与PM2.5和PM10较为吻合. SO2和CO在研究时段内下降趋势比较明显（图 2）. ρ（NO2）在2017年达到极大值59 μg·m-3, 之后下降趋势较为显著. 总体来看, PM2.5、PM10和NO2介于空气质量一级与二级标准之间；SO2、CO和O3均低于空气质量一级标准（图 2）.
|
图 2 西安市各大气污染物及AQI年变化 Fig. 2 Annual variation in air pollutants and AQI in Xi'an City |
本研究统计了研究区12个站点在各空气质量等级中的天数（图 3和图 4）. 每种类别根据AAQI与HAQI的不同做了进一步分类, 结果显示不同空气质量等级所得到的结果分布不一致（图 3和图 4）. 其中, 分类最为明显的是基于AQI的轻微污染日（101 < AQI < 150）和中度污染日（151 < AQI < 200, 图 3和图 4）. 2015 ~ 2021年在AQI轻微污染日天数中, AAQI有20%是相对应的污染日天数, 68%对应中度污染日, 12%对应严重污染日（图 3）. HAQI有75%相对应的污染日天数, 21%对应中度污染日, 4%对应严重污染日（图 4）. 而基于AQI的中度污染日（151 < AQI < 200）差异较大, 可以发现AAQI和HAQI将其中83%和80%分类为严重污染日, 对应的中度污染日只占17%和20%（图 3和图 4）. 值得注意的是, 基于AQI的无健康风险日中（AQI < 100）, HAQI = AQI, 但AAQI有59%的天数为轻度污染、11%的为中度污染（图 4）. 基于AQI的严重污染日（201 < AQI < 300）, 虽然其所占天数较少, 但基于AAQI和HAQI, 分别仍有55%和63%为非常严重的污染天数. 在中度污染日以下, AAQI评价指标最高, HAQI次之, AQI严重低估；在中度污染日以上, HAQI评价指标最高, AAQI次之, AQI低估（图 3和图 4）. 此外, 2015 ~ 2021年基于AQI的中等污染日以上, 在绝大部分情况下HAQI处于严重和非常严重的污染日, 表明基于AQI的中等污染日, 其实际空气质量对人体健康影响严重（图 3和图 4）.
|
图 3 西安市AQI类别下对应的AAQI的累积天数 Fig. 3 Accumulated days of corresponding AAQI under AQI categories in Xi'an City |
|
图 4 西安市AQI类别下对应的HAQI的累积天数 Fig. 4 Accumulated days of corresponding HAQI under AQI categories in Xi'an City |
量化和评估空气污染对人体健康的影响研究具有重要的意义[12, 15]. 本研究在定性评价污染现状的基础上发现AQI低估了空气污染[49], 主要在于使用单一污染物评价空气质量的指标不能充分反映空气污染[49]. AAQI和HAQI对污染水平表现出较好的效果[15, 49]（图 3和图 4）. 这主要是由于AAQI和HAQI分别考虑了所有污染物的综合影响及多种污染物的特定暴露-响应关系, 后者与健康影响显著相关[50, 51], 因此可以提供更准确的污染风险信息[15, 26].
研究区空气质量虽然不断改善, 但3种空气质量指标均显示整体污染较高, 这主要有自然和人为两方面的影响. 从自然来看, 研究区位于关中盆地, 南靠秦岭, 东西狭长呈开口状, 整体地势西高东低, 仅有无沙尘的西北冷空气有利于盆地内的污染物扩散, 但该区域位于沙尘传输的西北路径中, 冬、春季的西北风绝大部分携带有大量粉尘, 加之北方戈壁沙漠粉尘一路向南无高大山脉阻隔, 致使颗粒物污染加剧. 而从东部进入盆地内部的空气污染物不易扩散和清除, 形成了一个相对闭塞的区域, 易于滞留和堆积. 从人为原因来看, 钢铁厂、水泥厂和焦化厂等产业在研究区分布众多, 以煤炭、化石燃料作为主要能源, 资源利用率低, 产业布局和能源结构不合理, 排放大量硫化物、NOx及二次气溶胶. 研究区机动车保有量较大, 人们的环保意识淡薄、政策条例实施的差异等均造成了污染物排放依然较高.
2.3 大气污染物导致的超额风险和暴露人群为评价污染物对研究区造成的健康风险, 本研究计算了各污染物的超额风险（图 5）. 不同年份相差较大, 范围从0.62%（2020年）~ 2.24%（2017年, 图 5）. 整体来看, 西安市在研究时段内受各污染物的影响均存在, 这其中导致超额风险高的污染物是颗粒物（PM10和PM2.5）和O3, 占比分别为80%（其中PM10占比为41.17%、PM2.5占比为39.5%）和11.16%（图 5）, 这揭示颗粒物污染仍然是西安市空气质量改善的首要防控指标, 其产生的健康风险也最高. 值得注意的是, 虽然O3浓度在逐年下降, 但超额风险占比变化较小, 仍属于较高状态（图 5）. 此外, NO2的占比也较高（7.38%）.
|
图 5 西安市各污染物的超额风险 Fig. 5 Excess risk of pollutants in Xi'an City |
为评估暴露于空气污染的人群比例, 本研究计算了基于人口加权的HAQI和AQI累积分布（图 6）. 西安市有82%左右的人处于“污染”的空气中（HAQI > 100, 图 6）. 从季节来看, 春季有50%的人群处于“污染”的空气中；夏季空气质量较好, 有30%的人群处于对人体有影响的大气环境中；秋、冬季分别有48%和95%的人群处于“污染”空气中（图 6）. 从整体来看, 冬季暴露于污染空气的人群占比最高, 春季次之, 夏季暴露于污染空气的人群较少. 虽然暴露于污染的空气中的人群较多, 但研究区的全部人群年平均而言都未处于“不健康”的空气中（151 < HAQI < 200, 图 6）, 其中在冬季, 有73%的人群暴露在“不健康”的空气中, 其他季节都处于较为健康的空气中. 有30%的人群冬季甚至暴露在“非常不健康”的空气中（HAQI > 201）. 此外, AQI评估的暴露于污染空气中的人群要远低于HAQI的占比（图 6）.
|
图 6 西安市基于人口加权的空气质量指标累计分布 Fig. 6 Cumulative distribution of air quality indicators based on population weights in Xi'an City |
本研究采用AirQ2.2.3模型量化各污染物对人体健康产生的影响, 发现各污染物总死亡率的可归因比例中, NO2和O3的比例最大, 均超过了500, 呼吸系统疾病和心脑血管疾病的归因比例也是最大的（表 1和图 7）. PM10造成的心脑血管疾病的超额案例数比例大于呼吸系统疾病（表 1）. 暴露反应曲线（ER）反映了暴露于不同浓度的各污染物中引起的总死亡率的累积死亡数量关系（表 1和图 7）, PM2.5、SO2和CO的比例在浓度较小时的ER暴露曲线上升趋势比较明显, 造成的人体健康影响较大；而NO2和PM10对人体健康效应较强, 导致的超额案例数也较多. 此外PM10和PM2.5在高浓度（≥ 400 μg·m-3）时ER曲线仍处于上升趋势, 表明颗粒物在更高浓度时依然会造成较高的健康风险（图 7）. 虽然NO2造成的超额案例数最大, 但其ER曲线在较高浓度时趋于平稳, 在较低浓度时变化很大, 这表明较低浓度的暴露所造成的健康效应比较明显. ρ（SO2）、ρ（O3）、ρ（NO2）和ρ（CO）在70 ~ 79 μg·m-3、> 200 μg·m-3、100 ~ 109 μg·m-3和4.0 ~ 4.9 mg·m-3之后趋势逐渐平缓. PM10的累积案例数要大于我国西北地区和伊朗地区, 这主要与研究区的暴露人口较多有关（图 6和图 7）. 不同浓度下各污染物引起的心脑血管和呼吸系统疾病累计死亡率的ER曲线趋势与总死亡率的ER曲线基本一致（表 1和图 7）.
|
表 1 西安市暴露于污染物而导致的估计可归因比例和超额案例数 Table 1 Estimated attributive proportion AP and excess cases due to exposure to air pollutants in Xi'an City |
|
图 7 西安市污染物各等级下的全因超额案例数 Fig. 7 Relationship between the cumulative total mortality and the pollutant concentration in Xi'an City |
研究区污染物和超额风险主要以颗粒物和O3为主（图 2和图 5）, 这主要与自然粉尘传输（沙尘事件）和人为排放（能源结构、冬季供暖、交通排放、重工业产业结构等）有显著关联[15]. 随着西安市践行国家生态保护、污染防控和“双碳”的有关政策, 颗粒物超额风险在逐年下降[24], 但O3虽较颗粒物的污染比例低, 但没有呈现出显著下降的态势. 本研究进一步通过AirQ2.2.3模型量化各污染物归因于全因、呼吸系统和心脑血管疾病的总死亡率案例, 发现NO2和O3的超额案例数最大, 而颗粒物主要在较高的浓度对人体健康的影响较大（表 1和图 7）. NO2和O3归根结底是同根同源. 工业活动（化石能源燃烧）、石油化工、汽车尾气排放、涂料生产和供暖等人为污染源向大气中排放大量的NOx和挥发性有机污染物, 二者在光照充足的情况下发生光化学反应, 在近地表生成O3[52]. 颗粒物虽然较之前对人体健康影响的比例有所下降, 但PM2.5的比例总体仍然较高；而PM2.5的组分中以有机物成分为主, 也主要来自于散煤燃烧、机动车尾气等一次排放和挥发性有机物的二次转化[21].
研究区工业活动主要依赖煤炭和石油等化石能源, 释放出大量的颗粒物、SO2和NOx等, 工业排放源是导致研究区大气污染问题的主要原因之一[40]；随着研究区车辆数量的增加, 交通尾气排放成为重要的大气污染源[53]；在冬季供暖季节, 燃煤锅炉的使用加重了大气污染的程度[40]. 此外, 城市建设和基础设施建设过程中的施工作业会产生大量的扬尘污染, 如土地开挖和建筑工地的露天储存及运输过程中的扬尘等[43]. 因此, 人为源造成的污染物对研究区人体健康的影响已逐步凸显.
3.2 自然源对研究区的影响研究区除NO2、O3和PM2.5对人体健康的影响较大之外, PM10也不容忽视. PM10主要是颗粒粒径较大的粉尘颗粒, 除了人为源排放之外, 自然源影响也较大. 研究区的自然源主要受到地形、地貌和沙尘事件高粉尘排放的影响[54, 55], 两方面的因素在冬、春季会叠加[55].
研究区位于关中盆地, 山脉环绕, 北有黄土台塬、南有秦岭横亘, 西侧陇塬收口, 仅有东北为开口状, 这种口袋型地貌[40, 55], 在关中盆地静、弱风时, 空气流动受限, 污染物不易扩散, 导致污染物留存时间较长[44]. 此外, 研究区特定的气象条件如逆温限制了空气的对流, 冬季温度逆温现象较为常见[43], 空气稳定, 大气污染物不易扩散, 加剧了污染物的积累.
研究区处于我国西北地区, 戈壁和沙漠地貌广袤, 土地退化和荒漠化较为严重, 冬、春季在西北风的作用下, 沙尘事件频发[16], 当沙尘天气来临的时候, PM10呈现明显飙升[54]. 研究区深受我国西北三条沙尘主要传输路径中的北部路径和西部路径的影响[55], 北面无高大山脉, 因此颗粒物污染较为严重, 而由沙尘天气引起的PM10升高造成的人体健康的影响甚至可能显著大于其他污染物[55].
4 结论（1）研究区颗粒物污染的防治初见成效（特别是PM2.5）, 在继续保持减排基础上, 加强对气态污染物的防治（特别是O3和NO2）, 大气颗粒物和O3的协同防治并出台挥发性有机物治理政策标准和大幅度削减NOx排放等是当前及之后的主要目标. 比如：集中供暖、机动车实行限号, 增加植被覆盖率、本地人为建筑粉尘排放限制等. 此外, 应加强对公众空气污染防控意识的提高.
（2）单个城市在自身空气污染治理方面已取得了较好的效果, 但区域污染时有发生. 随着单个城市治污工作的不断深入, 区域联防联控的重要性将更加凸显.
（3）提高西安市资源使用率、优化能源结构和产业布局, 持续开展燃煤、工业、交通运输和生物质燃烧多污染源、多污染物综合治理与深度减排. 增加可再生资源、消耗性替代性资源的使用.
（4）AAQI和HAQI更能真实反映空气质量状况, 且包含了对人体健康的影响, 在环境监测或天气预报中应补充.
| [1] | Konstantinoudis G, Padellini T, Bennett J, et al. Long-term exposure to air-pollution and COVID-19 mortality in England: a hierarchical spatial analysis[J]. Environment International, 2021, 146. DOI:10.1016/j.envint.2020.106316 |
| [2] | Schiermeier Q. Why pollution is plummeting in some cities-but not others[J]. Nature, 2020, 580(7803). DOI:10.1038/d41586-020-01049-6 |
| [3] | Nie D Y, Shen F Z, Wang J F, et al. Changes of air quality and its associated health and economic burden in 31 provincial capital cities in China during COVID-19 pandemic[J]. Atmospheric Research, 2021, 249. DOI:10.1016/j.atmosres.2020.105328 |
| [4] | Filippini T, Rothman K J, Cocchio S, et al. Associations between mortality from COVID-19 in two Italian regions and outdoor air pollution as assessed through tropospheric nitrogen dioxide[J]. Science of the Total Environment, 2021, 760. DOI:10.1016/j.scitotenv.2020.143355 |
| [5] | Chakraborty J. Convergence of COVID-19 and chronic air pollution risks: racial/ethnic and socioeconomic inequities in the U.S[J]. Environmental Research, 2021, 193. DOI:10.1016/j.envres.2020.110586 |
| [6] | Travaglio M, Yu Y Z, Popovic R, et al. Links between air pollution and COVID-19 in England[J]. Environmental Pollution, 2021, 268. DOI:10.1016/j.envpol.2020.115859 |
| [7] | Zhang X H, Tang M L, Guo F J, et al. Associations between air pollution and COVID-19 epidemic during quarantine period in China[J]. Environmental Pollution, 2021, 268. DOI:10.1016/j.envpol.2020.115897 |
| [8] | Bao R, Zhang A C. Does lockdown reduce air pollution? Evidence from 44 cities in northern China[J]. Science of the Total Environment, 2020, 731. DOI:10.1016/j.scitotenv.2020.139052 |
| [9] | Wang J F, Xu X Y, Wang S M, et al. Heterogeneous effects of COVID-19 lockdown measures on air quality in Northern China[J]. Applied Energy, 2021, 282. DOI:10.1016/j.apenergy.2020.116179 |
| [10] | World Health Organization. Air quality guidelines global update 2005: particulate matter, ozone, nitrogen dioxide and sulfur dioxide[R]. Geneva: World Health Organization, 2006. |
| [11] | Gao H W, Chen J, Wang B, et al. A study of air pollution of city clusters[J]. Atmospheric Environment, 2011, 45(18): 3069-3077. DOI:10.1016/j.atmosenv.2011.03.018 |
| [12] | 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 |
| [13] | Fang D L, Chen B, Hubacek K, et al. Clean air for some: unintended spillover effects of regional air pollution policies[J]. Science Advances, 2019, 5(4). DOI:10.1126/sciadv.aav4707 |
| [14] | Lelieveld J, Evans J S, Fnais M, et al. The contribution of outdoor air pollution sources to premature mortality on a global scale[J]. Nature, 2015, 525(7569): 367-371. DOI:10.1038/nature15371 |
| [15] | Shen F Z, Zhang L, Jiang L, et al. Temporal variations of six ambient criteria air pollutants from 2015 to 2018, their spatial distributions, health risks and relationships with socioeconomic factors during 2018 in China[J]. Environment International, 2020, 137. DOI:10.1016/j.envint.2020.105556 |
| [16] | 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 |
| [17] | Chen R J, Wang X, Meng X, et al. Communicating air pollution-related health risks to the public: an application of the Air Quality Health Index in Shanghai, China[J]. Environment International, 2013, 51: 168-173. DOI:10.1016/j.envint.2012.11.008 |
| [18] | Guo Y, Li S, Tian Z, et al. The burden of air pollution on years of life lost in Beijing, China, 2004-08: retrospective regression analysis of daily deaths[J]. BMJ, 2013, 347. DOI:10.1136/bmj.f7139 |
| [19] | Gu Y, Yim S H L. The air quality and health impacts of domestic trans-boundary pollution in various regions of China[J]. Environment International, 2016, 97: 117-124. DOI:10.1016/j.envint.2016.08.004 |
| [20] | Wang Y G, Ying Q, Hu J L, et al. Spatial and temporal variations of six criteria air pollutants in 31 provincial capital cities in China during 2013-2014[J]. Environment International, 2014, 73: 413-422. DOI:10.1016/j.envint.2014.08.016 |
| [21] | Wang Z B, Fang C L. Spatial-temporal characteristics and determinants of PM2.5 in the Bohai Rim Urban Agglomeration[J]. Chemosphere, 2016, 148: 148-162. DOI:10.1016/j.chemosphere.2015.12.118 |
| [22] | Zhao S P, Yu Y, Yin D Y, et al. Annual and diurnal variations of gaseous and particulate pollutants in 31 provincial capital cities based on in situ air quality monitoring data from China National Environmental Monitoring Center[J]. Environment International, 2016, 86: 92-106. DOI:10.1016/j.envint.2015.11.003 |
| [23] | Miri M, Alahabadi A, Ehrampush M H, et al. Mortality and morbidity due to exposure to ambient particulate matter[J]. Ecotoxicology and Environmental Safety, 2018, 165: 307-313. DOI:10.1016/j.ecoenv.2018.09.012 |
| [24] | Liu Z Y, Guan Q Y, Luo H P, et al. Development of land use regression model and health risk assessment for NO2 in different functional areas: a case study of Xi'an, China[J]. Atmospheric Environment, 2019, 213: 515-525. DOI:10.1016/j.atmosenv.2019.06.044 |
| [25] | Hampson N B, Piantadosi C A, Thom S R, et al. Practice recommendations in the diagnosis, management, and prevention of carbon monoxide poisoning[J]. American Journal of Respiratory and Critical Care Medicine, 2012, 186(11): 1095-1101. DOI:10.1164/rccm.201207-1284CI |
| [26] | Phung D, Hien T T, Linh H N, et al. Air pollution and risk of respiratory and cardiovascular hospitalizations in the most populous city in Vietnam[J]. Science of the Total Environment, 2016, 557⁃558: 322-330. |
| [27] | Yun Y, Gao R, Yue H F, et al. Synergistic effects of particulate matter (PM10) and SO2 on human non-small cell lung cancer A549 via ROS-mediated NF-κB activation[J]. Journal of Environmental Sciences, 2015, 31: 146-153. DOI:10.1016/j.jes.2014.09.041 |
| [28] | Jerrett M, Burnett R T, Pope Ⅲ C A, et al. Long-term ozone exposure and mortality[J]. New England Journal of Medicine, 2009, 360(11): 1085-1095. DOI:10.1056/NEJMoa0803894 |
| [29] | Tao Y B, Huang W, Huang X L, et al. Estimated acute effects of ambient ozone and nitrogen dioxide on mortality in the Pearl River Delta of southern China[J]. Environmental Health Perspectives, 2012, 120(3): 393-398. DOI:10.1289/ehp.1103715 |
| [30] | Fattore E, Paiano V, Borgini A, et al. Human health risk in relation to air quality in two municipalities in an industrialized area of Northern Italy[J]. Environmental Research, 2011, 111(8): 1321-1327. DOI:10.1016/j.envres.2011.06.012 |
| [31] | Khaniabadi Y O, Daryanoosh S M, Hopke P K, et al. Acute myocardial infarction and COPD attributed to ambient SO2 in Iran[J]. Environmental Research, 2017, 156: 683-687. DOI:10.1016/j.envres.2017.04.028 |
| [32] | Bahrami Asl F, Leili M, Vaziri Y, et al. Health impacts quantification of ambient air pollutants using AirQ model approach in Hamadan, Iran[J]. Environmental Research, 2018, 161: 114-121. DOI:10.1016/j.envres.2017.10.050 |
| [33] | Marzouni M B, Alizadeh T, Banafsheh M R, et al. A comparison of health impacts assessment for PM10 during two successive years in the ambient air of Kermanshah, Iran[J]. Atmospheric Pollution Research, 2016, 7(5): 768-774. DOI:10.1016/j.apr.2016.04.004 |
| [34] | Hu J L, Ying Q, Wang Y G, et al. Characterizing multi-pollutant air pollution in China: comparison of three air quality indices[J]. Environment International, 2015, 84: 17-25. DOI:10.1016/j.envint.2015.06.014 |
| [35] | Janjani H, Hassanvand M S, Kashani H, et al. Characterizing multiple air pollutant indices based on their effects on the mortality in Tehran, Iran during 2012-2017[J]. Sustainable Cities and Society, 2020, 59. DOI:10.1016/j.scs.2020.102222 |
| [36] | Maji K J, Li V O, Lam J C. Effects of China's current Air Pollution Prevention and Control Action Plan on air pollution patterns, health risks and mortalities in Beijing 2014-2018[J]. Chemosphere, 2020, 260. DOI:10.1016/j.chemosphere.2020.127572 |
| [37] | 国务院. 国务院关于印发大气污染防治行动计划的通知[EB/OL]. https://www.gov.cn/zwgk/2013-09/12/content_2486773.htm, 2013-09-10. |
| [38] | 国务院. 国务院关于印发打赢蓝天保卫战三年行动计划的通知[EB/OL]. https://www.gov.cn/zhengce/content/2018-07/03/content_5303158.htm, 2018-06-27. |
| [39] | Gaubert B, Bouarar I, Doumbia T, et al. Global changes in secondary atmospheric pollutants during the 2020 COVID-19 pandemic[J]. Journal of Geophysical Research: Atmospheres, 2021, 126(8). DOI:10.1029/2020JD034213 |
| [40] |
蔡瑞婷, 肖舜, 董治宝, 等. 汾渭平原典型城乡PM2.5中多环芳烃特征与健康风险[J]. 地理学报, 2021, 76(3): 740-752. Cai R T, Xiao S, Dong Z B, et al. Characteristics and health risk of polycyclic aromatic hydrocarbons in PM2.5 in the typical urban and rural areas of the Fenwei Plain[J]. Acta Geographica Sinica, 2021, 76(3): 740-752. |
| [41] | Xi'an Bureau of Statistics (XBS). Xi'an Investigation Team of National Bureau of Statistics (XITNBS)[R]. China Statistics Press, 2019. |
| [42] |
朱少卿, 董锁成, 李泽红, 等. 基于分形维数测算的西安古城道路网研究[J]. 地理研究, 2016, 35(3): 561-571. Zhu S Q, Dong S C, Li Z H, et al. A fractal dimension study of road networks in the ancient city of Xi'an[J]. Geographical Research, 2016, 35(3): 561-571. |
| [43] |
郭庆元, 杨晓春, 吴其重, 等. 基于数值模拟对西安地区冬季一次重污染过程PM2.5区域来源解析[J]. 环境科学学报, 2020, 40(9): 3103-3111. Guo Q Y, Yang X C, Wu Q Z, et al. An analysis of PM2.5 regional sources from heavy pollution in the winter of Xi'an based on numerical simulation[J]. Acta Scientiae Circumstantiae, 2020, 40(9): 3103-3111. |
| [44] |
黄蕾, 毕旭, 杨晓春, 等. 2014—2017年西安市PM2.5污染特征及影响因子[J]. 干旱气象, 2020, 38(3): 440-447. Huang L, Bi X, Yang X C, et al. Characteristics of PM2.5 pollution and influence of meteorological factors in Xi'an during 2014－2017[J]. Journal of Arid Meteorology, 2020, 38(3): 440-447. |
| [45] | HJ 633-2012, 环境空气质量指数(AQI)技术规定(试行)[S]. |
| [46] | Swamee P K, Tyagi A. Formation of an air pollution index[J]. Journal of the Air & Waste Management Association, 1999, 49(1): 88-91. |
| [47] | 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 |
| [48] | 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 |
| [49] | 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. |
| [50] | Hong Y C, Leem J H, Ha E H, et al. PM10 exposure, gaseous pollutants, and daily mortality in Inchon, South Korea[J]. Environmental Health Perspectives, 1999, 107(11): 873-878. |
| [51] | To T, Shen S X, Atenafu E G, et al. The air quality health index and asthma morbidity: a population-based study[J]. Environmental Health Perspectives, 2013, 121(1): 46-52. DOI:10.1289/ehp.1104816 |
| [52] |
张莹, 田琪琪, 魏晓钰, 等. 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 Y, Tian Q Q, Wei X Y, et al. 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. |
| [53] |
周亮, 周成虎, 杨帆, 等. 2000-2011年中国PM2.5时空演化特征及驱动因素解析[J]. 地理学报, 2017, 72(11): 2079-2092. Zhou L, Zhou C H, Yang F, et al. Spatio-temporal evolution and the influencing factors of PM2.5 in China between 2000 and 2011[J]. Acta Geographica Sinica, 2017, 72(11): 2079-2092. DOI:10.11821/dlxb201711012 |
| [54] | Goudarzi G, Daryanoosh S M, Godini H, et al. Health risk assessment of exposure to the Middle-Eastern Dust storms in the Iranian megacity of Kermanshah[J]. Public Health, 2017, 148: 109-116. DOI:10.1016/j.puhe.2017.03.009 |
| [55] | Yan Y, Sun Y B, Ma L, et al. A multidisciplinary approach to trace Asian dust storms from source to sink[J]. Atmospheric Environment, 2015, 105: 43-52. DOI:10.1016/j.atmosenv.2015.01.039 |