北京市气温与黑碳和PM2.5对疾病死亡影响的交互效应

通过收集北京市2010~2016年逐日呼吸和心脑血管疾病死亡数据、污染物（BC、PM_2.5、SO₂、O₃和NO₂）日均浓度资料以及同期的气象资料,采用广义相加模型（GAMs）中的主效应模型、非参数二元响应模型和温度分层模型探讨了北京市气温、PM_2.5和BC单效应,以及气温与PM_2.5和BC交互作用分别对呼吸和心脑血管疾病死亡人数的影响.单效应分析结果表明,气温与两种疾病死亡人数的累计暴露-反应关系均呈“J”型分布特征,最适温度为24℃;累计滞后一天情况下PM_2.5和BC的健康效应均最显著,此时PM_2.5和BC浓度每升高四分位间距（IQR）,呼吸系统疾病死亡人数超额增加百分比（ER）分别为2.21%和1.80%,心脑血管疾病死亡人数ER分别为2.02%和1.48%.交互作用的研究结果表明,高温与高浓度的PM_2.5（或BC）对疾病死亡的影响存在协同效应,且高温条件下BC对疾病死亡影响的健康风险大于PM_2.5,当气温大于24℃时,BC和PM_2.5浓度每升高IQR对应的呼吸系统疾病死亡人数ER分别为6.22%和6.17%,心脑血管疾病死亡人数ER分别为5.01%和3.97%.虽然BC只占PM_2.5的一部分,但BC对人群健康的影响不容忽视,应该引起足够的重视.     

西安BC、PM2.5与气温协同对心脑血管疾病死亡的影响

利用西安市2014~2015年BC、PM_2.5和气温及心脑血管疾病每日死亡人数等资料,基于时间序列的广义相加模型中的主效应模型、非参数二元响应模型和温度分层模型对其进行研究.结果表明,BC、PM_2.5对心脑血管疾病死亡人数的影响存在滞后效应,最佳滞后时间下,BC、PM_2.5浓度每增加1个IQR（BC：5.31μg/m³,PM_2.5：40.30μg/m³）,心脑血管疾病每日死亡人数ER（95% CI）分别为3.53%（95% CI：1.86,5.23）、2.01%（95% CI：1.06,2.97）.气温与心脑血管疾病每日死亡人数的暴露反应关系呈“V”型分布特征,最适温度为26℃.低温和高污染物浓度对心脑血管疾病的影响存在协同放大效应,当气温低于26℃时,BC对人群健康风险比PM_2.5更大.对于心脑血管疾病而言,不同人群的易感程度不同,女性群体对BC、PM_2.5暴露更为敏感.当BC、PM_2.5同时纳入其它一种或几种气态污染物时,对ER值无较大影响.BC仅占PM_2.5浓度的一小部分,但健康影响不容忽视,BC可作为评估大气污染物健康风险的重要空气质量指标.     

我国大气PM2.5及O3导致健康效益现状分析及未来10年预测

从人群健康角度分析我国大气PM_2.5和O₃污染导致的健康效益时空变化趋势及其影响因素,合理预测未来10年变化,为制定大气污染控制策略及目标提供决策支持.采用相对风险评估模型评估我国338个地级及以上城市2015—2018年大气PM_2.5和O₃污染导致健康效益的时空变化趋势,参考全球疾病负担2017年的方法估算人口数量、年龄结构、疾病死亡率及污染物浓度等因素对健康效益的贡献率,并设定不同目标情景预测2025年和2030年的健康效益.结果表明:①PM_2.5导致的过早死亡人数从2015年的152.21×104人降至2018年的136.82×104人,O₃导致的过早死亡人数从2015年的7.99×104人增至2018年的8.27×104人,两种污染物导致的健康效应最高值均出现在“2+26”城市.②人口数量、年龄结构、疾病死亡率和污染物浓度对归因于PM_2.5的过早死亡人数变化的贡献率分别为4.83%、30.55%、19.00%及45.62%,对归因于O₃的过早死亡人数变化的贡献率分别为17.76%、12.34%、23.41%及46.48%.③基于社会发展情况预测,大气PM_2.5浓度2025年需降至40 μg/m3以下、2030年需降至35 μg/m3以下,且大气O₃浓度2025年需与2018年持平、2030年比2018年降低4%,两种污染物导致的过早死亡人数才能与2018年接近.研究显示,未来我国应制定更高目标的大气污染控制政策,持续加强PM_2.5的污染控制,进一步遏制O₃的上升趋势,在生态环境保护上做到方向不变、力度不减,才能充分保障公众健康.      

未来10年保定市大气PM2.5的健康效益预测

分别设定保定市2020年、2025年及2030年PM_2.5浓度的不同目标情景,并考虑人口发展趋势,采用IER模型对各区县低、中、高目标情景下归因于PM_2.5污染的过早死亡人数进行评估.结果表明,以2017年大气PM_2.5浓度为基线,按照高中低3种预测情景,在2020年、2025年和2030年分别能避免的过早死亡人数高达1582~3840人、5244~7902人和12602~23558人,主要分布在市中心（莲池区、竞秀区和清苑区）及其东南区域.随着老龄化问题越来越严重,环境质量改善获得的健康收益愈加突出,心血管系统疾病（中风和缺血性心脏病）的归因死亡人数多于呼吸系统疾病（肺癌、慢阻肺疾病以及急性下呼吸道感染）.当PM_2.5浓度高于20μg/m³时,中风的归因死亡人数最高;当PM_2.5浓度小于10μg/m³时,缺血性心脏病的归因死亡人数最高.建议保定市在制定PM_2.5污染防控政策时重点关注人群密集的市区及东南方向地区,并考虑大气污染不同阶段导致的过早死亡疾病类型进行针对性的宣教和防控.     

未来10年保定市大气PM2.5的健康效益预测

分别设定保定市2020年、2025年及2030年PM_2.5浓度的不同目标情景,并考虑人口发展趋势,采用IER模型对各区县低、中、高目标情景下归因于PM_2.5污染的过早死亡人数进行评估.结果表明,以2017年大气PM_2.5浓度为基线,按照高中低3种预测情景,在2020年、2025年和2030年分别能避免的过早死亡人数高达1582~3840人、5244~7902人和12602~23558人,主要分布在市中心（莲池区、竞秀区和清苑区）及其东南区域.随着老龄化问题越来越严重,环境质量改善获得的健康收益愈加突出,心血管系统疾病（中风和缺血性心脏病）的归因死亡人数多于呼吸系统疾病（肺癌、慢阻肺疾病以及急性下呼吸道感染）.当PM_2.5浓度高于20μg/m³时,中风的归因死亡人数最高;当PM_2.5浓度小于10μg/m³时,缺血性心脏病的归因死亡人数最高.建议保定市在制定PM_2.5污染防控政策时重点关注人群密集的市区及东南方向地区,并考虑大气污染不同阶段导致的过早死亡疾病类型进行针对性的宣教和防控.     

广州不同站点类型PM2.5与O3污染特征及相互作用

基于2015~2019年广州4个不同国控站点类型的大气污染物监测数据,研究了广州各站点类型颗粒物（PM_2.5）和臭氧（O₃）的污染特征,并分析了O₃污染季节和PM_2.5污染季节PM_2.5和O₃的相关性及相互作用.结果表明：2015~2019年广州各站点类型PM_2.5浓度总体呈下降趋势,O₃浓度呈上升趋势.不同污染季节PM_2.5与O₃浓度均呈正相关.O₃污染季节二次PM_2.5的生成对颗粒物的影响显著大于一次PM_2.5,随着光化学水平的升高,一次PM_2.5的贡献浓度基本不变（均在21.03~31.37μg/m³范围内）,贡献率逐渐下降;而二次PM_2.5的贡献浓度逐渐升高（3.51~7.72 μg/m³升高到16.04~18.45μg/m³）,贡献率也逐渐升高（11%~27%升高到34%~44%）,且呈倍数增加.不同站点类型贡献差异明显,背景站点二次PM_2.5的贡献最大,城区站点在中和高光化学水平下二次PM_2.5的贡献最小;PM_2.5污染季节各站点类型在不同PM_2.5污染水平下O₃浓度均具有差异性,总体上均呈现背景站点>郊区站点>城区站点的特点.气溶胶的消光作用和非均相反应均显著促进O₃生成,随着PM_2.5浓度升高,各站点类型的O₃浓度峰值逐渐升高,由62.12~83.82μg/m³升高到92.49~135.4μg/m³;O₃变化率峰值也逐渐升高,由8.42~10.02μg/（m³·h）升高到21.33~27.04μg/（m³·h）.进一步促进了广州PM_2.5和O₃浓度的协同增长.     

2015-2021年鄱阳湖流域主要城市PM2.5和O3浓度分布特征及疾病负担评估

为研究鄱阳湖流域主要城市(南昌市、九江市和上饶市)PM_2.5和O₃污染对健康的影响,本文评估了“十四五”期间实现特定浓度目标可能带来的健康效益,分析了2015-2021年各污染物的浓度变化,并运用健康影响函数(HIF)及综合暴露-反应函数(IER)对这些城市的疾病负担进行了评估.结果表明：(1)2015-2021年,南昌市、九江市和上饶市的PM_2.5年均浓度分别下降了28.57%、32.65%和34.88%,而O₃浓度分别上升了11.53%、8.75%和7.06%;此外,PM_2.5和O₃浓度分布呈现出明显的季节性变化.鄱阳湖流域主要城市与PM_2.5相关的疾病负担下降了18.42%,而与O₃相关的疾病负担增加了81.11%.(2)预测显示,“十四五”期间若实现积极目标,南昌市、九江市和上饶市的PM_2.5疾病负担将分别减少55.45%、59.51%和51.44%,在一般目标下将分别减少31.76...     

人群的自然和社会属性分类下PM2.5对心血管疾病的影响

为了研究人群在自然属性和社会属性分类下的效应修饰作用,利用2005~2011年北京市大气PM_2.5日均浓度、气象要素及循环系统疾病每日死亡人数数据,根据不同年龄、性别及学历将人群分组,采用时间序列的半参数广义相加模型（GAM）,定量评价大气PM_2.5对居民循环系统疾病死亡人数的影响.单污染物模型和多污染物模型结果表明,PM_2.5为影响循环系统疾病每日死亡人数的主要大气污染物.北京市空气中PM_2.5的浓度每增加10μg/m³,循环系统疾病总死亡人数增加0.50%（95% CI：0.36,0.63）.不同人群的易感程度不同,各人群死亡人数的增加范围为0.23~0.71%,女性、60~74岁人群、文盲人群的健康风险相对较高.在文盲人群中,老年（60+）女性占比为66.2%,为了分离社会属性人群分类中可能存在的自然属性因素干扰,本文去除其中老年、女性这两个混杂因素的影响,文盲人群健康风险仍然大于较高学历的人群.年龄和性别因素叠加在学历因素上,可能加大低学历人群的健康风险,对于这部分叠加了自然因素和社会因素双重敏感性的人群应给与重点关注.     

基于时间序列分解的京津冀区域PM2.5和O3空间分布特征

京津冀区域大气污染分布呈现明显的空间差异,厘清不同时间尺度下PM_2.5和O₃浓度分布有助于制定科学有效的污染防控措施.采用STL方法分解PM_2.5和O₃浓度,获取长期分量、季节分量和短期分量,研究其变化趋势与空间分布特征.结果表明,2017～2021年京津冀区域PM_2.5浓度下降幅度高于O₃,春、夏季PM_2.5和O₃浓度呈正相关,秋、冬季呈现负相关,短期分量和季节分量分别对PM_2.5和O₃浓度的贡献最大. PM_2.5的季节分量、短期分量以及O₃的长期分量和短期分量均存在2个主成分,对应河北省中南部和京津冀区域北部,在不同时间尺度上京津冀区域PM_2.5和O₃均存在次区域分布.与原始序列相比,长期分量能够更好地反映PM_2.5和O₃浓度的演变趋势...     

山东省环境空气中PM2.5与O3的复合污染特征与时空变化趋势

山东省PM_2.5-O₃复合污染特征突出,空间差异性明显,本文基于2016—2020年国控和省控环境空气自动监测站监测数据以及同期各气象代表站气象监测数据,分析PM_2.5和O₃时空分布的变化特征,初步探究其与气象因子及前体物的关系. 结果表明:①2016—2020年山东省空气质量逐步改善,优良天数比例上升了7.1%,重污染天数比例下降了3.5%. 除O₃年评价值上升9.6%以外,SO₂、PM₁₀、PM_2.5、CO和NO₂的浓度均下降,降幅依次为61.3%、29.8%、28.6%、26.3%和11.4%. 各市PM_2.5年评价值均下降(范围为18.4%~34.9%);除德州市外,其他15市O₃年评价值均上升,滨州市的升幅(30.8%)最大. 1月PM_2.5平均浓度最高,呈现先下降后上升的年变化趋势,6月O₃平均浓度最高,且逐年上升. ②山东省PM_2.5和O₃均呈现内陆地区高于沿海地区的分布特征,PM_2.5浓度在西部内陆地区较高,O₃浓度在中北部内陆地区较高,PM_2.5-O₃复合污染特征在中西部地区较明显. 统计期间共计出现PM_2.5-O₃复合污染日224 d,分布在2—11月,出现天数逐年减少. ③为探究PM_2.5-O₃复合污染的影响因素及气象特征,进行相关性分析及气象因子阈值筛查,结果表明,PM_2.5日均浓度和O₃_8 h (臭氧日最大8小时滑动平均值)与其主要前体物和气象因子均呈现相反的相关关系,且对不同因子的响应有一定区域性差异. 当气温为14.9~24.1 ℃、相对湿度为55.5%~75.1%、风速为0.6~2.9 m/s、气压为992.8~1 018.8 hPa时PM_2.5-O₃复合污染易于发生,该条件下大部分城市的气温、相对湿度和气压平均值介于PM_2.5和O₃污染单独发生时的对应因子平均值,但平均风速小于PM_2.5和O₃污染单独发生的平均风速. 研究显示,“十三五”期间山东省PM_2.5浓度波动下降,O₃浓度波动上升,二者的协同关系日趋明显,气象因素对PM_2.5和O₃的生成和累积有一定影响.      

徐州市大气PM2.5与O3作用关系的季节变化

通过2013~2017年徐州市环境监测资料分析季风影响下主要大气复合污染物PM_2.5和O₃的相关性,并基于气象观测资料进一步探究PM_2.5和O₃相互作用机制的季节变化特征.结果表明：夏季风季节,PM_2.5和O₃呈正相关,相关系数高达0.56;冬季风季节,PM_2.5和O₃呈负相关,相关系数为-0.34,均通过了99%的置信检验,表明徐州市PM_2.5和O₃相互作用呈现相反的季节变化.夏季风季节,太阳辐射强,气温较高,大气氧化性较强,O₃主导大气氧化性,大气氧化性通过促进二次颗粒物生成使得PM_2.5浓度升高,夏季风季节以O₃对PM_2.5的促进作用主导城市大气复合污染变化;冬季风季节,太阳辐射弱,气温较低,大气氧化性较弱,高浓度的PM_2.5削弱太阳辐射抑制大气光化学,导致O₃生成率降低,冬季风季节以PM_2.5对O₃的抑制作用主导城市大气复合污染变化.     

华北平原和山区城市PM2.5和O3变化关系比较分析

利用2015~2019年环境监测数据,对比分析华北地区平原城市保定市和山区城市张家口市PM_2.5和O₃变化和相关关系.结果表明：保定市PM_2.5夏低冬高,O₃夏高冬低,日变化为午后单峰型,而张家口市PM_2.5浓度低,日变化幅度较弱,冬季O₃日变化为午后峰值和凌晨5：00左右弱峰值双峰型.张家口市冬季全天及春夏秋季夜间O₃浓度显著高于保定市,甚至夏季出现夜间O₃超标异常,最高浓度达到202μg/m³,反映了平原城市和清洁山区大气物理化学过程变化的影响.PM_2.5和O₃在4~9月为正相关,11~3月为负相关;保定市PM_2.5-O₃相关系数日变化呈单峰型,张家口市为双峰型变化,凌晨和午后各有一峰值,华北地区平原污染区和高山相对清洁区,大气复合污染物PM_2.5和O₃作用关系的日变化及季节特征具有明显差异.     

上海地区PM2.5-O3复合污染特征及气象成因分析

统计分析了上海地区2013~2017年PM_2.5-O₃复合污染事件及与气象条件的关系.结果表明,近5a上海PM_2.5-O₃复合污染天气占O₃总污染天气33.4%,仅出现在3~10月,呈逐年减少的趋势;PM_2.5-O₃复合污染时的O₃峰值浓度和平均浓度较单O₃污染时高,维持时间较单O₃污染时长,主要气象原因是地面辐合和较低的边界层高度;PM_2.5-O₃复合污染的天气形势往往与弱气压场有关,可以分为低压底部和前部、高压顶部和后部、均压场5种天气类型,其中均压场出现次数最多,占比53%;复合污染对气象因子的阈值要求更为严格,并且阈值区间总体向有利于PM_2.5浓度上升的方向偏移;当温度介于27.9~34℃,湿度介于43%~58%,风速介于2.1~3.3m/s,混合层高度介于1122~1599m,并且存在辐合时,最有利于PM_2.5-O₃复合污染发生.     

天津机场区域大气NO2及O3影响因子研究

在紧邻天津机场跑道的点位对机场区域大气常规污染物开展连续监测,应用广义加性模型（GAM）,针对2017年3月1日~2018年2月28日间的NO₂及O₃,识别其影响因子,并确定因子贡献率.选取因子包括环境因子（SO₂、NO、NO₂、O₃、CO、PM_2.5、PM₁₀、前一小时NO₂/O₃浓度）,气象因子（风向、风速、温度、露点温度、修正海压）及航空活动因子（起飞、着陆）.结果显示：机场区域NO₂日均值为17.6~123.6μg/m³,超标天数共计38d,占比约13%;O₃日均值为1.0~276.1μg/m³,超标天数占比26%,污染主要集中在夏季;环境因子是主要影响因子,累积贡献率在56%~89%;航空活动作为区域重要污染源,对大气NO₂、O₃存在一定影响,最高贡献率可达20%;气象因子相对贡献较低.全部GAM的Adj-R²为0.85~0.96,筛选的影响因子能够有效解释区域环境空气污染物浓度的变化.     

PM2.5和臭氧对前体物减排和气象变化的响应及其政策启示

《大气污染防治行动计划》实施以来,我国重点区域PM_2.5浓度快速下降,但臭氧(O₃)浓度逐步上升,大气污染控制形势已由单一的PM_2.5控制转变为PM_2.5和O₃的协同控制. 了解PM_2.5和O₃对前体物排放变化和气象条件变化的响应,对制定PM_2.5和O₃协同控制策略具有重要意义. 本文通过使用FNL全球再分析资料和自下而上的排放清单ABaCAS-EI,结合三维空气质量模式和响应曲面模型,评估前体物变化和气象条件变化后PM_2.5和O₃浓度的响应,并依据解析的响应关系提出了前体物减排、联防联控区域划分和目标设定等方面的政策建议. 结果表明:①VOCs减排对降低各省份PM_2.5和O₃浓度均有利,NO_x的减排量不足会导致京津冀、长三角地区的O₃浓度和京津冀地区的PM_2.5浓度增加,为避免PM_2.5和O₃年评价值反弹需要的VOCs与NO_x减排比分别为15%~25%(PM_2.5)和5%~90%(O₃). ②O₃污染防治需要更大范围的联防联控,对于京津冀地区,需要考虑引入河南省和山东省的联合控制,对于长三角和珠三角地区,还需要联合江西省、福建省进行控制. ③气象条件对PM_2.5和O₃背景值的影响较大,使用3年或5年滑动平均值可以有效降低气象条件年际变化对PM_2.5和O₃浓度的影响(对于PM_2.5,2008—2019年其背景值极差的降幅分别为35%~81%或60%~86%;对于O₃,极差的降幅分别为40%~67%或53%~87%). 采用多年滑动平均有助于科学设定和考核PM_2.5和O₃的控制目标. 研究显示:PM_2.5和O₃的协同控制依赖于NO_x和VOCs的协同减排,其减排比例在不同地区存在差异;此外,科学的PM_2.5和O₃的协同控制还需要更大范围的联防联控和评价指标的持续更新.