外商直接投资对中国城市雾霾(PM_(2.5))污染的时空效应检验

本文利用了1998—2012年中国241个城市的空间面板数据对中国雾霾污染和FDI的区域分布特征及空间溢出效应进行经验考察,结合系统广义矩估计(SGMM)方法构建了动态空间面板模型,采用了Moran’s I和Geary’s C指数对中国FDI与雾霾(PM_(2.5))污染空间自相关性进行了全域和局域分析。结果发现:(1)雾霾(PM_(2.5))污染与FDI存在显著的空间正相关性,证明了雾霾(PM_(2.5))污染空间的溢出效应以及FDI的辐射效应的存在。同时FDI高值集聚区域一般是雾霾(PM_(2.5))高值集聚区,FDI低值集聚区域一般是雾霾(PM_(2.5))低值集聚区,表明一个地区的引资效果和雾霾(PM_(2.5))污染在地理上的集聚密切相关。雾霾(PM_(2.5))污染表现出显著的"叠加效应"和"溢出效应",说明中国雾霾(PM_(2.5))污染在空间维度、时间维度以及时空维度上分别表现出交叉、累积、持续的演变特征。(2)全样本下,FDI对雾霾(PM_(2.5))浓度的影响表现出增促效应。FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.011%。(3)分地区样本下,东部城市FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.001 9%;中部城市FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.018 3%;而西部城市FDI存量对雾霾(PM_(2.5))浓度影响不显著。上述实证结果说明中国雾霾污染存在着显著的空间依赖性和区域异质性,FDI对中国大部分城市的雾霾污染存在显著的增促效应。     

黄河流域技术创新对PM_(2.5)的影响及其空间溢出效应北大核心CSCDCSSCI

黄河流域是推进空气质量改善和经济社会高质量发展的核心区域,技术创新是破解流域PM_(2.5)污染防治难题的关键手段。该研究以2004—2019年黄河流域79个地级市PM_(2.5)污染数据为样本,利用核密度估计、空间自相关等方法探究PM_(2.5)在空间上的异质性和关联性特征,并将以技术创新为核心的社会经济因素和气温、降水等自然解释要素纳入同一空间面板杜宾模型,分析各因素对黄河流域PM_(2.5)的效应及其空间溢出效应,系统识别和甄别技术创新要素在这一过程中的贡献程度和溢出效应,解析技术创新对PM_(2.5)的作用机制与影响路径。研究发现:①黄河流域PM_(2.5)在空间上呈现显著的异质性和相关性,浓度值较高的地市主要集中于漯河、濮阳等黄河流域下游地区,全局Moran’s I指数均大于0.80且显著为正,空间关联以高高集聚和低低集聚类型为主;②专利授权量的增加通过排放源管控治理、移动源消减治理等路径对本地区PM_(2.5)防治具有正向推动作用,但由于绿色技术标准、绿色补贴等绿色技术壁垒的存在加剧了邻近地区污染治理难度,表现为负向空间溢出效应;③流域城市人均创新指数的提升通过营造良好的创新氛围、激发技术创新内生动力等机制同样促进了本地PM_(2.5)浓度下降,但空间溢出效应并不显著,未能对周边地区产生辐射带动作用。研究基于技术创新对PM_(2.5)防治的影响和空间溢出效应提出适应性对策建议,突出技术创新在空气污染防治中的关键作用,搭建和完善跨区域绿色技术创新体系,加强流域间联防联控机制与竞争合作机制,助推黄河流域空气质量改善、生态保护和高质量发展。     

健康中国战略背景下空气污染的心理健康效应北大核心CSCDCSSCI

健康中国行动(2019—2030年)》明确要求努力形成有利于健康的生态环境,提高人民健康水平,加快开展心理健康促进行动和健康环境促进行动。该研究利用2010—2018年中国家庭追踪调查(CFPS)数据与受访者所在县(区)的年度空气污染数据和气象数据进行匹配,通过双重差分法(DID)计算2013年底实施的“大气十条”政策引起的区域空气污染的外生变化,再利用二阶段最小二乘法(2SLS)识别空气污染对居民心理健康的影响。研究发现,空气污染显著地降低了居民心理健康水平,其中,县级层面1μg/m^(3)的PM_(2.5)污染浓度的上升将会显著降低居民主观幸福感得分8.17%并加重居民抑郁情绪指数3.88%。进一步的机制分析表明,空气污染主要通过恶化居民身体健康水平,减少居民运动锻炼行为并增加肥胖风险进而对心理健康产生负向影响。此外,分析空气污染对不同人群心理健康影响的异质性差异后发现,男性群体、年轻人群体、低教育群体和城市居民受空气污染的负面心理健康效应会更大。该研究结论是对现有分析空气污染健康效应文献的有效补充,同时还反映出目前基于健康层面对空气污染成本的评估可能大大低估了空气污染对主观幸福感和精神健康的影响所产生的其他社会经济成本。中国需要进一步加强大气污染防治工作,打赢蓝天保卫战。     

长江三角洲城市群PM_(2.5)时空演变及影响因素

科学识别PM_(2.5)的空间分异及其驱动因素,是实现区域空气污染治理的关键。以国测点日均PM_(2.5)浓度为数据来源,基于多种空间分析方法,研究长江三角洲城市群PM_(2.5)浓度的时空演变及影响因素。结果发现:(1)2013～2017年,长江三角洲城市群的PM_(2.5)年平均浓度,处于不断下降的趋势;城市间的差异,呈现逐渐减少的趋势。(2)一年中,12月份的PM_(2.5)浓度最高,8月份的PM_(2.5)浓度最低。1～12月,PM_(2.5)浓度先减后增。(3)2013年,PM_(2.5)高浓度区域主要分布在江苏省;2017年,PM_(2.5)高浓度区域主要分布在安徽省。5年间,PM_(2.5)浓度的空间重心,向安徽省转移72 km。(4)长江三角洲城市群PM_(2.5)浓度存在明显的空间自相关。存在PM_(2.5)浓度高-高值区、低-低值区"扎堆"现象,且集聚程度趋于增大。(5)影响PM_(2.5)浓度的因素包括了自然因素和社会因素。自然因素中,降雨与PM_(2.5)浓度显著相关。社会因素主要来自工业排放、交通排放和能源消耗。其中,能源消耗的影响程度最大,工业排放次之,交通排放最后。     

PM_(2.5)污染对京津冀地区人群健康影响和经济影响

京津冀地区是中国工业最为发达的地区之一和空气污染最严重的地区之一,也是国家控制空气污染的重点区域。空气污染导致的健康影响不仅会增加额外健康支出,还会导致过早死亡和工作时间减少,进而影响宏观经济发展。为了评估该地区PM_(2.5)污染引起的健康问题对宏观经济的影响,以及控制空气污染后带来的经济效益和福利的影响,本研究结合可计算一般均衡模型(Computable General Equilibrium)、温室气体与大气污染物协同效益模型(The Greenhouse Gas and Air Pollution Interactions and Synergies-Model,GAINS-Model)和健康影响模型对2020年京津冀地区PM_(2.5)污染引起的健康影响和经济影响进行评估。模型结果表明,2020年Wo Pol情景下PM_(2.5)污染引起的额外健康支出分别为北京44.2亿元、天津27.5亿元、河北97.5亿元。PM_(2.5)污染引起人均每年劳动时间损失分别为北京81.3小时、天津89.6小时、河北73.1小时。而劳动力供给和劳动时间减少所造成GDP和福利损失依次为天津(GDP和福利损失分别为2.79%和8.11%),其次为北京(2.46%和5.10%)、河北(2.15%和3.44%)。如果采取积极的控制空气污染物排放政策,在2020年WPol情景下,PM_(2.5)污染引起的额外健康支出分别为北京8.8亿元、天津4.9亿元、河北2.0亿元,较Wo Pol情景下显著下降。PM_(2.5)污染引起人均劳动时间损失分别下降为北京22.0小时、天津23.2小时、河北22.4小时。空气污染物控制政策给北京、天津和河北带来的经济效益分别相当于GDP的1.75%、2.02%和1.46%。因此,本研究显示控制京津冀地区PM_(2.5)污染带来的经济效益非常可观,其中天津效益最高,其次为北京,河北最低。空气污染物的迁移扩散会影响周边省市的空气质量,因此京津冀地区联合控制空气污染效果更好。     

1998～2016年长江经济带PM2.5时空演化的多尺度分析

基于全球大气PM_(2.5)年均浓度栅格数据集,采用重力模型、变异系数和探索性空间数据分析等方法,从区域、省域、市域、县域和栅格等多个尺度,对长江经济带PM_(2.5)时空演化特征进行系统分析。结果发现:(1)1998～2016年,长江经济带PM_(2.5)年均浓度均高于全国平均水平,且大体呈"倒U型"变化趋势,2005年是长江经济带PM_(2.5)年均浓度变化的重要拐点;(2)长江经济带PM_(2.5)的时空演化表现出显著的空间尺度效应,在不同空间尺度上,PM_(2.5)年均浓度的空间分异特征具有明显差别,但其空间差异均呈扩大态势;(3)长江经济带PM_(2.5)年均浓度存在显著的空间正相关性,且主要表现为高值集聚特征。     

防霾还是治霾:居民行为选择及意愿研究

本文从提高居民环境参与意识出发,通过抽样调查方式运用结构方程模型分析居民对于PM_(2.5)的认知情况对其行为选择的影响。在此基础上,借助意愿评价法(CVM)、二元选择模型和排序选择模型,建立了居民为降低PM_(2.5)健康风险的支付愿意和支付金额的影响因素模型。研究表明,在居民做出的降低PM_(2.5)健康风险的行为选择中,保护性行为的受影响程度最高;同时,年龄、学历、健康状况、年收入等因素对支付意愿和支付金额有显著影响。     

长江中游城市群土地利用变化对PM2.5污染的影响及空间溢出效应

城市群已成为当今中国空气污染的重灾区,严重损害了区域生态环境与人体健康,但少有研究考虑如何通过优化土地利用结构,使大气环境的自然净化能力最大化,进而减少既定污染排放对空气质量的负面效应。鉴于此,以城市化进程迅速、空气污染严重的长江中游城市群为实证对象,从土地利用结构的视角出发,利用自主反演的高精度PM_2.5数据,基于广义可加模型与空间回归模型,揭示2005～2020年土地利用变化对PM_2.5浓度的非线性影响及其空间溢出效应。研究结果表明：(1)2005～2020年长江中游城市群建设用地大幅增加而耕地持续减少,PM_2.5浓度在2011年前后呈现先上升后下降趋势,并具有显著的空间自相关性;(2)土地利用变化对PM_2.5浓度的影响为复杂的非线性关系,其中建设用地与耕地变化对PM_2.5浓度的影响存在边际递减效应;(3)土地利用变化对PM_2.5浓度的影响存在显著的空间溢出效应,且除草地外,各地类对PM_2.5浓度影响的直接效应均大于间接效应;(4...     

《大气污染防治行动计划》实施效果评估:双重差分法

大气污染防治行动计划》被认为是史上最严格的一项空气污染治理政策。主要目标是控制区域PM_(2.5)和PM_(10)等污染物的排放量,明确规定了全国地级及以上城市可吸入颗粒物浓度比2012年下降10%以上,该政策始于2013年9月,于2017年底结束。为了科学检验《大气十条》的政策影响效应,选取该政策执行期间(2013—2017年)的125个地级及以上城市,包括72个处理组和53个控制组进行准自然试验,运用双重差分法检验该政策对控制主要空气污染物PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3月均排放量的影响,并运用平行趋势检验、反事实检验等方法进行了稳健性检验。描述性统计结果显示:PM_(2.5)、PM_(10)、SO_2、NO_2和CO的月均排放量都得到了显著降低,其中PM_(2.5)和PM_(10)的降幅分别是36.33%和31.87%。京津冀、长三角、珠三角等区域PM_(2.5)浓度分别下降39.6%、34.3%、27.7%,三大区域PM_(10)的降幅分别为38.3%、31.1%、21.9%,其中,北京市PM_(2.5)月均浓度为57.33μg/m~3。但是O_3的排放量下降效果不显著,其含量不降反增,成为我国空气质量新的威胁。回归结果说明,该政策对试点城市大气中PM_(2.5)、PM_(10)、SO_2、NO_2和CO的排放量下降产生了显著影响,在1%显著性水平上,月均浓度分别下降685.14%、650.72%、479.05%、359.55%和7.06%。因此,总体上可以认为该项政策已经达标完成,控制了主要空气污染物的排放量。但是分解不同污染物、分区域或者是具体到不同城市的空气质量绝对值仍未达到国家控制标准。最后提出执行科学精细的空气质量监督管理制度和空气污染治理的长效政策等建议。     

长江经济带PM_(2.5)时空特征及影响因素研究

大气细颗粒物(PM_(2.5))因其对空气环境质量乃至人类健康的巨大危害而逐渐引起学者们的关注。本文以我国综合实力最强、战略支撑作用最为突出的区域之一——长江经济带为研究对象,基于城市级空气质量监测数据,运用地理学时空分析与GIS可视化方法探索并呈现了2015年长江经济带PM_(2.5)的时空分布特征及其演变规律;在此基础上,结合空间回归模型考察了PM_(2.5)浓度与区域城市发展之间的内在关系。结果表明,就空间特征而言,长江中下游地区PM_(2.5)污染较长江上游地区更为严重,长江北岸地区比长江南岸地区更为严重;PM_(2.5)高浓度集聚地带主要位于鄂皖苏大部分地区,与空气质量较佳的云南及其周边地区呈"对角"分布状态。长江经济带内城市间PM_(2.5)浓度存在着显著的正向空间自相关,且自相关性随距离增大而不断减弱,其门槛尺度约为900 km;在这一范围内,PM_(2.5)空间集聚效应较为明显。就时间特征而言,冬季PM_(2.5)浓度相对较高,春秋两季次之,夏季空气质量最好;各地区浓度分布在年初相对离散,后有所趋同。此外,PM_(2.5)与其他类型的大气污染物(如SO2、NO2、O3)浓度两两之间均存在着显著的正相关性,暗示大气污染物从原发污染演变为二次污染,形成恶性循环。空间回归分析结果表明,PM_(2.5)污染随经济发展水平的提高呈现先上升后下降的趋势,在一定程度上支持了"环境库兹涅兹曲线"假说;且人口密度、公共交通运输强度均在不同程度上导致长江经济带PM_(2.5)浓度的升高。最后,从区域性联防联控、不同类型大气污染物协同治理、促进经济发展方式转型等方面为长江经济带的大气环境治理提出切实可行的政策建议。     

2015年长三角地区城市PM2.5时空格局及影响因素分析

PM_2.5浓度值增加对大气能见度、人体健康和气候变化有着重要影响。采用2015年长三角地区监测数据,运用探索性空间数据分析法和相关系数法,分析长三角地区城市PM_2.5污染的时空格局和影响因素,结果表明：（1）2015年长三角地区城市PM_2.5年均浓度值为54.54 μg/m³,季节变化总体呈现春冬高夏秋低的季节性周期变化规律,1月和12月为一年中PM_2.5污染最严重的月份,污染范围最广,5~9月是PM_2.5浓度值优良时段,日均值春季和冬季的波动周期较短而剧烈,夏季和秋季波动周期相对较长而平缓。（2）2015年长三角地区城市PM_2.5年均浓度值整体上从江苏到浙江呈减少趋势,具有北高南低,局部突出的特征。（3）长三角地区城市PM_2.5浓度空间上存在集聚现象,低值集聚主要分布在浙江沿海地区,高值集聚主要分布在苏南地区。（4）燃烧排放的烟尘和前体物的二次转化对长三角地区PM_2.5浓度有显著影响。风速和降水量是影响PM_2.5浓度的两个重要气象因素。     

雾霾污染的城市间动态关联及其成因研究

面对严重的雾霾天气以及雾霾污染边界不断扩张的严峻挑战,加快创新大气污染联防联控体系以形成跨区域协同治污合力势在必行。本文基于京津冀、长三角、珠三角、成渝、长中游等五大地区96个城市2015年的空气质量指数(AQI)以及PM_(2.5)、PM_(10)、SO_2、CO、NO_2、O~3等6种分项污染物的逐日数据,从时间序列数据"预测能力"的视角,在向量自回归模型框架下识别雾霾污染的城市间动态交互影响效应,运用社会网络分析方法刻画雾霾污染空间关联的网络结构特征。在此基础上,运用二次指派程序从分项污染物视角考察雾霾污染空间关联的关键诱因,并利用双变量Moran指数揭示雾霾污染与其影响因素之间的空间相关性。研究发现,城市雾霾污染之间存在普遍的动态关联关系且呈现出联系紧密、稳定性强、带有明显特征的多线程复杂网络结构形态。不论在地区内部还是在全部样本城市当中,均不存在孤立的城市节点,这意味着面对雾霾污染的空间关联网络,任何一个城市都不能独善其身,均受到来自地区内部和地区以外其他城市以及它们构成的空间关联网络的影响。在六种分项污染物中,PM_(2.5)的空间关联是导致雾霾污染空间关联的最主要诱因。城市雾霾污染与其影响因素尤其是城市人口密度、投资强度、工业污染排放之间存在显著的空间相关性。基于上述结论,中国应当加快构建以防控PM_(2.5)为重点的跨区域雾霾污染协同治理机制,并将其融入城市群发展战略以及区域发展战略之中,最终实现包含雾霾污染协同治理在内的全方位的区域协同发展。     

嘉兴双桥农场大气颗粒物的物理化学特征

为了对长三角地区大气污染进行防治和控制,了解长三角地区大气环境质量变化规律,有必要对其颗粒物的组成及特征进行分析,以揭示其形成机制。采用Partisal plus2025 型连续空气采样机在嘉兴双桥农场（长三角中心）进行采样,利用对采样样品化学分析的结果,分析了PM10、PM25的化学组成、质量浓度的分布特征及其相对关系。 PM25和PM10中19种无机元素质量浓度的总和约占其质量浓度的23%和25%,其中Al、Si、Ca是主要贡献元素;8种水溶性离子质量浓度总和约占PM25和PM10质量浓度的51%和43%,其中NO-3和SO2-4是主要贡献成分;有机碳的质量浓度约占PM25和PM10质量浓度的1612%和1743%,元素碳的质量浓度约占PM25和PM10质量浓度的1697%和1584%,可见该地区存在较严重的二次有机碳污染和元素碳污染。研究结果为揭示大气颗粒物的形成机制和对其污染进行防治和控制提供了基础性的研究数据。     

Differentiating the effects of fine and coarse particles on daily mortality in Shanghai, China

The findings on health effects of ambient fine particles (PM2.5) and coarse particles (PM10-2.5) remain inconsistent. In China, PM2.5 and PM10-2.5 are not the criteria air pollutants, and their monitoring data are scarce. There have been no epidemiological studies of health effects of PM2.5 and PM10-2.5 simultaneously in China. We conducted a time series study to examine the acute effects of PM2.5 and PM10-2.5 on daily mortality in Shanghai, China from Mar. 4, 2004 to Dec. 31, 2005. We used the generalized additive model (GAM) with penalized splines to analyze the mortality, air pollution and covariate data. The average concentrations of PM2.5 and PM10-2.5 were 56.4 microg/m3 and 52.3 microg/m3 in our study period, and PM2.5 constituted around 53.0% of the PM10 mass. Compared with the Global Air Quality Guidelines set by World Health Organization (10 microg/m3 for annual mean) and U.S. National Ambient Air Quality Standards (15 microg/m3 for annual mean), the PM2.5 level in Shanghai was much higher. We found that PM2.5 was associated with the death rates from all causes and from cardiorespiratory diseases in Shanghai. We did not find a significant effect of PM10-2.5 on mortality outcomes. A10 microg/m3 increase in the 2-day moving average (lag01) concentration of PM2.5 corresponded to 0.36% (95% CI 0.11%, 0.61%), 0.41% (95% CI 0.01%, 0.82%) and 0.95% (95% CI 0.16%, 1.73%) increase of total, cardiovascular and respiratory mortality. For PM10-2.5, the effects were attenuated and less precise. Our analyses provide the first statistically significant evidence in China that PM2.5 has an adverse effect on population health and strengthen the rationale for further limiting levels of PM2.5 in outdoor air in Shanghai.     

长江三角洲城市群空气质量时空分布特征

基于数理统计、空间插值技术、相关性分析与GIS地图表达,研究长江三角洲城市群AQI及各空气含量因子污染浓度的时间、空间分布特征。通过提取国务院最新规划的长江三角洲城市群空间分布数据,划分研究区为"一核五圈",探讨了空气质量指数的时间变化特征和AQI、首要污染物的空间分布规律,定量评价了AQI与其污染因子的相关性,结果表明:(1)时间变化上,长三角城市群空气质量季均变化规律为夏季最好,冬季最差;月均变化呈波浪形分布,在1月份的平均浓度皆为最高;周均变化为:在一周后半段达到一周最大值;(2)空间分布上,分季节看,AQI在春、秋、冬三季空间梯度变化显著,呈现北高、南低的分布格局。在首要污染物的分布上,以PM_(2.5)和O_3均分长三角地区;(3)PM_(2.5)含量空间分布与AQI有较高相似性,均处于北高南低的分布状态,臭氧分布呈现东高西低,即较发达的城市臭氧含量相对较高的空间分布格局。最后通过相关性计算,AQI与PM_(2.5)相关性显著,与O_3没有明显相关性,为长三角大气污染防治提供依据。     

Health effects from Sahara dust episodes in Europe: Literature review and research gaps

The adverse consequences of particulate matter (PM) on human health have been well documented. Recently, special attention has been given to mineral dust particles, which may be a serious health threat. The main global source of atmospheric mineral dust is the Sahara desert, which produces about half of the annual mineral dust. Sahara dust transport can lead to PM levels that substantially exceed the established limit values. A review was undertaken using the ISI web of knowledge database with the objective to identify all studies presenting results on the potential health impact from Sahara dust particles. The review of the literature shows that the association of fine particles, PM_2.5, with total or cause‐specific daily mortality is not significant during Saharan dust intrusions. However, regarding coarser fractions PM₁₀ and PM_2.5–10 an explicit answer cannot be given. Some of the published studies state that they increase mortality during Sahara dust days while other studies find no association between mortality and PM₁₀ or PM_2.5–10. The main conclusion of this review is that health impact of Saharan dust outbreaks needs to be further explored. Considering the diverse outcomes for PM₁₀ and PM_2.5–10, future studies should focus on the chemical characterization and potential toxicity of coarse particles transported from Sahara desert mixed or not with anthropogenic pollutants. The results of this review may be considered to establish the objectives and strategies of a new European directive on ambient air quality. An implication for public policy in Europe is that to protect public health, anthropogenic sources of particulate pollution need to be more rigorously controlled in areas highly impacted by the Sahara dust.     

Economic Valuation of Health Impact of PM10 Pollution in Beijing from 2001 to 2006

In light of the practical need for research to inform policy in Beijing,this study evaluates the economic cost of the impact of PM10 pollution in Beijing from 2001 to 2006,taking health as the main impact,and mortality as the main outcome.Based on the literature review,this study adopts relatively conservative parameters as the basis for calculating the health impacts.It concludes that nearly 30% of mortality among registered residents above age 30 in Beijing can be attributed to PM10 pollution,and that the economic cost equals 0.8%-1.2% of the city's GDP over the same period.This is lower than the results of previous studies,but still high enough to warrant a commitment to solve the city's air pollution problem.     

Characteristics and health implications of fine and coarse particulates at roadside, urban background and rural sites in UK

Recent studies have pointed to evidence that fine particles in the air could be significant contributors to respiratory and cardiovascular diseases and mortality. Epidemiologists looking at the health effects of particulate pollution need more information from various receptor locations to improve the understanding of this problem. Detailed information on temporal, spatial and size distributions of particulate pollution in urban areas is also important for air quality modellers as well as being an aid to decision and policy makers of local authorities. This paper presents a detailed analysis of temporal and seasonal variation of PM(10) and PM(2.5) levels at one urban roadside, one urban background and one rural monitoring location. Levels of PM(10), PM(2.5) and coarse fraction of particulates are compared. In addition, particulate levels are compared with NO(2) and CO concentrations. The study concludes that PM(10) and PM(2.5) are closely related at urban locations. Diurnal variation in PM(2.5)/PM(10) ratio shows the influence of vehicular emission and movement on size distribution. This ratio is higher in winter than in summer, indicating a build-up or longer residence time of finer particulates or washout due to wet weather in winter. In the second part of this study, a disease burden analysis is carried out based on the dose-response relationships recommended by the UK Committee on the Medical Effects of Air Pollution. The disease burden analysis indicates that if Marylebone Road (MR) levels of PM(10) were prevalent all over London, it will result in around 2.5% increase in death rates due to all causes. Whereas, if Bloomsbury (BB) levels were prevalent in London, which is more likely to occur as this is more representative of the urban background environment to which people in London are likely to be exposed, the corresponding increase would be around 1.7%. Considering this, in London, at Bloomsbury levels, 973 deaths and 1515 respiratory hospital admissions (RHA) are attributable to PM(10) while 2140 RHA are attributable to NO(2). After deducting the disease burden due to background levels at Rochester (RC), PM(10) emission caused by anthropogenic activities in London equates to 273 additional deaths and 410 additional RHA, while NO(2) account for additional 1205 incidences of RHA.