文献阅读 | 1990年至2019年十年间中国与PM2.5相关的健康影响变化以及对当前和未来排放控制的影响

题目

Decadal changes in PM2.5-related health impacts in China from 1990 to 2019 and implications for current and future emission controls

作者

 Shuai Yin

期刊

Science of the Total Environment

时间

2022年8月

一作

单位

Earth System Division, National Institute for Environmental Studies, Tsukuba 3058506, Japan

链接

https://doi.org/10.1016/j.scitotenv.2022.155334

研究背景

在中国、印度和东南亚等快速发展地区，颗粒物（PM）污染已成为一个重要的研究课题。城市颗粒物污染，特别是PM2.5的形成机制非常复杂，化石燃料消耗量的增长直接增加了PM2.5的排放量。长期暴露于环境PM2.5被广泛认为是全球主要的健康问题。许多流行病学研究报告表明，暴露于高浓度PM2.5与缺血性心脏病（IHD）、中风、肺癌（LC）、慢性阻塞性肺病（COPD）和下呼吸道感染（LRI）这五种疾病导致的过早死亡之间存在密切联系。在2015年GBD评估中，暴露于环境PM2.5被列为全球过早死亡的第五大风险因素，59%的过早死亡发生在东亚和南亚（Cohen et al.，2017）。

2012年，PM2.5首次被纳入中国国家环境空气质量标准（NAAQS GB3095-2012），并成为中国城市居民最重要的空气污染指标。为解决全国范围内的PM2.5污染问题，中国国务院于2013年底启动了有史以来最严厉的空气污染防治行动计划（APPCAP），并制定了到2017年实现的具体减排目标。以前的流行病学研究中有很大一部分强调了20世纪10年代后中国与PM2.5相关的过早死亡率，但很少有涉及几十年的长期研究

在本研究中，MERRA（Modern-Era Retrospective Analysis for Research and Applications）气溶胶数据用于估算地表PM2.5浓度，并将结果与最新更新的GBD（2019）相结合，以评估中国1990年至2019年30年间与PM2.5相关的过早死亡率。这项研究的结果将为决策者提供理论支持，帮助他们考虑复杂的因素和未来的挑战，如人口老龄化和气候变化带来的挑战，并制定具体的减排目标，以有效缓解PM2.5带来的有害影响。

研究方法

（一）数据集合

MERRA-2是美国宇航局卫星时代最新的再分析数据集，基于戈达德地球观测系统版本5（GEOS-5）模型和分析系统。该系统包括从NASA地球观测系统的几颗卫星同化双方向气溶胶光学厚度（AOD）和从气溶胶机器人网络（AERONET）站同化地面测量的AOD。它包括1980年至今的遥感数据，空间分辨率为0.5°×0.625°（纬度×经度）和从地表到0.01hPa的72个垂直混合-eta水平。MERRA-2提供了五种外部混合气溶胶物种的浓度：灰尘、海盐、黑炭、有机碳和硫酸盐。

Buchard等人（2016年）提出了一种广泛使用的根据MERRA浓度估算地表PM2.5浓度的方法。在这项研究中，他们的方法被应用于估算1990年至2019年中国地表PM2.5的浓度，使用以下方程式：

中国的人口数据主要来自世界网格人口（GPW）和联合国人口司。GPW是使用最广泛的网格化人口数据集，最新版本（GPWv4）提供了2000、2005、2010、2015和2020年的全球人口地图，空间分辨率为30秒。由于GPW数据不包括最新的人口普查信息，因此使用联合国人口司收集的年度人口信息来调整外推结果。联合国人口司的数据也用于1990年至2030年中国人口的年龄结构，因为年龄结构是估算PM2.5相关的过早死亡率必不可少的信息。

（二）健康影响评估

Burnett等人2014年提出的综合暴露反应（IER）模型是第一个用于估计可归因于PM2.5的疾病负担的模型。由于其稳健性，它已被全球用于量化PM2.5相关健康风险，以评估政策情景的影响，并评估空气质量标准。其基本局限性在于仅涵盖与PM2.5暴露相关的五种特定死亡原因，无法解释高PM2.5浓度范围中的额外相对风险。为了克服这些限制，Burnett等人在2018年开发了全球暴露死亡率模型（GEMM），该模型纳入了来自中国的新队列数据，并解释了与PM2.5相关的其他疾病。GEMM预测了长期暴露于PM2.5与非传染性疾病和下呼吸道感染（NCD + LRI）以及IER模型所考虑的五个具体原因导致的死亡之间的风险比率。本文基于前人研究以及提出的方法，估算了1990年至2019年因环境PM2.5导致的NCD+LRI和五种特定疾病的过早死亡率。

不同病种死亡率的国家基线数据来自最新更新的GBD（2019），国家年龄结构数据来自联合国人口司。然而，由于社会经济和地理气候条件的差异，中国的人口年龄结构和基线死亡率表现出明显的省级异质性。中国全国人口普查和相关研究提供了省级人口年龄结构和每种疾病的基线死亡率。本文将这些工作与国家数据相结合，得出省级年龄结构和基线死亡率的年度数据。

（三）预测和未来情景

本研究的另一个重要目标是量化APPCAP的公共健康效益。该项目由中国于2013年启动，旨在防治PM2.5污染，是中国迄今为止实施的最严格的排放控制政策和措施。历史基线PM2.5使用自回归综合移动平均（ARIMA）模型对1990年至2013年的数据进行整合，以预测和再现2014年至2019年PM2.5浓度的全国分布。接下来，本文提出了四种不同的情景来预测中国可归因于PM2.5的未来死亡人数。

在情景1和2中，ARIMA模型分别使用1990年至2013年和1990年至2019年的历史数据来预测2030年PM2.5的浓度。情景1假设中国政府优先考虑经济发展，没有实施任何有力的空气污染缓解或排放控制政策。而情景2假设APPCAP将继续有效，但缓解措施不会进一步加强。相反地，情景3和情景4将使用2019年的PM2.5浓度作为基准，并假设中国政府将进一步加强缓解措施，并制定新的排放目标，特别是在污染严重的地区（如华北平原、长江平原和四川盆地）。在情景3中，预计到2030年，所有严重污染地区（年浓度>25μg/m3）都将达到世界卫生组织的中期目标，即35μg/m3。场景4是最具野心的；预计到2030年，所有污染地区将达到世界卫生组织更严格目标25μg/m3。在所有情况下，假设中国未来的人口规模和人口年龄结构遵循联合国人口司的预测。此外，这六种疾病的基线死亡率可能会因中国未来医疗保健的改善而改变。

（四）趋势分析及气象校正

趋势分析是探索和量化空气污染年际变化及其对健康影响的不可或缺的工具。虽然线性趋势在大多数研究中被广泛使用，但它对异常值很敏感，仅适用于正态分布数据。由于空气污染物浓度始终呈非正态分布，因此本研究中使用了非参数统计检验，选择泰尔-森中值斜率来客观地代表PM2.5浓度的年际变化或PM2.5相关的过早死亡率。

除人为和自然排放外，气象条件也是影响地表PM2.5的重要因素。PM2.5和气象变量之间的关系复杂，且因地区和季节而异。因此，为了更准确地呈现中国30年来PM2.5浓度的趋势，本文使用逐步多元线性回归模型（MLR）来消除气象对PM2.5变化的影响。

研究结果

（一）PM2.5暴露和相关过早死亡空间分布

由于社会经济和地理气候条件的异质性，中国被划分为四个区域（东部、西部、北部和南部），以说明PM2.5浓度和相关的过早死亡率的空间特征。PM2.5的浓度和可归因于PM2.5的死亡率显示出强烈的空间差异，PM2.5浓度高的地区主要分布在中国东部和南部人口稠密的城市群（如京津冀、长三角和珠三角地区），以及中国西部的盆地（如四川盆地、塔里木盆地、准噶尔盆地）。30年间华东地区人口加权PM2.5浓度的平均值为39.4μg/m3，远高于其他地区；而在中国北方对应值仅有21.8μg/m3。

GEMM函数得出的结果表明，在研究期间，可归因于PM2.5暴露的5种特定疾病导致的全国过早死亡人数为122万，而NCD+LRI对应的过早死亡人数为154万，相比于五种特定疾病的死亡人数高出26%，这些结果表明，PM2.5暴露除导致五种特定疾病的死亡外，可能有别的原因导致死亡。PM2.5相关的过早死亡主要分布在华东和华南地区（图1b），分别占全国死亡人数的51%和37%。尽管由于频繁的多尘天气条件，中国西部的人口一直暴露在高浓度的PM2.5环境中，但PM2.5暴露导致的过早死亡仅占全国死亡人数的2%。这是由于与华东和华南相比，中国西部人口较少，几乎没有特大城市群，经济增长缓慢，因此，中国西部归因于PM2.5暴露的过早死亡风险远低于其他地区。

图1 1990年至2019年期间PM2.5年均浓度的空间分布（a）和与PM2.5相关的年均过早死亡率（b）

（二）年均PM2.5暴露及相关过早死亡变化趋势

2000年之前，中国PM2.5的浓度稳定，年平均值在25至28μg/m3之间（图2b）。从1990年到1999年，显著增长主要发生在华南地区（如珠江三角洲），全国PM2.5的年增长率仅为0.2μg/m3（图3a）。从2000年到2009年，PM2.5浓度每年都在增加，在快速发展的华东和华南地区浓度年均增长达到1.5μg/m3和1.3μg/m3，到2009年PM2.5浓度达到峰值为41.4μg/m3。在华北平原、长江平原、珠江三角洲和成渝特大城市群等中国主要城市群，空气质量的恶化更为显著，2000年至2009年，这些城市群的年增长率超过了2μg/m3（图3b）。

除PM2.5外，PM2.5相关死亡的年际变化还受其他因素影响，与PM2.5的变化不完全一致。虽然2000年前中国每年PM2.5的浓度稳定，每年仅增长0.2μg/m3，但1990年到1999年全国PM2.5相关死亡人数每年仍增加2万左右。在这十年中，珠三角特大城市群的PM2.5相关死亡的增加比其他城市群更为显著（图3d）。珠江三角洲是重要的经济中心，是中国自由市场改革的先驱地区。1985年至2000年间，珠江三角洲的发展吸引了大量内陆地区的劳动力流入，但快速发展促进了化石燃料的消耗，并恶化了当地的空气质量。因此，PM2.5相关死亡率的增加在珠三角地区更为显著。与中国其他地区相比，华东和华南地区的PM2.5相关死亡率的增长更为显著，尤其是在主要城市群（如BTH、YRD、PRD和成渝城市群）中（图3e）。

虽然2019年PM2.5的浓度为35.6μg/m3，远远低于全国PM2.5污染严重年份（2005–2014年）的水平，但PM2.5相关过早死亡增加至193万（GEMM NCD+LRI估计）和156万（GEMM 5-COD估计），为30年研究期间的最高值。2010-2019年的空气质量改善导致PM2.5浓度大幅下降，然而，主要城市群的过早死亡率仍继续上升，特别是在华北平原、长江平原和珠三角特大城市群。这些相反的趋势表明，这些城市群的快速城市化和人口扩张可能抵消当地空气质量改善带来的健康益处。

图2 1990年至2019年GEMM函数估计的全国PM2.5相关的过早死亡年均趋势（a）5-COD五种特定疾病（b）NCD+LRI 

图3 1990至2019年间PM2.5浓度（左面板）和GEMM方程评估NCD+LRI的PM2.5相关过早死亡（右面板）的变化趋势

（三）年均PM2.5暴露及相关过早死亡变化趋势

可归因于PM2.5污染的死亡人数净变化可分解为四个因素的影响：人口规模、年龄结构、基线死亡率和PM2.5浓度。在整个30年的研究期间，中国医疗保健的改善往往会降低基线死亡率，因此对减少PM2.5相关死亡率有积极的影响，而人口的增长和老龄化持续增加PM2.5相关死亡率（图4）。从1995年至2010年，不断恶化的空气质量极大地促进了PM2.5相关死亡率的增长。例如，2000年至2005年PM2.5的浓度变化导致PM2.5相关死亡率在此期间将增加17%。因此，其影响远远高于其他因素。

总的来说，人口老龄化对1990年至2019年全国PM2.5相关过早死亡的增加起到了很大的作用。人口老龄化有效地抵消了死亡率降低和空气质量改善带来的好处。同时，人口年龄结构对PM2.5相关死亡人数变化的贡献从2000年前的11%-12%逐渐增加到2010年后的13%-15%（图4）。由于中国的人口老龄化和低出生率问题越来越严重，决策者必须考虑这些因素，制定更宏伟的目标，最大限度地利用PM2.5减排措施和政策带来的健康效益。

图4 四个驱动因素对全国PM2.5相关过早死亡变化的贡献

（四）APPCAP的健康效益

ARIMA模型结果表明未实施APPCAP情况下，全国范围内的PM2.5浓度可能会从2013年的39.6μg/m3增长至2019年的41.8μg/m3（图5）。事实上，严格的APPCAP措施有效地控制了全国的空气污染：2018年中国的PM2.5浓度逐渐下降至34.0μg/m3，然后在2019年反弹至35.6μg/m3，但PM2.5浓度的降低未导致PM2.5相关过早死亡的减少。

图5：实施APPCAP后与PM2.5相关的实际死亡人数与ARIMA预测结果的比较：（a）GEMM 5-COD和（b）GEMM NCD+LRI估计值

与ARIMA模型估计的中国大部分地区的基线水平相比，APPCAP的实施大大缓解了PM2.5的水平，尤其是在污染严重的华东和华南地区（图6a）。实施APPCAP后，除东北和西部部分地区外，中国大部分地区的5相关死亡率显著下降（图6b）。在几个主要城市群中，APPCAP的实施可能导致每年PM2.5相关死亡率的减少超过200人/0.25°× 0.25°网格.

图6：（a）2014年至2019年之间，中国实际年均PM2.5浓度和ARIMA预测的差异以及（b）2014年至2019年中国PM2.5相关死亡实际值和ARIMA预测死亡人数的差异

（五）四种情景下的死亡率预测

ARIMA模型结果显示，从2020年到2030年，所有年龄组因COPD、LRI、中风和NCD+LRI导致的基线死亡率均呈大幅下降趋势，这与GBD（2019）得出的历史基线死亡率趋势（1990-2019）一致。从2020年到2030年，60岁以上年龄组的LC基线死亡率呈上升趋势。在所有情景下，医疗保健的改善都会导致PM2.5相关死亡的减少；相比于2019年，这种积极的效应预计将在2030年减少23.9%至36.2%的PM2.5相关死亡。

图7：2030年在四种不同情景下（使用GEMM NCD+LRI函数估计）PM2.5相关的过早死亡率，以及四个驱动因素对2019-2030年全国PM2.5相关死亡变化的贡献

研究总结

从1990年到1999年，中国每年的PM2.5浓度稳定；只有在华南地区出现了显著的增长。随后，中国特别是快速发展的华东和华南地区的PM2.5浓度大幅增加；全国PM2.5浓度最终在2009年达到峰值为41.4μg/m3。同时，不断恶化的空气质量加上人口老龄化等其他因素，导致PM2.5相关的过早死亡率显著增加。2010年后，“十一五”和“十二五”规划中的空气质量法规在一定程度上缓解了PM2.5污染，但全国范围内的PM2.5浓度仅略有下降。2013年9月后，APPCAP的实施有效控制了中国的PM2.5污染：到2018年，全国的PM2。5浓度降至34.0μg/m3。虽然趋势分析结果表明APPCAP带来了巨大的健康效益，但总PM2.5相关过早死亡率没有显著下降。驱动因素分解分析和四种情景下的预测结果都表明，改善空气质量带来的健康益处可能会被人口变化所抵消。这些结果表明，目前制定的APPCAP缓解措施不足以抵消人口年龄结构变化对PM2.5相关死亡人数的影响。因此，要减少PM2.5相关的死亡，决策者需要实施更严格的措施，并在未来设定更雄心勃勃的排放控制目标。

编辑&排版：赵梦丹

相关阅读

点击“阅读原文”浏览小组主页