Spatiotemporal evolution characteristics of PM2.5 pollution and health burden in mega?urban agglomerations of China

Wu Yanyuan1, Liu Yifan2, Tang Rong1, Jiang Lingling1, Wang Haikun ,1,3,4

1.School of Atmospheric Sciences, Nanjing University, Nanjing, 210023, China

2.School of the Environment, State Key Laboratory of Pollution Control and Resource Reuse, Nanjing University, Nanjing, 210023, China

3.Science Center for Critical Earth Mater ial Cycling, Nanjing University, Nanjing, 210023, China

4.Collaborative Innovation Center of Climate Change, Jiangsu Province, Nanjing, 210023, China

Abstract

With rapid economic development and urbanization over the past decades,China has suffered a severe PM2.5 pollution. The analysis of the characteristics and spatiotemporal trends of PM2.5 pollution and its health effects in typical urban agglomerations is vital for evaluating and optimizing pollution control policies. Based on multi?source high?resolution air pollution,population data,and health assessment methods,this study analyzed and compared PM2.5 pollution and its health burden in four mega?urban agglomerations Beijing?Tianjin?Hebei (BTH),Yangtze River Delta (YRD),Pearl River Delta (PRD),and Chengdu?Chongqing (CC) urban agglomerations during 2000-2020. The results showed that the PM2.5 pollution in BTH was the most serious,followed by the YRD and CC,and the PM2.5 pollution in PRD was the least polluted. The four urban agglomerations all experienced a "rise first and then fall" process of PM2.5 pollution,with annual average PM2.5 concentrations decreasing by 35.6%,43.9%,34.6%,and 49.7% during 2000-2020,respectively. In 2020,the PM2.5 attributable deaths in BTH,YRD,PRD,and CC were 128000,140000,52000,and 90000,respectively. Population growth and aging mainly contributed to the increase in the PM2.5 health burden,which contributed most to the PRD. The reduction of PM2.5 pollution was the main driving force to decrease the PM2.5 attributable health burden,suggesting that air pollution controls in urban agglomerations have achieved significant health benefits. In the future,it is necessary to strengthen the control measures of PM2.5 pollution in urban agglomerations from the perspective of population health,with special attention to the health risks of the elderly population.

Keywords：urban agglomerations;PM2.5 pollution;attributable deaths;spatiotemporal evolution;driving factors

過去三十多年，我國經(jīng)歷了快速的工業(yè)化和城市化過程，也面臨著廣泛的空氣污染問題.這些污染問題，尤其是大氣細(xì)顆粒物（PM2.5）污染問題，主要集中在人口密集、能源消耗和污染排放強(qiáng)度高的區(qū)域，在京津冀、長三角、珠三角和成渝等城市群區(qū)域較為突出［1-2］.流行病學(xué)研究表明，長期暴露于PM2.5污染會顯著增加心血管、呼吸系統(tǒng)疾病和Ⅱ型糖尿病等多種疾病的發(fā)病率和死亡率［3-4］.全球疾病負(fù)擔(dān)（Global Burden of Disease，GBD）研究指出，2019年環(huán)境PM2.5暴露導(dǎo)致全球414萬人過早死亡，其中中國約占34%［5］.

為了改善大氣環(huán)境質(zhì)量，中國政府先后頒布了多項空氣污染治理政策，取得了顯著成效.“十七大”“十八大”政府工作報告對大氣污染等環(huán)境問題提出了重點(diǎn)防治目標(biāo)，2006年以來PM2.5的重要前體氣體SO2的排放量開始下降［6］.2012年國務(wù)院批復(fù)的《重點(diǎn)區(qū)域大氣污染防治“十二五”規(guī)劃》，將京津冀、長江三角洲、珠江三角洲、成渝城市群等列為大氣污染重點(diǎn)防治區(qū)域.2013年，中國國務(wù)院發(fā)布了《大氣污染防治行動計劃》（簡稱“大氣十條”）［7］，制定了十項空前嚴(yán)格的大氣污染物排放控制措施，中國大多數(shù)地區(qū)PM2.5污染在2013-2017年有了明顯改善［8］.2018年，國務(wù)院部署的“藍(lán)天保衛(wèi)戰(zhàn)行動計劃”取代“大氣十條”，旨在進(jìn)一步改善2018-2020年的空氣質(zhì)量.目前已有很多研究關(guān)注了中國PM2.5污染和健康負(fù)擔(dān)的變化［9-12］，Lin et al［9］對2001-2015年三個“五年計劃”期間中國省級PM2.5濃度的變化趨勢進(jìn)行了評估，Lu et al［10］評估了2001-2017年中國東部地區(qū)PM2.5濃度的變化趨勢及其對健康的不利影響，Liu et al［11］評估了2004-2017年中國PM2.5污染造成的健康影響，并指出人口老齡化對PM2.5污染緩解效果的抵消.Yue et al［12］分析了2000-2017年P(guān)M2.5污染歸因死亡的時空動態(tài)，評估了大氣防治行動對PM2.5健康負(fù)擔(dān)緩解的貢獻(xiàn).此外，近年來的研究也開始聚焦區(qū)域尺度，關(guān)注中國重點(diǎn)城市群的PM2.5污染和健康影響［13-16］，例如，Lin et al［13］評估了2001-2015年珠三角城市群的PM2.5長期趨勢，Li et al［14］對中國六個典型的城市群2017-2020年小時PM2.5濃度數(shù)據(jù)進(jìn)行了統(tǒng)計分析、地理分析和健康影響評估等綜合分析，Lyu et al［15］綜合分析了2015-2021年中國城市群人口對PM2.5和臭氧的長期暴露風(fēng)險.

然而，現(xiàn)有針對城市群PM2.5污染評估的研究多集中在特定時期如2013-2017年［17］，對長時間尺度、不同城市群PM2.5污染和健康負(fù)擔(dān)的評估及其對比分析還比較缺乏［15］.基于以上背景，本研究借助高分辨率數(shù)據(jù)分析和比較了2000-2020年中國四個典型城市群（京津冀城市群、長三角城市群、珠三角城市群和成渝城市群）的PM2.5污染特征，并采用最新GBD報告中所使用的健康評估方法計算了四個城市群的環(huán)境PM2.5歸因死亡.此外，我們還量化了驅(qū)動因素（PM2.5濃度、人口增長、人口老齡化和基線死亡率）對四個城市群2000-2020年十年際歸因死亡率負(fù)擔(dān)變化的貢獻(xiàn).研究結(jié)果可以為深入理解中國城市群PM2.5污染及其健康影響的時空演變特征，并從健康視角制定區(qū)域大氣污染管控策略提供依據(jù).

1 材料與方法

1.1　研究區(qū)域

本文的研究區(qū)域包括京津冀、長三角、珠三角和成渝城市群這四個中國最典型的城市群，四個城市群的主要自然和社會經(jīng)濟(jì)信息如表1所示.

表1  研究城市群的相關(guān)信息（2020年）

Table 1  Relevant information of urban agglomerations (2020)

城市群人口（億）面積（萬平方公里）城市化率二產(chǎn)占比人均GDP（萬元）京津冀1.1021.7268.6%28.0%7.8長三角1.6521.1770.8%39.5%10.4珠三角0.785.6274.2%39.5%8.8成渝1.0318.5060.3%37.4%6.4

新窗口打開|下載CSV

京津冀城市群是中國北方重要的經(jīng)濟(jì)核心地區(qū)，包括北京、天津、石家莊在內(nèi)的13個城市.長三角城市群是中國東部經(jīng)濟(jì)最發(fā)達(dá)、城市化速度最快的城市群，包括上海、南京、杭州、合肥等26個城市.珠三角城市群位于中國南部，是中國主要的經(jīng)濟(jì)區(qū)和制造業(yè)中心之一，通常包括廣州、深圳、珠海、佛山、東莞、中山、江門、肇慶、惠州、香港和澳門（由于缺乏數(shù)據(jù)，本研究沒有納入香港和澳門）.成渝城市群是引領(lǐng)西部大開發(fā)的國家級城市群，包括重慶、成都在內(nèi)的16個城市.

1.2　數(shù)據(jù)來源

本研究使用的主要數(shù)據(jù)包括PM2.5年均濃度、年度人口的網(wǎng)格數(shù)據(jù)，以及年齡結(jié)構(gòu)和基線死亡率數(shù)據(jù).

環(huán)境PM2.5濃度數(shù)據(jù)來自清華大學(xué)聯(lián)合多個機(jī)構(gòu)和團(tuán)隊開發(fā)的中國大氣成分近實(shí)時追蹤數(shù)據(jù)集（Tracking Air Pollution in China，TAP，http：//tapdata.org.cn），該數(shù)據(jù)集基于機(jī)器學(xué)習(xí)算法構(gòu)建了融合實(shí)時地面觀測、近實(shí)時衛(wèi)星遙感信息和空氣質(zhì)量模型模擬等多源大數(shù)據(jù)的業(yè)務(wù)化模型，空間分辨率為0.1°×0.1°［18］.

年度常住人口數(shù)據(jù)來自橡樹嶺國家實(shí)驗室（https：//landscan.ornl.gov）的LandScan數(shù)據(jù)庫，空間分辨率為1 km×1 km.本研究通過ArcGIS將人口數(shù)據(jù)重新采樣至0.1°×0.1°，實(shí)現(xiàn)與PM2.5濃度數(shù)據(jù)的空間匹配，并根據(jù)《中國城市統(tǒng)計年鑒》［19］的城市年末人口數(shù)據(jù)按城市群調(diào)整了人口規(guī)模.此外，本研究使用了國家層面的年齡結(jié)構(gòu)和國家基線死亡率數(shù)據(jù)，2000-2019年的中國年齡結(jié)構(gòu)數(shù)據(jù)來自IHME（https：//ghdx.healthdata.org/gbd-2019），2000-2019年的疾病基線死亡率數(shù)據(jù)從GBD網(wǎng)站（http：//ghdx.healthdata.org/gbd-results-tool）獲得.受限于數(shù)據(jù)的可得性，本研究采用2019年數(shù)據(jù)表征2020年的年齡結(jié)構(gòu)和基準(zhǔn)死亡率.

1.3　健康影響評估

本研究采用了最新GBD報告中所使用的MR?BRT （Meta Regression?Bayesian，Regularized，Trimmed spline）曲線［3］來模擬PM2.5相對風(fēng)險（Relative Risk，RR），進(jìn)而評估大氣PM2.5污染引起的人群過早死亡.MR?BRT曲線使用貝葉斯先驗的樣條曲線，將薈萃回歸應(yīng)用于室外PM2.5污染導(dǎo)致的死亡率或疾病發(fā)病率的最新觀察性隊列和病例對照研究.家庭使用固體燃料烹飪的隊列、病例對照和隨機(jī)對照試驗，以及二手煙的隊列研究和病例對照研究中，避免了使用主動吸煙的相對風(fēng)險估計，以避免過高估計高暴露水平的風(fēng)險.我們使用網(wǎng)格尺度評估框架，對Apte et al［20］報告的國家基線死亡率引入修正因子.以五年為間隔的i年齡組和網(wǎng)格單元j的環(huán)境PM2.5暴露導(dǎo)致的死亡人數(shù)M通過下式計算：

Mi,j=Pi,j×Ii,j^×PAFi,j    Ii,j^=Ii×RRi,jPWRRi,j（1）

PAFi,j=RRi,j-1RRi,j（2）

PWRRi,j=ΣPi,j×RRi,jΣPi,j（3）

其中，P為人口規(guī)模，I是慢性阻塞性肺病、缺血性心臟病、肺癌、下呼吸道感染、中風(fēng)和Ⅱ型糖尿病的全國基線死亡率之和，I^是對國家基準(zhǔn)死亡率I添加校正因子調(diào)整后的網(wǎng)格死亡率（修正因子根據(jù)網(wǎng)格平均PM2.5濃度暴露響應(yīng)與全國人口加權(quán)平均PM2.5濃度暴露響應(yīng)之間的關(guān)系調(diào)整國家死亡率），PAF為人口歸因分?jǐn)?shù)，RR和PWRR分別代表相對風(fēng)險和人群加權(quán)平均相對風(fēng)險，我們對年齡在25~99歲的居民的缺血性心臟病和中風(fēng)死亡終端進(jìn)行了每五歲間隔的RR估計.

1.4　驅(qū)動因素分解

我們參考Murray et al［3］和Liu et al［11］的分解方法來估計PM2.5暴露、基線發(fā)病率、人口增長和人口老齡化這四個因素的變化對PM2.5可歸因死亡變化的貢獻(xiàn).該方法依次將各因素的變化引入到歸因死亡的估計中，計算結(jié)果的每一次變化都視為所引入因素變化的貢獻(xiàn).由于引入因子的順序會影響結(jié)果，我們將四個因子的24個序列進(jìn)行排列組合，計算平均貢獻(xiàn).以選取人口規(guī)模的增加（PG）、年齡結(jié)構(gòu)變化（PA）、PM2.5暴露量的變化（EXP）和基準(zhǔn)死亡率變化（ORF）的順序為例，對a和b兩個年份之間的變化因素的每一步計算如下：

Ma=∑i=180+Pa,i×Ia,i×RRa,i-1PWRRa,i（4）

MPG=∑i=180+Pb,i×Ia,i×RRa,i-1PWRRa,i（5）

MPA=∑i=180+Pb,i×Ia,i×RRa,i-1PWRRb,i（6）

MEXP=∑i=180+Pb,i×Ia,i×RRb,i-1PWRRb,i（7）

MORF=∑i=180+Pb,i×Ib,i×RRb,i-1PWRRb,i=Mb（8）

EffectPG=MPG-MaMa×100%（9）

EffectPA=MPA-MPGMa×100%（10）

EffectEXP=MEXP-MPAMa×100%（11）

EffectORF=MORF-MEXPMa×100%（12）

2 結(jié)果與討論

2.1　環(huán)境PM2.5濃度變化

圖1和圖2分別顯示了2000-2020年四個城市群年平均PM2.5濃度的變化趨勢和空間分布.總體上，從北向南四個城市群的PM2.5污染程度逐漸減輕，京津冀城市群污染最重，年平均PM2.5濃度為67.1 μg·m-3；長三角城市群和成渝城市群次之，平均濃度分別為53.0 μg·m-3和49.1 μg·m-3；珠三角污染程度最輕，平均濃度為39.3 μg·m-3.從時間維度上看，四個城市群的PM2.5污染呈現(xiàn)相似的變化趨勢，在研究時段前期均有惡化，在2010年前后陸續(xù)開始減輕，二十一年間經(jīng)歷了PM2.5污染加重又減輕的過程.從空間分布圖上看，十年際的濃度變化較為明顯，2000-2010年P(guān)M2.5濃度在四個城市群均普遍增加，2010-2020年污染顯著下降，但是污染熱點(diǎn)中心變化不大.圖3顯示了2000，2010和2020年四個城市群人口暴露分布的變化.從圖中可以看出，PM2.5濃度暴露差異較大，2010年的人口暴露峰值最大，2020年暴露峰值明顯左移，但京津冀城市群大部分人群的暴露濃度仍超過國家二級標(biāo)準(zhǔn)（35 μg·m-3）.

圖1

圖1  2000-2020年四個城市群年均PM2.5濃度（①②③④分別表示《火電行業(yè)排放標(biāo)準(zhǔn)》（2011年）、《鋼鐵行業(yè)排放標(biāo)準(zhǔn)》（2012年）、“大氣十條”（2013年）和“藍(lán)天保衛(wèi)戰(zhàn)”（2018年）的實(shí)施年份）

Fig.1  Annual average PM2.5 concentrations in the four urban agglomerations during 2000-2020 (①②③④ represent the years of implementing emission "Standards for the Thermal Power Industry" (2011),"The Emission Standards for the Iron and Steel Industry" (2012), "Clean Air Action" (2013),and "Three?year Action Plan on Defending the Blue Sky" (2018), respectively)

圖2

圖2  2000-2020年四個城市群（a） PM2.5濃度分布和（b）十年際PM2.5濃度變化分布

Fig.2  (a) Distribution of PM2.5 concentration, (b) changes of PM2.5 concentration over decades in four urban agglomerations during 2000-2020

圖3

圖3  2000，2010和2020年人群的PM2.5污染暴露分布

Fig.3  Population exposure to PM2.5 pollution in 2000,2010 and 2020

2.2　各城市群PM2.5污染及時空變化分析2.2.1　京津冀城市群

2000-2020年，京津冀城市群年均PM2.5濃度經(jīng)歷了“M”型變化，由2000年的60.2 μg·m-3增加到2007年的83.3 μg·m-3；2007-2013年的PM2.5濃度先下降后增加；2013年開始從77.5 μg·m-3大幅度下降至2020年的38.8 μg·m-3.京津冀城市群PM2.5濃度較高的區(qū)域主要分布在南部，由南向北逐漸降低.該地區(qū)有97.5%（2000年），99.0%（2010年），90.3%（2020年）的人群生活在PM2.5年均濃度超過國家二級標(biāo)準(zhǔn)的環(huán)境中.

京津冀地區(qū)PM2.5污染的主要排放源包括發(fā)電廠、家庭供暖、工業(yè)、車輛和生物源等［21］.與其他三個城市群不同，京津冀地區(qū)由于冬季供暖，來自燃煤的家庭供暖排放對京津冀的空氣質(zhì)量下降有很大影響［22］.此外，氣象條件也是影響京津冀PM2.5污染的重要因素，京津冀城市群的氣候特征為停滯天氣、弱風(fēng)和相對較低的邊界層高度，為氣溶膠的形成和積累提供了有利的大氣條件［1］.

京津冀城市群PM2.5污染減輕主要源于污染物排放下降.已有研究表明，為保障2008年北京奧運(yùn)會而采取的一系列污染控制措施獲得一定成效［23］，但暫時的空氣污染控制并沒有帶來長期的空氣質(zhì)量改善，2008年后京津冀空氣污染又逐漸加重.京津冀城市群分布著眾多的火電和鋼鐵產(chǎn)業(yè)，《火電行業(yè)排放標(biāo)準(zhǔn)》（2011年）、《鋼鐵行業(yè)排放標(biāo)準(zhǔn)》（2012年）的實(shí)施對其PM2.5減排具有重要影響［24-25］，直到2013年“大氣十條”的實(shí)施，PM2.5污染才得到根本性的削減，三年空氣行動期間污染持續(xù)減輕，2013-2020年京津冀城市群PM2.5年均濃度的降幅達(dá)到50.0%.

2.2.2　長三角城市群

2000-2020年，長三角城市群的年均PM2.5濃度從47.8 μg·m-3下降到26.8 μg·m-3，降幅為43.9%.2000-2004年，該區(qū)域年均PM2.5濃度持續(xù)增長，到2004年達(dá)到峰值65.0 μg·m-3；2004-2013年，PM2.5濃度持續(xù)在57.6~65.0 μg·m-3的高濃度區(qū)間波動；2013年后，PM2.5濃度大幅度下降.污染較嚴(yán)重的地區(qū)主要在中部和北部，從北、西北到東南逐漸降低.長三角城市群PM2.5的人群暴露經(jīng)歷較大的變化，從88.7%（2000年）和97.4%（2010年）的人群生活在PM2.5年均濃度超過國家二級標(biāo)準(zhǔn)的環(huán)境中，到2020年僅有17.8%的人群暴露濃度超過國家二級標(biāo)準(zhǔn).

長三角是中國最大的城市群，區(qū)域內(nèi)城市密集，而且第二產(chǎn)業(yè)比重達(dá)39.5%，是四個城市群中占比最重的.工業(yè)來源，包括發(fā)電廠、其他燃料燃燒設(shè)施和非燃燒過程是長三角地區(qū)PM2.5污染的主要來源［26］.PM2.5高濃度區(qū)域主要分布在江蘇沿長江城市，這是因為主要的重工業(yè)活動和港口位于長江兩岸，工業(yè)和船舶污染排放量大.浙江省和上海市的主要重工業(yè)活動和港口位于沿海地區(qū)，海風(fēng)可能會稀釋大氣，使浙江省和上海市的PM2.5濃度總體低于江蘇省［27］.2013年前，該區(qū)域PM2.5濃度持續(xù)增長并保持在高污染水平；得益于中國實(shí)施的清潔空氣行動，PM2.5濃度自2013年起持續(xù)下降，行動效果顯著［28］.

2.2.3　珠三角城市群

2000-2020年珠三角城市群PM2.5污染濃度從2000年的39.2 μg·m-3下降到2020年的19.7 μg·m-3，降幅為49.7%.

2000-2007年，PM2.5濃度逐年增加；2007年后PM2.5濃度開始逐漸下降，2020年已大大低于現(xiàn)行國家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（35 μg·m-3）.珠三角城市群是四個城市群中PM2.5污染暴露最輕的，人群暴露濃度高于國家二級標(biāo)準(zhǔn)的比例，從2000年72.5%增加至2010年89.8%，到2020年整個珠三角城市群人群的平均PM2.5濃度暴露均低于國家二級標(biāo)準(zhǔn).

在珠三角城市群，交通和工業(yè)是PM2.5污染的主要來源，PM2.5污染主要集中在工業(yè)發(fā)達(dá)、人口密集的廣州及其周邊城市［29］.由于珠三角城市群是珠江口周圍的低洼地區(qū)，亞熱帶季風(fēng)氣候和靠近南海的地理位置有助于污染物擴(kuò)散，緩解珠江三角洲的空氣污染［30］.雖然與其他城市群PM2.5濃度變化趨勢類似，但珠三角城市群整體PM2.5污染最輕，且污染減輕早于其他城市群.

2.2.4　成渝城市群

2000-2020年成渝城市群年均PM2.5濃度由2000年的40.7 μg·m-3下降到2020年的26.6 μg·m-3，降幅為34.5%.PM2.5濃度較高的區(qū)域主要分布在成都和重慶市區(qū).成渝城市群PM2.5污染程度與長三角城市群相當(dāng)，PM2.5的人群暴露水平也經(jīng)歷了較大變化，從87.8%（2000年）和98.6%（2010年）的人群生活在PM2.5年均濃度超過國家二級標(biāo)準(zhǔn)的環(huán)境中，到2020年這一比例下降到28.7%.

工業(yè)和交通污染是成渝城市群PM2.5污染的主要來源，但PM2.5污染特征與其他三個東部沿海城市群存在很大差異，除排放源外，四川盆地具有特殊的地形和氣象條件［31］.由于成渝城市群處于四川盆地，被高山和高原包圍，十分有利于區(qū)域污染物積累；常年持續(xù)高相對濕度和極低風(fēng)速的穩(wěn)定氣象條件，也提高了成渝城市群的PM2.5污染水平［32］.

2.3　PM2.5歸因死亡變化趨勢

2020年京津冀城市群、長三角城市群、珠三角城市群、成渝城市群的PM2.5歸因死亡分別約為12.8萬人（95% CI：7.5~17.3）、14.0萬人（95% CI：9.4~18.3）、5.2萬人（95% CI：3.7~6.6）、9.0萬人（95% CI：5.9~11.8）.研究時段內(nèi)，雖然PM2.5濃度有了大幅度變化，但歸因于PM2.5的健康負(fù)擔(dān)與PM2.5變化不同，2020年與2000年相比，除成渝城市群健康負(fù)擔(dān)減輕4.0%，京津冀、長三角、珠三角城市群健康負(fù)擔(dān)分別增加了14.5%，7.6%，19.3%.為排除人口增長的影響，本研究計算了每百萬人的歸因死亡（圖4b），發(fā)現(xiàn)各城市群2020年歸因于PM2.5的死亡率較2000年均有明顯下降，京津冀、長三角、珠三角、成渝城市群分別下降6.1%，20.9%，34.7%，11.8%.京津冀城市群的人均歸因死亡率最高，其他三個城市群相當(dāng)，其中珠三角城市群的下降幅度最大；同時，由于受RR曲線的非線性效應(yīng)影響，珠三角城市群PM2.5背景濃度更低，相對風(fēng)險曲線變化更陡峭，所以健康收益變化相對更大.總體上，四個城市群健康負(fù)擔(dān)在研究年份前段逐年增加，后段有所減輕.

圖4

圖4  （a） 2000-2020年城市群PM2.5歸因死亡;（b）2000-2020年城市群每百萬人PM2.5歸因死亡數(shù)

Fig.4  (a) Attributable PM2.5 deaths and (b) attributable PM2.5 deaths per million people in four urban agglomerations during 2000-2020

2.4　健康負(fù)擔(dān)驅(qū)動因素分解

本研究進(jìn)一步使用驅(qū)動因素分解方法，量化了PM2.5濃度、人口總量、老齡化程度及基線死亡率四個因素對PM2.5歸因死亡變化的影響（圖5）.2000-2010年，四個城市群的健康負(fù)擔(dān)均有所增加，主要?dú)w因于人口因素（包括人口總量和人口老齡化）的變化，人口因素使這一時期京津冀、長三角、珠三角和成渝城市群的PM2.5歸因死亡人數(shù)分別增加50.9%，58.7%，74.3%和36.7%；此外，京津冀、長三角和成渝城市群的PM2.5濃度也加重了健康負(fù)擔(dān)，分別使PM2.5歸因死亡人數(shù)上升了9.0%，16.3%和35.5%.2010-2020年，PM2.5污染減輕帶來了明顯的健康收益，分別使京津冀、長三角、珠三角和成渝城市群的PM2.5歸因死亡人數(shù)下降了35.9%，59.3%，76.4%和58.8%.然而，盡管PM2.5濃度大幅度下降（45%~57%），但是人口因素特別是老齡化大大削弱了大氣污染減輕帶來的健康收益，使這一時期的健康負(fù)擔(dān)僅分別下降了11.6%，24.3%，18.4%和28.1%.

圖5

圖5  2000-2010年和2010-2020年四個城市群PM2.5歸因死亡變化的分解

Fig.5  Decomposition of attributable PM2.5 deaths in four urban agglomerations during 2000-2010 and 2010-2020

總體而言，雖然四個城市群驅(qū)動因素影響的占比存在差異，但在2000-2020年期間，人口增長和老齡化推動了四個城市群PM2.5健康負(fù)擔(dān)的增加，PM2.5污染的減輕是健康負(fù)擔(dān)下降的主要原因.此外，基線死亡率的變化減輕了PM2.5的健康負(fù)擔(dān)，其貢獻(xiàn)隨著PM2.5污染的大幅改善而相對變?。?7］.值得注意的是，雖然珠三角城市群健康負(fù)擔(dān)最輕，但其常住人口增速最快（2020年較2000年增長了82.6%），人口因素變化對健康負(fù)擔(dān)的影響相較其他城市群也最大.隨著珠三角人口可能進(jìn)一步快速增長，未來進(jìn)一步減輕珠三角城市群的PM2.5污染及其健康負(fù)擔(dān)仍是必要的.

2.5　不確定性分析與不足

本研究結(jié)果與同類研究結(jié)果具有一致性［33-35］，但暴露和健康風(fēng)險評估仍具有不確定性.首先，雖然本研究采用了已被廣泛應(yīng)用的PM2.5濃度、網(wǎng)格人口、基線死亡率等數(shù)據(jù)，與其他同類研究有良好的一致性，但仍存在一定的不確定性；其次，暴露?響應(yīng)函數(shù)會給死亡風(fēng)險的評估帶來較大的不確定性，本文采用了MR?BRT模型結(jié)果，模型的不確定性以及本研究對疾病終端的選取會進(jìn)一步增加健康評估的不確定性.此外，在驅(qū)動因素分解時，本研究僅根據(jù)網(wǎng)格人口的年變化對人口數(shù)據(jù)進(jìn)行預(yù)測，忽略了人口流動因素，國家層面的年齡結(jié)構(gòu)和基準(zhǔn)死亡率數(shù)據(jù)也掩蓋了區(qū)域差異和變化，未來將借助更精細(xì)的數(shù)據(jù)做進(jìn)一步研究.

3 結(jié)論

2000-2020年間，京津冀、長三角、珠三角和成渝城市群的環(huán)境PM2.5濃度分別下降35.6%，43.9%，49.7%和34.6%.受到排放源、氣象、地理地形等因素影響，四個城市群的PM2.5污染特征各不相同，京津冀城市群的燃煤取暖等特點(diǎn)使其PM2.5污染最嚴(yán)重，長三角的工業(yè)排放和成渝的盆地地形加重了各自的PM2.5污染，而珠三角臨近南海的區(qū)域位置使其污染程度最輕.四個城市群均經(jīng)歷了PM2.5污染先加重后減輕的過程，后十年得益于大氣污染管理政策的實(shí)施，PM2.5污染控制取得顯著成效.2020年珠三角人群PM2.5暴露濃度已低于國家標(biāo)準(zhǔn)，而京津冀還有90%以上的人群暴露于PM2.5濃度超過國家二級標(biāo)準(zhǔn)的環(huán)境中.四個城市群PM2.5健康影響的變化幅度小于PM2.5濃度的變化，老齡化和人口增長是2000-2010年和2010-2020年健康負(fù)擔(dān)增加的主要原因，其中珠三角城市群的人口增速最快，未來珠三角城市群由于人口增長帶來的健康負(fù)擔(dān)加重不容忽視.

中國四個典型城市群在2000-2020年P(guān)M2.5污染大幅改善，但污染狀況各不相同，未來需要更有針對性地加強(qiáng)對城市群的PM2.5污染防控，特別是持續(xù)加大對PM2.5污染較重的城市群如京津冀城市群的污染控制力度.一方面，需要考慮不同城市群的污染特征，對京津冀減少火力發(fā)電，加大清潔能源（如風(fēng)能、太陽能或核能）使用；注重調(diào)整長三角產(chǎn)業(yè)結(jié)構(gòu)，降低第二產(chǎn)業(yè)占比，大力發(fā)展新興產(chǎn)業(yè)；對珠三角城市群加強(qiáng)交通污染管控，加大交通減排力度；對成渝城市群重點(diǎn)區(qū)域加強(qiáng)氣象監(jiān)測，建立更完善的污染防控響應(yīng)機(jī)制.另一方面，臭氧污染問題在城市群中越來越突出，未來應(yīng)考慮PM2.5和O3污染的協(xié)同效應(yīng)，進(jìn)一步加強(qiáng)對PM2.5和O3的綜合控制.此外，老齡化和人口增長部分抵消了污染減輕的健康效益，在整個研究期間都推動了城市群PM2.5健康負(fù)擔(dān)的增加，污染較輕的城市群如珠三角城市群仍需進(jìn)一步降低PM2.5濃度以緩解人口快速增長帶來的健康負(fù)擔(dān).隨著老齡化程度的不斷加劇，未來對城市群老年人群大氣污染健康風(fēng)險的關(guān)注也變得更加重要.

參考文獻(xiàn)

[1]

Zhang Y L， Cao F.

Fine particulate matter (PM2.5) in China at a city level

Scientific Reports，2015，5：14884.

[本文引用: 2]

[2]

Zhang Y L， Huang R J， El Haddad I，et al.

Fossil vs. non?fossil sources of fine carbonaceous aerosols in four Chinese cities during the extreme winter haze episode of 2013

Atmospheric Chemistry and Physics，2015，15(3)：1299-1312.

[本文引用: 1]

[3]

Murray C J L， Aravkin A Y， Zheng P，et al.

Global burden of 87 risk factors in 204 countries and territories，1990-2019：A systematic analysis for the Global Burden of Disease Study 2019

The Lancet，2020，396(10258)：1223-1249.

[本文引用: 3]

[4]

Burnett R T， Pope Ⅲ C A， Ezzati M，et al.

An integrated risk function for estimating the global burden of disease attributable to ambient fine particulate matter exposure

Environmental Health Perspectives，2014，122(4)：397-403.

[本文引用: 1]

[5]

Fuller R， Landrigan P J， Balakrishnan K，et al.

Pollution and health：A progress update

The Lancet Planetary Health，2022，6(6)：e535-e547.

[本文引用: 1]

[6]

Wang J D， Zhao B， Wang S X，et al.

Particulate matter pollution over China and the effects of control policies

Science of the Total Environment，2017，584-585：426-447.

[本文引用: 1]

[7]

國務(wù)院.

大氣污染防治行動計劃

http:∥www.gov.cn/zwgk/2013?09/12/content_2486773.htm，2013-09-12.

[本文引用: 1]

[8]

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

Journal of Environmental Management，2019，252：109603.

[本文引用: 1]

[9]

Lin C Q， Liu G， Lau A K H，et al.

High?resolution satellite remote sensing of provincial PM2.5 trends in China from 2001 to 2015

Atmospheric Environment，2018，180：110-116.

[本文引用: 2]

[10]

Lu X C， Lin C Q， Li W K，et al.

Analysis of the adverse health effects of PM2.5 from 2001 to 2017 in China and the role of urbanization in aggravating the health burden

Science of the Total Environment，2019，652：683-695.

[本文引用: 1]

[11]

Liu Y F， Zhu G， Zhao Z X，et al.

Population aging might have delayed the alleviation of China's PM2.5 health burden

Atmospheric Environment，2022，270：118895.

[本文引用: 2]

[12]

Yue H B， He C Y， Huang Q X，et al.

Stronger policy required to substantially reduce deaths from PM2.5 pollution in China

Nature Communications，2020，11(1)：1462.

[本文引用: 2]

[13]

Lin C Q， Li Y， Lau A K H，et al.

15?Year PM2.5 trends in the Pearl River Delta Region and Hong Kong from satellite observation

Aerosol and Air Quality Research，2018，18(9)：2355-2362.

[本文引用: 2]

[14]

Li Z F， Zhang X M， Liu X Y，et al.

PM2.5 pollution in six major chinese urban agglomerations：Spatiotemporal variations，health impacts，and the relationships with meteorological conditions

Atmosphere，2022，13(10)：1696.

[本文引用: 1]

[15]

Lyu Y， Wu Z T， Wu H N，et al.

Tracking long?term population exposure risks to PM2.5 and ozone in urban agglomerations of China 2015-2021

Science of the Total Environment，2023，854：158599.

[本文引用: 2]

[16]

Shen Y L， Yao L.

PM2.5，population exposure and economic effects in urban agglomerations of China using ground?based monitoring data

International Journal of Environmental Research and Public Health，2017，14(7)：716.

[本文引用: 1]

[17]

張夢嬌，蘇方成，徐起翔，等.

2013-2017年中國PM2.5污染防治的健康效益評估

環(huán)境科學(xué)，2021，42(2)：513-522.

[本文引用: 2]

Zhang M J， Su F C， Xu Q X，et al.

Health impact attributable to the control of PM2.5 pollution in China during 2013-2017

Environ?mental Science，2021，42(2)：513-522.

[本文引用: 2]

[18]

Geng G N， Xiao Q Y， Liu S G，et al.

Tracking air pollution in China：Near real?time PM2.5 retrievals from multisource data fusion

Environmental Science & Technology，2021，55(17)：12106-12115.

[本文引用: 1]

[19]

國家統(tǒng)計局. 中國城市統(tǒng)計年鑒1999-2019.

北京：

中國統(tǒng)計出版社，2000-2020.

[本文引用: 1]

National Bureau of Statistics. Urban statistical yearbook of China 1999-2019.

Beijing：

China Statistics Press，2000-2020.

[本文引用: 1]

[20]

Apte J S， Marshall J D， Cohen A J，et al. Addressing global mortality from ambient PM2.5 environmental Science & Technology，2015，49(13)：8057-8066.

[本文引用: 1]

[21]

Chan C K， Yao X H.

Air pollution in mega cities in China

Atmospheric Environment，2008，42(1)：1-42.

[本文引用: 1]

[22]

Zhang Z Z， Wang W X， Cheng M M，et al.

The contribution of residential coal combustion to PM2.5 pollution over China's Beijing?Tianjin?Hebei region in winter

Atmospheric Environment，2017，159：147-161.

[本文引用: 1]

[23]

Xin J Y， Wang Y S， Wang L L，et al.

Reductions of PM2.5 in Beijing?Tianjin?Hebei urban agglomerations during the 2008 Olympic Games

Advances in Atmospheric Sciences，2012，29(6)：1330-1342.

[本文引用: 1]

[24]

Wang L Q， Li P F， Yu S C，et al.

Predicted impact of thermal power generation emission control measures in the Beijing?Tianjin?Hebei region on air pollution over Beijing，China

Scientific Reports，2018，8(1)：934.

[本文引用: 1]

[25]

Yang H Z， Tao W， Liu Y，et al.

The contribution of the Beijing，Tianjin and Hebei region's iron and steel industry to local air pollution in winter

Environmental Pollution，2019，245：1095-1106.

[本文引用: 1]

[26]

Huang C， Chen C H， Li L，et al.

Emission inventory of anthropogenic air pollutants and VOC species in the Yangtze River Delta region，China

Atmospheric Chemistry and Physics，2011，11(9)：4105-4120.

[本文引用: 1]

[27]

Yu Y P， Wang J Y， Yu J S，et al.

Spatial and temporal distribution characteristics of PM2.5 and PM10 in the urban agglomeration of China's Yangtze River Delta，China

Polish Journal of Environmental Studies，2018，28(1)：445-452.

[本文引用: 1]

[28]

薛濤，劉俊，張強(qiáng)，等. 2013 -2017年中國PM2.5污染的快速改善及其健康效益.

中國科學(xué)：

地球科學(xué)，2020，50(4)：439-452.

[本文引用: 1]

Xue T， Liu J， Zhang Q，et al.

Rapid improvement of PM2.5 pollution and associated health benefits in China during 2013-2017

Science China Earth Sciences，2019，62(12)：1847-1856.

[本文引用: 1]

[29]

Yin X H， Huang Z J， Zheng J Y，et al.

Source contributions to PM2.5 in Guangdong province，China by numerical modeling：Results and implications

Atmospheric Research，2017，186：63-71.

[本文引用: 1]

[30]

Chen Y A， Fung J C H， Chen D H，et al.

Source and exposure apportionments of ambient PM2.5 under different synoptic patterns in the Pearl River Delta region

Chemosphere，2019，236：124266.

[本文引用: 1]

[31]

Zhou Z H， Tan Q W， Deng Y，et al.

Emission inventory of anthropogenic air pollutant sources and characteristics of VOCs species in Sichuan Province，China

Journal of Atmospheric Chemistry，2019，76(1)：21-58.

[本文引用: 1]

[32]

Wang H B， Tian M， Chen Y，et al.

Seasonal characteristics，formation mechanisms and source origins of PM2.5 in two megacities in Sichuan Basin，China

Atmospheric Chemistry and Physics，2018，18(2)：865-881.

[本文引用: 1]

[33]

Maji K J， Dikshit A K， Arora M，et al.

Estimating premature mortality attributable to PM2.5 exposure and benefit of air pollution control policies in China for 2020

Science of the Total Environment，2018，612：683-693.

[本文引用: 1]

[34]

Hu J L， Huang L， Chen M D，et al.

Premature mortality attributable to particulate matter in China：Source contributions and responses to reductions

Environmental Science & Technology，2017，51(17)：9950-9959.

[35]

Ding D， Xing J， Wang S X，et al.

Estimated contributions of emissions controls，meteorological factors，population growth，and changes in baseline mortality to reductions in ambient PM2.5 and PM2.5?related mortality in China，2013-2017

Environmental Health Perspectives，2019，127(6)：067009.

[本文引用: 1]

相關(guān)知識

長江中游城市群生態(tài)系統(tǒng)健康時空演變特征分析
新研究：煤炭對空氣的污染——中國健康負(fù)擔(dān)的一個主要來源
建筑學(xué)院張寅平團(tuán)隊合作發(fā)文揭示中國室內(nèi)空氣污染疾病負(fù)擔(dān)
城市空氣污染
清華大學(xué)聯(lián)合發(fā)布中國燃煤和其它主要空氣污染造成的疾病負(fù)擔(dān)報告
廣西啟動空氣污染對人群健康影響監(jiān)測
中國水污染的轉(zhuǎn)型特征與政策建議
前沿｜研究發(fā)現(xiàn)極低水平的空氣污染也會產(chǎn)生較大健康風(fēng)險
中國人口健康模式變化?環(huán)境污染成威脅健康重要因素
環(huán)境空氣污染與皮膚健康

網(wǎng)址: 中國特大城市群PM2.5污染及健康負(fù)擔(dān)的時空演變特征 http://m.u1s5d6.cn/newsview194410.html