中國空氣質(zhì)量改善的健康效應(yīng)評估

作者列表朱彤北京大學(xué)環(huán)境科學(xué)與工程學(xué)院教授北京大學(xué)公共衛(wèi)生學(xué)院研究員王若涵北京大學(xué)公共衛(wèi)生學(xué)院佟明坤北京大學(xué)公共衛(wèi)生學(xué)院楊欣悅北京大學(xué)環(huán)境科學(xué)與工程學(xué)院北京大學(xué)環(huán)境科學(xué)與工程學(xué)院研究員劉俊北京科技大學(xué)能源與環(huán)境工程學(xué)院副教授張世秋北京大學(xué)環(huán)境科學(xué)與工程學(xué)院教授艾思奇北京大學(xué)環(huán)境科學(xué)與工程學(xué)院博士后李芳洲北京大學(xué)環(huán)境科學(xué)與工程學(xué)院博士后曹靖原北京大學(xué)環(huán)境科學(xué)與工程學(xué)院博士后北京大學(xué)公共衛(wèi)生學(xué)院劉恒毅北京大學(xué)公共衛(wèi)生學(xué)院倪雪秋北京大學(xué)公共衛(wèi)生學(xué)院鄧建宇北京大學(xué)公共衛(wèi)生學(xué)院王彥瀅北京大學(xué)環(huán)境科學(xué)與工程學(xué)院文字編輯亞洲清潔空氣中心萬薇版式設(shè)計亞洲清潔空氣中心傳播組?執(zhí)行摘要---------------------------------03—06?01引言----------------------------------07—14?02研究內(nèi)容與方法-----------------------15—18?03主要研究發(fā)現(xiàn)-------------------------19—40?04結(jié)論-----------------------------------41—42?05參考文獻(xiàn)------------------------------43—443執(zhí)行摘要3執(zhí)行摘要空氣污染暴露是危害人群健康的首要風(fēng)險因子之一。越來越多的研究證據(jù)表明，對于兒童，空氣污染暴露會傷害其呼吸系統(tǒng)發(fā)育、誘發(fā)呼吸道感染和加劇哮喘；對于成人，空氣污染暴露會增加肺癌、缺血性心臟病、卒中等致死性疾病，并可能與慢阻肺、糖尿病和退行性神經(jīng)疾病存在關(guān)聯(lián)。定量評估空氣污染暴露的健康風(fēng)險是相關(guān)環(huán)境健康研究成果的集成，可以為相關(guān)政策標(biāo)準(zhǔn)的制定和成效評估提供關(guān)鍵科學(xué)依據(jù)。在中國，2012年修訂和發(fā)布的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB3095-2012）》是大氣污染防治進(jìn)程的一個里程碑，在PM2.5首次納入標(biāo)準(zhǔn)后，實施了包括“大氣十條”（2013-2017）和“藍(lán)天保衛(wèi)戰(zhàn)”（2018、2019、2020）等關(guān)鍵行動政策，使得空氣質(zhì)量快速改善。我們需要關(guān)注這一歷程和變化帶來了什么樣的健康改善，為中國在取得大氣污染防治的階段性勝利后如何邁向下一個新征程提供指引。Diseases,GBD）促進(jìn)了相關(guān)定量評估技術(shù)的推廣，過去已有不少研究報告了PM2.5和O3暴 露的中國疾病負(fù)擔(dān)證據(jù)和健康影響變化。然而，已有研究仍然存在部分局限性，例如不同風(fēng)險評估結(jié)果之間并不可比、無法區(qū)分死亡年齡對疾病負(fù)擔(dān)的影響，并且很多研究直接采用全國統(tǒng)一基線分析，無法全面捕捉近年來在不同區(qū)域、不同人群結(jié)構(gòu)下，城市化、老齡化等中國社會典型特征帶來的空氣污染健康效應(yīng)的變化。4執(zhí)行摘要4因而，十分有必要針對中國近年來大氣污染治理帶來的空氣質(zhì)量快速改善，利用最新的方法和輸入數(shù)據(jù)、開展統(tǒng)一的健康影本報告應(yīng)用了最佳可得的健康風(fēng)險評估方2020年期間空氣質(zhì)量提升帶來的健康改善效益，及其人群和空間分布。本報告依循全球疾病負(fù)擔(dān)評估的研究方法，將PM2.5和臭氧（O3）長期暴露相關(guān)成人早 逝的總?cè)藬?shù)作為測算空氣污染健康風(fēng)險的主要指標(biāo)，并將二氧化氮（NO2）相關(guān)早 逝作為敏感性分析指標(biāo)。為總結(jié)健康改善效益，本報告進(jìn)一步計算“大氣十條”和“藍(lán)天保衛(wèi)戰(zhàn)”期間空氣污染歸因的預(yù)期壽命變化，并利用洛倫茲曲線和基尼系數(shù)分析了健康改善效益的均“大氣十條”與“藍(lán)天保衛(wèi)戰(zhàn)”期間，與健康息息相關(guān)的大氣污染物暴露濃度快速下降“大氣十條”期間，PM2.5人口加權(quán)暴露濃PM2.5人口加權(quán)暴露濃度的下降幅度最為明顯。全國暴露在PM2.5濃度超標(biāo)水平中的人口占比從2013年的96%下降到2017年的“大氣十條”期間O3人口加權(quán)暴露濃度從 從暴露在超標(biāo)濃度水平（100μg/m3）的人 降到2017年80%，隨后又降至2020年的“大氣十條”實施的五年期間，人口加權(quán)“藍(lán)天保衛(wèi)戰(zhàn)”三年期間，進(jìn)一步降至24更清潔的空氣帶來預(yù)期壽命增加，深度治理讓更多人受惠綜合考慮PM2.5和O3暴露水平變化，“大氣十條”期間預(yù)期壽命增加1.94月，“藍(lán)天保衛(wèi)戰(zhàn)”期間預(yù)期壽命增加3.87個月；考慮預(yù)期壽命增加的人群分布，“大氣十條”階段，一半收益集中于約1/4人口，基尼系數(shù)為0.32；藍(lán)天保衛(wèi)戰(zhàn)期間，一半收益集中于1/3人口，基尼系數(shù)為0.18，地區(qū)之間的不平等現(xiàn)象有所緩解。5執(zhí)行摘要5“大氣十條”和“藍(lán)天保衛(wèi)戰(zhàn)”期間，NO2濃度降低避免了0.86和1.12個月的預(yù)期壽命損失，同樣提示空氣污染相關(guān)的健康風(fēng)險在加速下降。由于各地基礎(chǔ)空氣質(zhì)量、年齡結(jié)構(gòu)、健康基線水平的差異，導(dǎo)致空氣質(zhì)量改善與健康改善并不總是成正比。PM2.5健康收益受暴露改善幅度的影響，但并不完全由暴露改善決定——當(dāng)暴露改善幅度相當(dāng)時，在平均年齡更高的地區(qū)，健康收益更大。從地區(qū)分布來看，空氣質(zhì)量改善幅度最大的是京津冀地區(qū)的“2+26”城市，但健康改善最多的地區(qū)是長三角和四川盆地。此外，空氣質(zhì)量改善具有一定城鄉(xiāng)差距，但健康改善的城鄉(xiāng)差距并不明顯。值得一提的是，PM2.5與死亡的暴露反應(yīng)關(guān)系呈現(xiàn)亞線性的特征，也就是說在濃度更低的區(qū)間，同樣幅度的暴露改善將帶來更大的健康收益。因此，在“大氣“藍(lán)天保衛(wèi)戰(zhàn)”期間的深度治理使得PM2.5濃度進(jìn)一步下降，其健康效應(yīng)提升的邊際效應(yīng)更強(qiáng)?？偟膩碚f，從“大氣十條”到“藍(lán)天保衛(wèi)戰(zhàn)”，由于強(qiáng)調(diào)了多污染物的協(xié)同控制、且不斷深化的空氣質(zhì)量改善程度，空氣治理促進(jìn)健康的效率逐步放大、普惠程度逐步提高。6執(zhí)行摘要6關(guān)注空氣污染易感人群，進(jìn)一步改善空氣質(zhì)量為“老齡化”社會減少疾病負(fù)擔(dān)為了進(jìn)一步保護(hù)公眾健康，世界衛(wèi)生組織（WHO）2021年更新了《全球空氣質(zhì)量指導(dǎo)值》，其中最重要的變化是大幅加嚴(yán)了PM2.5、NO2的指導(dǎo)值，并增設(shè)了O3高峰季指導(dǎo)值，同時也設(shè)置了過渡階段目標(biāo)供各國的空氣質(zhì)量管理參考。其中，PM2.5年均指導(dǎo)值從10μg/m3降低階段過渡目標(biāo)值為35μg/m3，與我國現(xiàn)行標(biāo)準(zhǔn)相當(dāng)。評估顯示，2020年中國PM2.5人口加權(quán)暴露濃度與世衛(wèi)組織第一階段過渡目標(biāo)值接近，NO2人口加權(quán)暴露濃度低于第二階段過渡目標(biāo)值，O3仍處于第一階段過渡目標(biāo)值以上。如果將《全球空氣質(zhì)量指導(dǎo)值》作為清潔空氣的理想目標(biāo)，我國當(dāng)前空氣質(zhì)量仍有待進(jìn)一步提高。更深度的空氣污染治理將使得易感人群也得到更大的健康保護(hù)，包括兒童、老年人，患有慢阻肺、心血管疾病、哮喘等基礎(chǔ)疾病的人群，他們暴露在PM2.5污染中更為脆弱。由于空氣污染是誘發(fā)呼吸和循環(huán)系統(tǒng)慢性疾病的重要誘因，人口急劇老齡化會使得相關(guān)疾病負(fù)擔(dān)占比增加，甚至抵消空氣質(zhì)量改善帶來的健康收益。隨著我國人口結(jié)構(gòu)老齡化程度的進(jìn)一步加深，加之社會對人口生育的重視，進(jìn)一步開展多種空氣污染物的深度、協(xié)同治理，以減少空氣污染相關(guān)有害健康效應(yīng)變得愈發(fā)重要。01——成績與挑戰(zhàn)88在過去七十余年，從發(fā)達(dá)國家到發(fā)展中國家，工業(yè)化和城市化造成了不同程度的空氣污染危機(jī)，使其成為一項全球環(huán)境挑戰(zhàn)。而人們對空氣污染的健康風(fēng)險認(rèn)知也在逐步累積，推動著政策、標(biāo)準(zhǔn)和行動計劃的出臺和升級，促進(jìn)了空氣質(zhì)量的改善和對公眾健康的保護(hù)。在中國，2012年修訂和發(fā)布的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB3095-2012）是大氣污染防治進(jìn)程的一個里程碑，在PM2.5首次納入標(biāo) 準(zhǔn)后，我國經(jīng)歷了空氣質(zhì)量快速改善的“黃金十年”。我們需要關(guān)注這一歷程和變化帶來了什么樣的健康改善，以及中國如何在“藍(lán)天保衛(wèi)戰(zhàn)”取得階段性勝利后，邁向下一個十年的新征程。本報告通過健康效應(yīng)的定量分析和評估回答上述決策者、學(xué)界、公眾都十分關(guān)注的問題，這也是相關(guān)環(huán)境健康研究成果的集成過程，可以為過去大氣污染治理關(guān)鍵政策、標(biāo)準(zhǔn)的成效評估、未來政策的制定和標(biāo)準(zhǔn)的修訂提供科學(xué)證據(jù)和信息參考。空氣污染的健康效應(yīng)空氣污染的健康效應(yīng)多種空氣污染物被認(rèn)為能夠危害人體健康。常規(guī)空氣污染物包括臭氧（O3）、二氧 化氮（NO2）、二氧化硫（SO2）、一氧 化碳（CO）四種氣態(tài)污染物和顆粒態(tài)污染物（又稱氣溶膠）。顆粒污染物可以進(jìn)一步區(qū)分為空氣動力學(xué)直徑小于2.5微米的細(xì)顆粒物（PM2.5）、小于10微米的粗 顆粒物（PM10是包括多種化學(xué)成分 的混合物。毒理和病理學(xué)研究發(fā)現(xiàn)，在短期或長期暴露于上述空氣污染物后，人體可能誘發(fā)氧化應(yīng)激、系統(tǒng)免疫等多種致病機(jī)制，并且99大量人群研究發(fā)現(xiàn)上述空氣污染物暴露與多種健康結(jié)局存在統(tǒng)計關(guān)聯(lián)。在過去的十五年中，得益于科學(xué)家對于空氣污染影響人類健康的不斷研究，我們對于六種主要污染物如何影響人體各方面的健康有了更深入的了解和清晰的認(rèn)識，也觀察到了空氣污染導(dǎo)致越來越多疾病種類的證據(jù)。例如，對于兒童，空氣污染暴露會傷害其呼吸系統(tǒng)發(fā)育、誘發(fā)呼吸道感染和加劇哮喘1。對成人，空氣污染暴露會增加肺癌、缺血性心臟病、卒中等致死性疾病2,3，并可能與慢阻肺、糖尿病和退行性神經(jīng)疾病存在關(guān)聯(lián)4,5。然而對于不同“暴露-結(jié)局”組合，研究進(jìn)度并不相同、證據(jù)強(qiáng)度也有差異，究竟哪些“暴露-結(jié)局”組合應(yīng)該被決策者所采納、用于健康風(fēng)險測算，需要對已有證據(jù)進(jìn)行全方位的評估。例如，全球疾病負(fù)擔(dān)研究擇了相關(guān)性更低、甚至呈現(xiàn)負(fù)相關(guān)的PM2.5 和O3兩種污染物作為暴露指標(biāo)，僅考慮長 期健康效應(yīng)，選擇疾病歸因死亡作為健康結(jié)局。最新的GBD評估涵蓋的“暴露-結(jié)局”組合包括：PM2.5長期暴露與低出生體重、早產(chǎn)、下呼吸道感染、二型糖尿病、慢性阻塞性肺病、肺癌、腦卒中、缺血性心臟病的組合，以及O3長期暴露與慢性阻塞性肺病的 組合。需要說明，其它空氣污染物與疾病的關(guān)聯(lián)并非不重要，但由于多種污染物之間的復(fù)雜相關(guān)性，暴露與疾病之間的因果關(guān)系有待進(jìn)一步確認(rèn)，并且不同空氣污染物的疾病風(fēng)險存在“重復(fù)計算”，因此沒有將多種污染物全盤納入評估。總之，如何準(zhǔn)確測算多種空氣污染物聯(lián)合暴露的疾病風(fēng)險，仍是未被徹底解決的學(xué)術(shù)難題。引言-圖1全球疾病負(fù)擔(dān)所采納的空氣污染暴露相關(guān)健康結(jié)局空氣污染的疾病負(fù)擔(dān)定量評估空氣污染暴露的健康風(fēng)險是相關(guān)環(huán)境健康研究成果的集成，是相關(guān)政策、環(huán)境標(biāo)準(zhǔn)制定的關(guān)鍵科學(xué)證據(jù)。描述空氣污染暴露與健康結(jié)局發(fā)生概率的數(shù)學(xué)方程被稱為暴露反應(yīng)關(guān)系，是開展健康風(fēng)險評估的核心方法。為了構(gòu)建某一空氣污染物（如PM2.5）與全因死亡的暴露反應(yīng)關(guān)系，傳統(tǒng)的方法是通過文獻(xiàn)綜合、統(tǒng)計模型（例如薈萃回歸分析、非線性擬合等）關(guān)聯(lián)某一種健康結(jié)局的相對風(fēng)險度所對應(yīng)的人群平均暴露水平（如平均PM2.5濃度）。例如，美國環(huán)保署（USEPA）曾基于上述方法，結(jié)合經(jīng)濟(jì)負(fù)擔(dān)評估等多種（EnvironmentalProgram用于測算PM2.5和O3暴露導(dǎo)致的超額死亡，以及心腦血管和呼吸道疾病發(fā)病、住院、不良癥狀，并利用經(jīng)濟(jì)學(xué)方法將不同類型的健康風(fēng)險轉(zhuǎn)化為經(jīng)濟(jì)損失?？諝馕廴窘】碉L(fēng)險評估技術(shù)的推廣得益于GBD研究進(jìn)展，尤其是2014年Bernettetal.發(fā)表了PM2.5長期暴露與歸因死亡的IERmodel）。然而，隨著人群研究證據(jù)的積累，GBD所采用的疾病負(fù)擔(dān)測算方法逐步進(jìn)化，而這也增加了空氣污染健康風(fēng)險的不確定程度?？傊?，空氣污染的疾病負(fù)擔(dān)是基于“當(dāng)前可獲得的最佳證據(jù)”的健康風(fēng)險測量：基于相同的模型設(shè)定所得出的疾病負(fù)擔(dān)內(nèi)部可比，但風(fēng)險定量的絕對值具有不確定性，并且在用于不同研究的橫向?qū)Ρ惹啊⑿枋孪让鞔_其模型設(shè)定的一致性。借助GBD開發(fā)的模型，既往研究報告了PM2.5和O3暴露的中國疾病負(fù)擔(dān)證據(jù)。在長期PM2.5暴露方面，據(jù)IER模型估計，2013年約122萬（95%CI：105~137萬）25歲及以上成人的早死可歸因于PM2.5暴露，包括的4種死因，即卒中、缺血性心14%和10%。得益于有效的空氣污染防控手段，2015年人口加權(quán)PM2.5暴露水平減低21.5%，減少了9.1%的死亡（約11萬主要減少的是卒中和慢阻肺導(dǎo)致的死亡。62017年歸因于PM2.5暴露的死亡人數(shù)進(jìn)一步降低到100萬（95%CI：90~120萬），7當(dāng)再進(jìn)一步加入成人下呼吸道感染和二型糖尿病歸因的死亡作為健康結(jié)局時，2017年中國歸因于大氣PM2.5暴露的死亡人數(shù)約124萬（95%CI：108~139萬）。8根據(jù)globalexposuremortalitymodels(GEMMs)模型估計，2018年中國約140萬歸因于PM2.5暴露導(dǎo)致的死亡，比2015年減少20萬人。9在暖季O3暴露方面，GBD只納入了慢阻肺導(dǎo)致的死亡為結(jié)局，中國2017年約17.8萬（95%CI：6.8~28.6萬）歸因于O3暴露的早死。8然而，已有研究存在部分局限：首先，不同研究所采用的輸入?yún)?shù)（例如暴露反應(yīng)關(guān)系）具有顯著異質(zhì)性，不同風(fēng)險評估結(jié)果之間并不可比；其次，現(xiàn)有研究多利用超額死亡作為風(fēng)險評估結(jié)果，而這一指標(biāo)無法區(qū)分死亡年齡對疾病負(fù)擔(dān)的影響；最后，城市化、老齡化是中國社會的典型特征，但現(xiàn)有方法多直接利用來自GBD研究的死亡數(shù)據(jù)、全國采用統(tǒng)一的基線死亡風(fēng)險，無法捕捉上述社會動態(tài)發(fā)展特征對空氣污染疾病負(fù)擔(dān)的影響。由此可見，有必要針對中國近年來大氣污染治理帶來的空氣質(zhì)量快速改善，利用最新的方法和輸入數(shù)據(jù)、開展統(tǒng)一的健康影響評估。20世紀(jì)70年代，我國政府對工業(yè)生產(chǎn)排放大氣污染物所致的人民健康問題高度重視。國務(wù)院于1973年召開了第一次全國環(huán)境保護(hù)會議，提出“全面規(guī)劃、合理布局、化害為利、依靠群眾、大家動手、造福人民”的環(huán)境保護(hù)方針。1982年，我國首次發(fā)布《大氣環(huán)境質(zhì)量標(biāo)準(zhǔn)》（GB3095-82）。該標(biāo)準(zhǔn)對大氣中總懸浮顆粒物（TSP）、飄塵、SO2、NOx、CO、光化學(xué)氧化劑制訂了濃度限值。改革開放以來，伴隨著經(jīng)濟(jì)增長和人均收入的提高，我國生態(tài)環(huán)境在不斷惡化，大氣污染問題持續(xù)引發(fā)全社會的密切關(guān)注。20世紀(jì)90年代，為了應(yīng)對日益突出的區(qū)域性大氣污染問題，1996年我國對《大氣環(huán)境質(zhì)量標(biāo)準(zhǔn)》進(jìn)行了第一次修訂。修訂后的標(biāo)準(zhǔn)改稱《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-96）。在原有6種污染物限值的基礎(chǔ)上，增加了NO2、鉛、苯并[a]芘、氟化物的濃度限值，并將飄塵改為PM10，光化學(xué)氧化劑改為O3。2000年，我國再次對《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-96）進(jìn)行了修訂，取消NOx指標(biāo)，同時對NO2和O3的濃度限值進(jìn)行了修改。21世紀(jì)后，區(qū)域性復(fù)合大氣污染特征初步顯現(xiàn)。通過實施區(qū)域聯(lián)防聯(lián)控機(jī)制，顯著地改善了2008-2010年間舉辦的北京奧運(yùn)會、上海世博會和廣州亞運(yùn)會會議期間的空氣質(zhì)量，為我國空氣質(zhì)量改善以及相關(guān)標(biāo)準(zhǔn)的修訂提供了寶貴科學(xué)依據(jù)。2012年，我國對《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-2012）再次進(jìn)行修訂，增設(shè)了PM2.5濃度 限值和臭氧8小時平均濃度限值，是近年來中國空氣污染治理迅速獲得成效的起點。臺《大氣污染防治行動計劃》（也稱“大氣十條”）10，全面強(qiáng)化燃煤、工業(yè)源、移動源、城市面源等污染源減排和綜合治理，大力推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級、技術(shù)改造革新和能源結(jié)構(gòu)調(diào)整，完善環(huán)境監(jiān)管，標(biāo)志著由頂層設(shè)計、自上而下逐級分解且通過政治激勵保障執(zhí)行的大氣污染規(guī)制行動開始實施，污染規(guī)制得到空前加嚴(yán)?！按髿馐畻l”要求截至2017年，京津冀、長江三角洲、珠江三角洲等區(qū)域PM2.5細(xì)顆粒物濃度分別下降25%、20%、15%左右，其中北京市PM2.5年均濃度控制在60μg/m3左右。委會分別修訂通過了《中華人民共和國環(huán)境保護(hù)法》和《中華人民共和國大氣污染防治法》11，被稱為“史上最嚴(yán)”環(huán)保法和大氣污染防治法。2012年，黨的十八大報告中首次提出努力建設(shè)美麗中國任務(wù)。2017年，黨的十九大報告再次提出建設(shè)美麗中國，并將美麗中國確定為建成現(xiàn)代化強(qiáng)國的新目標(biāo)，即到2035年我國基本實現(xiàn)社會主義現(xiàn)代化，生態(tài)環(huán)境根本好轉(zhuǎn)，美麗中國目標(biāo)基本實現(xiàn)。秉承習(xí)近平“綠水青山就是金山銀山”理念、踐行可持續(xù)發(fā)展國策，極大促進(jìn)了我國空氣污染的治理。在完成“大氣十條”治理目標(biāo)后，2018年6月國務(wù)院進(jìn)一步出臺了《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動計劃》（也稱“藍(lán)天保衛(wèi)戰(zhàn)”以京津冀及周邊地區(qū)、長三角地區(qū)、汾渭平原等區(qū)域為重點，在2018-2020年持續(xù)開展大氣污染防治行動，并強(qiáng)調(diào)VOCs的控制、以期達(dá)到PM2.5和O3的協(xié)同治理。近年來，碳減排碳達(dá)峰目標(biāo)的提出為空氣污染治理注入新動能，2022年生態(tài)環(huán)境部等六部門制定了《減污降碳協(xié)同增效實施方案》，提出基于環(huán)境污染物和碳排放高度同根同源的特征，進(jìn)一步優(yōu)化治理路線，要求到2030年，大氣污染防治重點區(qū)域碳達(dá)峰與空氣質(zhì)量改善協(xié)同推進(jìn)取得顯著成效，推動減污降碳協(xié)同增效?？諝馕廴局卫淼慕】敌?yīng)顯改善。我國PM2.5的年平均濃度從2013年 45.5μg/m312，且減排政策被證明是PM2.5 公共健康的改善作用。本研究團(tuán)隊基于“大PM2.5改變在對多種亞臨床指標(biāo)的改善情況，包括肺功能2、血脂代謝13、腎功能2、活動 能力14、精神健康15-17、醫(yī)療支出18等方面。 括腎小球濾過率（GFRcys血尿素氮表明，PM2.5降低可以顯著降低低密度脂蛋 的雙重差分模型和三重差分模型量化了“大氣十條”政策對中國空氣質(zhì)量的了清潔空氣行動顯著降低了試點地區(qū)PM2.5和SO2的污染濃度水平19。徐志虎等基于DID模型檢驗了“大氣十條”政策對我國中政策實施后，PM2.5的濃度下降明顯改善了高響應(yīng)組的中老年人抑郁程度下降了7.55%CFPS）的調(diào)查數(shù)據(jù)，采用反事實因果實證揭示了空氣污染長期暴露與中老年人身心健康及自我健康評定之間的負(fù)性因果關(guān)聯(lián)，證明了清潔空氣行動對老齡人口的重要保護(hù)數(shù)據(jù)幾乎不可能全面捕捉空氣質(zhì)量改善的健利用證據(jù)外推的方式、定量分析空氣污染相全球空氣質(zhì)量的新標(biāo)準(zhǔn)始關(guān)注空氣污染對人體健康的損害23?；?的逐步積累，WHO歐洲辦事處于1987年發(fā)目的在于協(xié)助各國政府和民間社會減少空氣污染以及對人類的負(fù)面影響。WHO上一次包括顆粒物（PM)和臭氧（O?)在內(nèi)的多項修訂的重要依據(jù)，我國現(xiàn)行標(biāo)準(zhǔn)的PM2.5等 關(guān)鍵指標(biāo)濃度限值與WHO第一階段目標(biāo)隨著空氣污染的健康效應(yīng)的證據(jù)越來越多，在2021年9月22日，WHO經(jīng)過文獻(xiàn)調(diào)研，遠(yuǎn)的治理路徑。與2005年版的AQG相比，本次修訂的主要變化概括如下1）基于低濃度水平健康影響的隊列研究新證據(jù)，收指導(dǎo)值，其中PM2.5年均指導(dǎo)值由10μg/m3下調(diào)到5μg/m32）基于“多國家多城市”供的數(shù)據(jù)24，更新了部分污染物的概率分布小時平均值，結(jié)果與2005版AQG一致，更長期暴露與全因死亡率和呼吸道疾病死亡率40μg/m3變更為10μg/m325,264）基于長期臭氧濃度與總死亡率和呼吸道死亡率之季平均值（即，暖季峰值)，指導(dǎo)值為在2012年將PM2.5首次納入環(huán)境空氣質(zhì)量標(biāo) 國337個城市中有202個城市實現(xiàn)6項標(biāo)準(zhǔn)污染物的年平均濃度全部達(dá)標(biāo)，337個城市的 現(xiàn)行標(biāo)準(zhǔn)對于大部分已達(dá)標(biāo)城市不再具有強(qiáng)有力的引領(lǐng)和驅(qū)動作用。是否要啟動新一輪02研究內(nèi)容與方法研究內(nèi)容與方法WHO制定更為嚴(yán)格的空氣質(zhì)量指導(dǎo)值為中國空氣污染治理提出了新的挑戰(zhàn)，為了更好、更快的推動空氣質(zhì)量改善，總結(jié)并且全面評估“大氣十條”和“藍(lán)天保衛(wèi)戰(zhàn)”的健康改善效應(yīng)，可以為持續(xù)空氣污染治理的注入更多動力。有鑒于此，該報告利用經(jīng)典風(fēng)險評估方法和高質(zhì)量的輸入數(shù)據(jù)，針對影響健康的主要空氣污染物PM2.5和O3、以及典型城市空氣污染物NO2開展系統(tǒng)分析，估算2013-2020年間上述污染物相關(guān)的超額死亡風(fēng)險、預(yù)期壽命損失等疾病負(fù)擔(dān)指標(biāo)，分析相關(guān)健康風(fēng)險的變化趨勢和地區(qū)分布，并且進(jìn)一步利用基尼系數(shù)檢驗健康改善效益的人群分布是否均衡。本報告所采用的評估方法可參考已發(fā)表的報告使用集成機(jī)器學(xué)習(xí)算法得到的PM2.5（）的人口分布信息，將城市化地圖與基于性別、年齡與城鄉(xiāng)居住情況的人口地圖合并，為亞組人群開發(fā)出一系列覆蓋全國的網(wǎng)格化地圖（1×1km在此基礎(chǔ)上進(jìn)行空氣污染物的疾病負(fù)擔(dān)評估。首先，利用貝葉斯、正則化修剪工具（MR-BRT）開發(fā)的暴露反應(yīng)函數(shù)31，確定每個空間網(wǎng)格下污染暴露的相對風(fēng)險，并進(jìn)一步轉(zhuǎn)換成歸因危險度百分比；其中，PM2.5暴露的病因特異性死亡包括缺血性心臟病、中風(fēng)、肺癌、慢性阻塞性肺疾病、下呼吸道感染和二型糖尿病，濃度取12個月平均值，O3導(dǎo)致超額死亡則主要考慮慢性阻塞性肺疾病，濃度取暖季峰值32,33。隨后，根據(jù)網(wǎng)格化的基線死亡率、人口數(shù)與歸因危險度百分比，計算特定年份與亞組人群長期PM2.5和O3暴露的歸因死亡人數(shù)，見公式（1下角標(biāo)s、t、k分別代表空間網(wǎng)格、年份和“性別-年齡-城鄉(xiāng)居住地”亞組，Ds,t,k即為第s個網(wǎng)格單元中第k個亞組人群在第t年的歸因死亡人數(shù)；C、B、P分別表示PM2.5或O3年濃度、基線死亡率與人口規(guī)模。研究內(nèi)容與方法DsDs,t,k=AF(Cs,t)×Bs,k×Ps,t,k,為了進(jìn)一步闡述空氣治理所帶來健康效應(yīng)的改變，我們又基于各個年齡層的預(yù)期壽命（LEk將超額死亡人數(shù)拓展為時空分布下的生命損失年數(shù)（YearsofLifeLost,YLL）和預(yù)期壽命損失數(shù)（LossofLifeExpectancy,LLE并量化出衡量預(yù)期壽命改善的新指標(biāo)——預(yù)期壽命增長數(shù)（GainofLifeExpectancy,GLE其中y1、y2表示不同的大氣污染治理時段。以上疾病負(fù)擔(dān)指標(biāo)的計算見公式（2，3其置信區(qū)間的估計可利用蒙特卡羅方法實現(xiàn)。研究內(nèi)容與方法在健康收益分布的均衡性研究中，我們將經(jīng)濟(jì)學(xué)中常用的不平等分析工具——洛倫茲曲線進(jìn)行了改造，將預(yù)期壽命增長數(shù)（GLE）視為大氣治理中的“健康收入”，繪制給定比例的人口所持有的健康收入總份額，并用基尼系數(shù)衡量與絕對平等之前的差距，以測算地域健康收益異質(zhì)性?；嵯禂?shù)越大，表明健康收益的分布越不均衡。關(guān)于NO2相關(guān)超額死亡、預(yù)期壽命損失及其分布均衡性的測算，具體測算方法與PM2.5和O3類似。需要說明，該部分采用世界衛(wèi)生組織獲得2021版《全球空氣質(zhì)量指南》時所發(fā)展的暴露反應(yīng)關(guān)系分析，利用全因死亡作為風(fēng)險評估結(jié)局，詳情請參考本團(tuán)隊已經(jīng)發(fā)表的學(xué)術(shù)論文。34以上，綜合衡量不同時期、不同區(qū)域的暴露改善、健康改善與健康效益的均衡分配情況，我們可以定量評價大氣污染治理效果，為環(huán)境政策優(yōu)化和公眾健康促進(jìn)提供啟示。03主要研究發(fā)現(xiàn)主要研究發(fā)現(xiàn)第一部分細(xì)顆粒物的暴露變化及健康影響PM2.5暴露水平的變化圖1.12013-2020年人口加權(quán)的PM2.5暴露濃度（右側(cè)）及超過WHO標(biāo)準(zhǔn)的人口占比（左側(cè)）圖1.1展示了人口加權(quán)的PM2.5暴露濃度變化?！按髿馐畻l”實施的五年期間，PM2.5暴露濃度從69μg/m3降低到47μg/m3；“藍(lán)天保衛(wèi)戰(zhàn)”三年期間，進(jìn)一步降低到36μg/m3。暴露在PM2.5濃度超過中國《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》年均值（35μg/m3，與WHO過渡期目標(biāo)IT1相當(dāng)）的人口占比從2013年的96%下降到2017年的77%，再降至2020年的47%。主要研究發(fā)現(xiàn)PM2.5降低趨勢的空間分布。每個網(wǎng)格點上，利用最小二乘法計算PM2.5月均濃度的長期趨勢，并且運(yùn)用圖層的透明度代表趨勢的統(tǒng)計顯著程度（P值）。結(jié)果說明期間空氣顆粒物污染普遍下降，華北地區(qū)PM2.5的下降幅度最為明顯。圖1.22013-2020年P(guān)M2.5濃度變化趨勢的空間分布圖1.32013年、2017年、和2020年P(guān)M2.5暴露和疾病負(fù)擔(dān)的人群分布情況主要研究發(fā)現(xiàn)PM2.5暴露的健康影響圖1.42013-2020年P(guān)M2.5暴露的疾病負(fù)擔(dān)：超額死亡人數(shù)、歸因風(fēng)險占比、總壽命損失年和預(yù)期壽命損失圖1.4展示了2013-2020年歸因于PM2.5長期暴露的超額死亡人 數(shù)、歸因風(fēng)險比、總壽命損失和預(yù)期壽命損失，本研究報告統(tǒng)一采用預(yù)期壽命損失作為度2017和2020年，歸因于PM2.5 暴露的預(yù)期壽命損失分別為1.86、1.69和1.38年。各項疾病負(fù)擔(dān)指標(biāo)均呈現(xiàn)接近線性的下降趨勢，并且2017年后，下降趨勢更陡峭、速度更快。圖1.5展示了2013-2020年歸因于PM2.5長期暴露的預(yù)期壽命損失及其變化量，作為各階段治理空氣污染對應(yīng)的健康收益——“大氣十條”期間避免預(yù)期壽命損失2.11月、“藍(lán)天保衛(wèi)戰(zhàn)”期間避免預(yù)期壽命損失3.68個月。由于PM2.5與死亡的暴露反應(yīng)關(guān)系呈現(xiàn)亞線性的特征，在經(jīng)過“大氣十條”的治理后，“藍(lán)天保衛(wèi)戰(zhàn)”得以從更低濃度的基礎(chǔ)上、對PM2.5污染進(jìn)行深度治理，因此，污染減排的邊際效應(yīng)更強(qiáng)。圖1.5PM2.5暴露相關(guān)預(yù)期壽命損失的變化，以及歸因于大氣十條和藍(lán)天保衛(wèi)戰(zhàn)期間暴露改善所避免的預(yù)期壽命損失1說明：在使用預(yù)期壽命損失度量空氣污染的健康影響時，不同年齡段人群的橫斷面特征（死亡率和暴露水平）組成一個“生命量表”，代表一個“虛擬個體”的不同生命階段。歸因于空氣污染的預(yù)期壽命損失指：“虛擬個體”在現(xiàn)實暴露情景和反事實暴露情景（即最小風(fēng)險暴露水平）下預(yù)期壽命的差異。主要研究發(fā)現(xiàn)圖1.6分地區(qū)、分人群的PM2.5暴露水平改善與健康改善圖1.6展示了不同地區(qū)和人群的PM2.5暴露改善（即濃度降低）以及相關(guān)的健康收益（即避免的預(yù)期壽命損失）。PM2.5健康收益受暴露改善幅度的影響，但并不完全由暴露改善決定——當(dāng)暴露改善幅度相當(dāng)時，在平均年齡更高的地區(qū)，健康收益更大（例如，成人平均年齡為46-48歲、49-50歲和>50歲的地區(qū)）。京津冀及周邊的2+26城市是暴露改善幅度最大的地區(qū)，但長三角的健康收益更多、其次為四川盆地。PM2.5暴露及健康影響的“地區(qū)畫像”圖1.7分省的PM2.5暴露水平改善與相關(guān)健康收益圖1.7展示分省的PM2.5暴露水平改善與相關(guān)健康收益，并且繼續(xù)驗證了健康收益不完全由暴露水平改善所決定，其中暴露改善最大的省份是河北，但避免的預(yù)期壽命損失最高的是上海。主要研究發(fā)現(xiàn)圖1.8PM2.5疾病負(fù)擔(dān)評估輸入數(shù)據(jù)（濃度、人口、基線死亡風(fēng)險）的人群分布圖1.9PM2.5疾病負(fù)擔(dān)評估（超額死亡、壽命損失、預(yù)期壽命損失）的人群分布圖1.8和1.9展示了決定PM2.5疾病負(fù)擔(dān)評估模型的輸入和輸入數(shù)據(jù)的人群構(gòu)成比例。圖1.8展示了全國平均水平上疾病負(fù)擔(dān)評估的輸入變量及其人群分布；圖1.9展示了全國平均水平上疾病負(fù)擔(dān)評估輸出指標(biāo)的人群分布。結(jié)果表明，高年齡人群面臨著更高的基線死亡風(fēng)險，并承擔(dān)了更大的PM2.5疾病負(fù)擔(dān)，男性群體承擔(dān)的疾病負(fù)擔(dān)略高于女性，且城鄉(xiāng)之間疾病負(fù)擔(dān)評估的輸出與輸入指標(biāo)沒有明顯差異。附圖1.1展示了各省城市的暴露水平以及疾病負(fù)擔(dān)的人群分布；附圖1.2展示了分城市的暴露改善和健康收益情況。主要研究發(fā)現(xiàn)PM2.5相關(guān)健康收益的分布及其不均衡程度圖1.10不同PM2.5水平及改善幅度下，相關(guān)健康改善的人群分布圖1.10展示了不同PM2.5水平及其改善幅度下的人群健康改善的分布情況。結(jié)果表明，“大氣十條”實施的五年期間，污染治理所避免的預(yù)期壽命損失集中在0-5個月的區(qū)間內(nèi)，而“藍(lán)天保衛(wèi)戰(zhàn)”的推進(jìn)，使人群分布向預(yù)期壽命增加的方向移動，多數(shù)人群的PM2.5暴露水平降低到55μg/m3以下。圖1.11不同地區(qū)和不同PM2.5改善幅度下，相關(guān)健康改善的人群分布圖1.11進(jìn)一步揭示在不同地區(qū)和不同PM2.5改善幅度下健康改善的人群分布情況。“大氣十條”期間，各地區(qū)健康改善的人群分布差異明顯，長三角地區(qū)和四川盆地人群避免的預(yù)期壽命損失更多；而“藍(lán)天保衛(wèi)戰(zhàn)”的治理，使得各區(qū)域健康改善的人口分布差異減小，其它地區(qū)的預(yù)期壽命增加量與長三角和四川盆地等地接近。主要研究發(fā)現(xiàn)圖1.12-1大氣十條和藍(lán)天保衛(wèi)戰(zhàn)期間PM2.5暴 露水平改善（實線）和相關(guān)健康改善（虛線）的洛倫茲曲線圖1.12-2暴露改善和健康改善的不均衡程度圖1.12展示了“大氣十條”與“藍(lán)天保衛(wèi)戰(zhàn)”期間PM2.5暴露水平改善和相關(guān)健康改善的洛倫茲曲線，基于此，可得到各階段暴露改善和健康改善的基尼系數(shù)。相比于“大氣十條”階段，“藍(lán)天保衛(wèi)戰(zhàn)”的治理雖然沒有降低更多的PM2.5污染，卻有效避免了更多的預(yù)期壽命損失；兩階段暴露改善的基尼系數(shù)接近，但后者健康改善的基尼系數(shù)更小，僅為0.18。主要研究發(fā)現(xiàn)第二部分近地面臭氧的暴露變化及健康影響O3暴露水平的變化圖2.12013-2020年人口加權(quán)的O3暴露濃度（右側(cè)）及超過WHO標(biāo)準(zhǔn)的人口占比（左側(cè)）圖2.1呈現(xiàn)了2013-2020年人口加權(quán)的O3暴露濃度變化。“大氣十條”實施的五年期間，O3暴露濃度從111μg/m3升高到121μg/m3，但隨著“藍(lán)天保衛(wèi)戰(zhàn)”的進(jìn)行，O3暴露污染有所改善，濃度降至115μg/m3。生活在WHO過渡期目標(biāo)IT1（100μg/m3）以上的人口比例從2013年的83%下降到2017年80%，隨后又降至2020年的73%。主要研究發(fā)現(xiàn)圖2.22013-2020年O3濃度變化趨勢的空間分布圖2.2展示了2013-2020年間O3人口加權(quán)暴露濃度改變趨勢的空間分布情況。每個網(wǎng)格點上，利用最小二乘法計算O3日8小時平均最大值（MDA8，MaximumDaily8-hourAverage）的月均濃度的長期趨勢，并且運(yùn)用圖層的透明度代表趨勢的統(tǒng)計顯著程度（P值）。在此期間，近地面臭氧人口加權(quán)暴露濃度總體呈上升趨勢，其中華北和西北地區(qū)升高幅度尤為明顯。而在長江三角洲、珠江三角洲等南方區(qū)域，O3人口加權(quán)暴露濃度有輕微下降。圖2.32013年、2017年、和2020年O3暴露和疾病負(fù)擔(dān)的人群分布情況主要研究發(fā)現(xiàn)圖2.3則展示了2013、2017和2020年不同暴露水平的人口分布及其“城鄉(xiāng)-年齡-性別”特征，比較結(jié)果顯示：從2013到2017年，人口分布向高暴露濃度區(qū)間擴(kuò)散，但2017-2020年間，人口逐漸向低暴露濃度區(qū)間轉(zhuǎn)移，進(jìn)一步佐證O3污染程度先加劇后改善的情況。O3在不同城鄉(xiāng)、年齡和性別亞組中的污染程度相似，人群分布沒有顯著差異。O3暴露的健康影響圖2.42013-2020年O3暴露的疾病負(fù)擔(dān)：超額死亡人數(shù)、歸因風(fēng)險占比、總壽命損失年和預(yù)期壽命損失圖2.5合并O3和PM2.5暴露相關(guān)預(yù)期壽命損失的變化，以及歸因于大氣十條和藍(lán)天保衛(wèi)戰(zhàn)期間所暴露改善所避免的預(yù)期壽命損失圖2.4展示了2013-2020年O3長期暴露的疾病負(fù)擔(dān)，包括超額死亡人數(shù)、歸因風(fēng)險比、總壽命損失和預(yù)期壽命損失。在2013、2017和2020年，歸因于O3暴露的預(yù)期壽命損失分別為1.45、1.62和1.43個月。各項疾病負(fù)擔(dān)指標(biāo)均呈現(xiàn)先波動上升后波動下降的趨勢。圖2.5展示了2013-2020年間綜合考慮PM2.5與O3的聯(lián)合暴露的預(yù)期壽命損失及其變化量，作為空氣污染治理健康收益的度量，“大氣十條”期間預(yù)期壽命增加1.94月，“藍(lán)天保衛(wèi)戰(zhàn)”期間預(yù)期壽命增加3.87個月。結(jié)果進(jìn)一步強(qiáng)調(diào)了PM2.5和O3聯(lián)合治理的重要性。主要研究發(fā)現(xiàn)圖2.6分地區(qū)、分人群的O3暴露水平改善與健康改善圖2.6展示了不同地區(qū)和人群之間O3的暴露改變（即濃度改變）和健康效應(yīng)改變情況（即預(yù)期壽命的增減）。總體來看，O3 關(guān)聯(lián)的健康收益也不完全由暴露改善決定。當(dāng)暴露改善幅度相當(dāng)時，平均年齡越高的地區(qū)，O3帶來的健康收益越大。與其 它地區(qū)相比，四川盆地的O3暴 露改善并不明顯，但其避免的預(yù)期壽命損失卻是最多；反之，珠三角地區(qū)O3的下降幅度僅次 于汾渭平原，但其健康收益卻排在倒數(shù)，這種差異可能源于地區(qū)之間年齡結(jié)構(gòu)的不同。O3暴露及健康影響的“地區(qū)畫像”圖2.7分省的O3暴露水平改善與相關(guān)健康收益圖2.7展示了分省O3暴露水平 的變化及其對預(yù)期壽命的影響，相比于匯總的地區(qū)分析，較為細(xì)致的分省結(jié)果表明O3 的健康收益與其暴露水平的改變基本成比例。在所有省份中，暴露與健康改善最突出的是廣西，而天津的污染加劇和健康危害則最為嚴(yán)重。主要研究發(fā)現(xiàn)圖2.8合并O3和PM2.5暴露變化的健康改善圖2.8綜合考慮了O3與PM2.5的聯(lián)合暴露 變化，揭示分省的健康改善情況。上海、浙江和重慶的污染治理取得了最明顯的健康改善效果，而寧夏、西藏和新疆的健康改善程度較低，避免的預(yù)期壽命損失不足上海的1/3。圖2.9O3疾病負(fù)擔(dān)評估輸入數(shù)據(jù)（濃度、人口、基線死亡風(fēng)險）的人群分布主要研究發(fā)現(xiàn)圖2.10O3疾病負(fù)擔(dān)評估輸入數(shù)據(jù)（濃度、人口、基線死亡風(fēng)險）的人群分布圖2.9和2.10展示了決定O3疾病負(fù)擔(dān)評估模型的輸入和輸入數(shù)據(jù)的人群構(gòu)成比例。圖2.9展示了全國平均水平上，疾病負(fù)擔(dān)評估的輸入變量及其人群分布；圖2.10展示了全國平均水平上，疾病負(fù)擔(dān)評估的輸出指標(biāo)及其人群分布。結(jié)果表明，由O3導(dǎo)致的超額死亡、壽命損失和預(yù)期壽命損失在高年齡和男性群體中更明顯。附圖2.1展示了各省城市的暴露水平、人群構(gòu)成及其疾病負(fù)擔(dān)的分布情況；附圖2.2展示了分城市的暴露改善及其健康收益；附圖2.3展示了分城市的綜合PM2.5和O3后的暴露改善及其健康收益。O3和PM2.5綜合健康收益的分布及其不均衡程度圖2.11不同O3水平及改善幅度下，相關(guān)健康改善的人群分布圖2.11展示了不同O3水平及其改善幅度下的人群健康改善的分布情況。“大氣十條”期間，大部分人口居住區(qū)域的O3污染水平上升，由此導(dǎo)致預(yù)期壽命損失的增加；而“藍(lán)天保衛(wèi)戰(zhàn)”的推進(jìn)，有效降低了O3濃度，多數(shù)人群由此避免了0-1個月的預(yù)期壽命損失。主要研究發(fā)現(xiàn)圖2.12不同地區(qū)和不同O3改善幅度下，相關(guān)健康改善的人群分布圖2.12進(jìn)一步揭示了分地區(qū)的不同O3改善幅度下人群健康改善的分布情況。“大氣十條”期間，每個地區(qū)仍有相當(dāng)比例的人口暴露的O3污染水平加重，而進(jìn)入“藍(lán)天保衛(wèi)戰(zhàn)”階段，所有地區(qū)幾乎全部人口的O3暴露水平都有所改善。圖2.13不同PM2.5和O3改善幅度下，PM2.5和O3綜合健康改善的人群分布圖2.13展示了PM2.5和O3綜合健康改善的人群分布。結(jié)果表明，兩階段的空氣污染治理使人群預(yù)期壽命大幅度增加，并且健康改善程度與PM2.5暴露改善幅度和O3暴露改善幅度都保持了較高的一致性，即PM2.5和O3的濃度下降越多，健康改善越明顯。主要研究發(fā)現(xiàn)圖2.14-1大氣十條和藍(lán)天保衛(wèi)戰(zhàn)期間PM2.5和O3綜合改善和相關(guān)健康改善的洛倫茲曲線圖2.14-2O3暴露改善和健康改善的平均水平及其不均衡程度（基尼系數(shù)）圖2.14展示了大氣十條與藍(lán)天保衛(wèi)戰(zhàn)期間PM2.5和O3綜合改善和相關(guān)健康改善的洛倫茲 曲線，以及由此可得到各階段暴露改善和健康改善的基尼系數(shù)。“大氣十條”階段，一半收益集中于1/4人口，基尼系數(shù)為0.32；藍(lán)天保衛(wèi)戰(zhàn)期間，一半收益集中于1/3人口，基尼系數(shù)為0.18，地區(qū)之間的不平等現(xiàn)象有所緩解。主要研究發(fā)現(xiàn)第三部分：二氧化氮的暴露變化及健康影響NO2暴露水平的變化圖3.12013-2020年人口加權(quán)的NO2暴露濃度（右側(cè)）及超過WHO標(biāo)準(zhǔn)的人口占比（左側(cè)）圖3.1展示了2013-2020年人口加權(quán)的NO2暴露濃度變化?！按髿馐畻l”實施的五年期間，NO2暴露濃度從32μg/m3降低到28μg/m3，“藍(lán)天保衛(wèi)戰(zhàn)”三年期間，進(jìn)一步降至24μg/m3。人口分布中，暴露濃度超過WHO過渡期目標(biāo)IT1（40μg/m3）的占比從2013年的28%下降到2017年19%，再降至2020年的2%。主要研究發(fā)現(xiàn)圖3.2展示了2013-2020年間NO2 濃度降低趨勢的空間分布。每個網(wǎng)格點上，利用最小二乘法計算NO2月均濃度的長期趨勢，并且 運(yùn)用圖層的透明度代表趨勢的統(tǒng)計顯著程度（P值）。結(jié)果表明期間NO2污染有所下降，華北地區(qū) 的下降幅度最大，長三角地區(qū)NO2污染的改善趨勢也較為明顯。沒有顯著差異。圖3.22013-2020年NO2濃度變化趨勢的空間分布圖3.32013年、2017年、和2020年NO2暴露和疾病負(fù)擔(dān)的人群分布情況主要研究發(fā)現(xiàn)圖3.3還對比了2013、2017和2020年不同暴露水平的人口分布及其“城鄉(xiāng)-年齡-性別”特征，結(jié)果表明：從2013到2020年，人口分布呈現(xiàn)向低暴露濃度區(qū)間集中的趨勢，這也說明NO2污染程度的顯著改善。此外，城市的NO2濃度要明顯高于鄉(xiāng)村，而不同年齡和性別之間的NO2暴露濃度差異不明顯。NO2暴露的健康影響圖3.4展示了2013-2020年NO2長期暴露的疾病負(fù)擔(dān)，包括超額死亡人數(shù)、歸因風(fēng)險比、總壽命損失和預(yù)期壽命損失。2013、2017和2020年，歸因于NO2暴露的預(yù)期壽命損失分別為6.11、5.24和4.13個月。除去2017年的小范圍的上升外，各項疾病負(fù)擔(dān)指標(biāo)均呈現(xiàn)總體呈現(xiàn)線性的下降趨勢，和NO2濃度的變化趨勢相吻合圖3.5NO2暴露相關(guān)預(yù)期壽命損失的變化，以及歸因于大氣十條和藍(lán)天保衛(wèi)戰(zhàn)期間所暴露改善所避免的預(yù)期壽命損失圖3.5展示了2013-2020期間歸因于NO2長期暴露的預(yù)期壽命損失及其變化，對比各階段空氣污染治理帶來的健康收益?！按髿馐畻l”期間，空氣治理避免了0.86個月的預(yù)期壽命損失，“藍(lán)天保衛(wèi)戰(zhàn)”期間，避免了1.12個月的預(yù)期壽命損失。由于NO2與死亡的暴露反應(yīng)關(guān)系呈亞線性，因此在經(jīng)過“大氣十條”的治理后，“藍(lán)天保衛(wèi)戰(zhàn)”得以從更低NO2濃度的基礎(chǔ)上深度治理污染，從而帶來更強(qiáng)的減排邊際效益。圖3.6分地區(qū)、分人群的NO2暴露水平改善與健康改善圖3.7分省的NO2暴露水平改善與相關(guān)健康收益圖3.6展示了不同地區(qū)、年齡結(jié)構(gòu)、城鄉(xiāng)居住情況下的NO2暴露改善以及相關(guān)的健康收益?？傮w來看，NO2空氣質(zhì)量的改善與健康改善呈現(xiàn)正比趨勢，但也有少數(shù)例外。如，珠三角地區(qū)NO2濃度的降低程度僅次于京津冀附近的2+26城市，但其健康收益的增加并不明顯，這可能與珠三角地區(qū)平均年齡偏低有關(guān)。NO2暴露改善及其所避免的預(yù)期壽命損失大小。結(jié)果表明，除去小部分省份的輕微變動，NO2的健康收益與其暴露水平的改變總體成比例，這與地區(qū)匯總分析的結(jié)果類似。在所有省份中，暴露與健康改善最明顯的是北京，最不明顯的是西藏。主要研究發(fā)現(xiàn)圖3.8NO2疾病負(fù)擔(dān)評估輸入數(shù)據(jù)（濃度、人口、基線死亡風(fēng)險）的人群分布圖3.9NO2疾病負(fù)擔(dān)評估（超額死亡、壽命損失、預(yù)期壽命損失）的人群分布圖3.9和3.10展示了決定NO2疾病負(fù)擔(dān)評估模型的輸入和輸入數(shù)據(jù)的人群構(gòu)成比例。圖3.8展示了在全國平均水平上，不同亞組人群的疾病負(fù)擔(dān)評估的輸入變量；圖3.9展示了在全國平均水平上，不同亞組人群的疾病負(fù)擔(dān)評估輸出指標(biāo)。結(jié)果表明，NO2導(dǎo)致的疾病負(fù)擔(dān)在高年齡和男性群體中更為明顯。附圖3.1展示了各省城市的暴露水平、人群構(gòu)成及其疾病負(fù)擔(dān)的分布情況；附圖3.2展示了分城市的暴露改善及其健康收益。主要研究發(fā)現(xiàn)NO2暴露水平的變化圖3.10NO2暴露和疾病負(fù)擔(dān)（壽命損失年）分布的洛倫茲曲線圖3.10顯示了NO2暴露和疾病負(fù)擔(dān)分布 的洛倫茲曲線。結(jié)果顯示，2013和2020年的暴露與健康分布的洛倫茲曲線接近，85%疾病負(fù)擔(dān)集中于20%高危人群，不均衡性問題突出。圖3.11NO2疾病負(fù)擔(dān)基尼系數(shù)的變化趨勢及影響因素圖3.11進(jìn)一步揭示NO2疾病負(fù)擔(dān)基尼系數(shù)的變化趨勢及影響因素。總體來看，不同暴露 水平之間的疾病負(fù)擔(dān)差異要遠(yuǎn)小于不同人口特征（年齡、性別、城鄉(xiāng)）之間的疾病負(fù)擔(dān)差異，由暴露差異得到的基尼系數(shù)呈現(xiàn)先增后降的趨勢。然而，2013至2020年間，人口特征之間疾病負(fù)擔(dān)的不均衡分布現(xiàn)象愈發(fā)凸顯，性別和城鄉(xiāng)之間的差異化分布尤為嚴(yán)重，基尼系數(shù)達(dá)到0.7左右。04結(jié)論結(jié)論在2012年底，中國修訂了新的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-2012并采取了強(qiáng)有力的大氣污染治理措施，使得空氣質(zhì)量得到了大幅改善，與健康息息相關(guān)的PM2.5暴露濃度快速下降?！按?氣十條”期間，人口加權(quán)PM2.5暴露濃度 從69μg/m3降低到47μg/m3，經(jīng)過“藍(lán) 天保衛(wèi)戰(zhàn)”期間的進(jìn)一步污染治理深入，人口加權(quán)PM2.5暴露濃度進(jìn)一步降低到 36μg/m3、接近我國現(xiàn)行標(biāo)準(zhǔn)（PM2.5 年均濃度35μg/m3）。根據(jù)《全球疾病負(fù)擔(dān)2019》研究測算，在60多種危害健康的風(fēng)險因素中，室外空氣PM2.5和O3污染排名第6和33位，