2014～2019年中國PM2.5濃度及與老年心腦血管疾病歸因死亡的時空分析

王夢琦 黃翌 盧顯晶 劉瀟瀟 施滬靜 宋彥欣

(1南通大學(xué)地理科學(xué)學(xué)院，江蘇 南通 226007；2南京師范大學(xué)地理科學(xué)學(xué)院)

空氣污染和室內(nèi)空氣污染是疾病負(fù)擔(dān)的主要危險因素〔1〕，在眾多大氣污染物指標(biāo)中，粒徑≤2.5 μm的細(xì)顆粒物(PM2.5)是對心腦血管疾病(包括心臟病和腦血管病)危險最顯著的指標(biāo)之一〔2〕。受經(jīng)濟(jì)發(fā)展水平、工業(yè)化等多種因素制約，PM2.5對中國人民身體健康產(chǎn)生了較大的影響，其中，心腦血管疾病是中國首位疾病負(fù)擔(dān)，占全因死亡的45%左右〔3〕。近年研究表明，大氣PM2.5的污染與誘發(fā)人群心腦血管疾病相關(guān)。研究表明〔4〕PM2.5短期升高可以增加心腦血管疾病的死亡率。多項研究也表明PM2.5可能會增加居民心腦血管疾病的死亡風(fēng)險〔5,6〕，老年人群因心腦血管疾病死亡的風(fēng)險受PM2.5的影響更大〔7,8〕。長期暴露于PM2.5會增加40歲以上的過去吸煙者、東部地區(qū)居民的心腦血管疾病死亡風(fēng)險〔9〕。以往文獻(xiàn)沒有考慮PM2.5分布與人口密度分布的錯位，導(dǎo)致危險性評估精度偏差，迄今能夠?qū)Σ煌挲g分層探討的研究也較少。本文對中國長時間序列PM2.5濃度的分布格局進(jìn)行研究，討論人口密度分布格局對PM2.5危險性的影響，探討歸因于PM2.5的各年齡段人群心腦血管死亡率，有助于治理區(qū)域PM2.5污染及針對性地預(yù)防疾病。

1 數(shù)據(jù)源

研究數(shù)據(jù)源自中國環(huán)境監(jiān)測總站的全國城市空氣質(zhì)量實時發(fā)布平臺(http://106.37.208.233:20035/)，收集了2014年5月13日至2019年12月31日全國31個省1 619個環(huán)境監(jiān)測站點的每日PM2.5濃度的監(jiān)測數(shù)據(jù)。各省監(jiān)測站的PM2.5平均濃度值不能準(zhǔn)確反映居民PM2.5的暴露值，因為不同地區(qū)人口密度差異很大，例如，省內(nèi)人口密集區(qū)PM2.5濃度較高，而人口稀少的山區(qū)、林區(qū)PM2.5濃度較低，如果簡單以各站點的監(jiān)測數(shù)據(jù)平均值作為暴露值，會低估其危害程度，計算人口密度加權(quán)的PM2.5暴露值，才能更準(zhǔn)確地計量其危險性。此外，為了研究PM2.5對不同年齡段人群的影響，我們還收集了2015年全國1%人口抽樣調(diào)查的各省人口年齡結(jié)構(gòu)、死亡人口年齡結(jié)構(gòu)數(shù)據(jù)及從中國衛(wèi)生健康統(tǒng)計年鑒中收集到的2015～2019年全國各年齡的疾病死亡率。

2 結(jié) 果

2.1時間分布基本特征 PM2.5濃度表現(xiàn)為明顯的季節(jié)差異，第一、四季度較高，第二、三季度較低，南方低于北方。2014～2019年，PM2.5總體上呈震蕩下降趨勢，見表1。

表1 2014～2019年各季度PM2.5濃度分布(μg/m3)

2.2空間分布基本特征及聚類分析 基于全國1 619個環(huán)境監(jiān)測站點每日數(shù)據(jù)，對各省份每年的PM2.5數(shù)據(jù)使用Python編程進(jìn)行年平均處理，提取各省份日均PM2.5濃度數(shù)據(jù)，合成月均值數(shù)據(jù)、季度均值數(shù)據(jù)、年均值數(shù)據(jù)。使用ArcGIS平臺進(jìn)行繪圖，選用反距離權(quán)重方法對2014～2019年監(jiān)測站點進(jìn)行插值。年均PM2.5濃度具有顯著的空間差異性，總體呈現(xiàn)“由北向南先變重再變輕，由東向西先變輕再加重”的空間分布格局。2014年污染物聚集在中國新疆維吾爾自治區(qū)及華北、黃淮地區(qū)，其中河北省、北京市、天津市和山東省的污染濃度很高。2015年范圍擴(kuò)大到周圍省級行政區(qū)，河南省濃度變高，新疆維吾爾自治區(qū)污染加重，河北省、北京市、天津市和山東省的污染濃度仍然較高。2016年新疆維吾爾自治區(qū)的污染最為嚴(yán)重，到2017年污染有所下降，2017～2019年新疆維吾爾自治區(qū)的污染范圍減小，新疆維吾爾自治區(qū)西部地區(qū)污染濃度仍然較高。中國東部地區(qū)自2015～2019年污染范圍逐漸減小，其中，河北省、北京市、天津市和山東省等污染濃度較高的地區(qū)，污染濃度也在逐漸下降。見圖1。

GB 3095-2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》規(guī)定PM2.5年平均一級濃度限值為15 μg/m3，二級濃度限值為35 μg/m3，《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》(HJ 633-2012)規(guī)定PM2.524 h平均污染濃度限值可分為7個范圍：0.00～35.00 μg/m3、35.01～75.00 μg/m3、75.01～115.00 μg/m3、115.01～150.00 μg/m3、150.01～250.00 μg/m3、250.01～350.00 μg/m3和350.01～500.00 μg/m3。本研究收集的數(shù)據(jù)表明，2014～2019年中國PM2.5監(jiān)測站點的濃度平均值均低于250 μg/m3，故本研究依據(jù)實際情況選定5個范圍，計算了2014～2019年各監(jiān)測站點每天PM2.5污染濃度限值占比，見表2。

2014～2019年中國PM2.5污染濃度限值在35.01～75.00 μg/m3、75.01～115.00 μg/m3、115.01～150.00 μg/m3和150.01～250.00 μg/m3范圍內(nèi)的占比逐年減少，PM2.5污染濃度限值在0.00～35.00 μg/m3范圍內(nèi)的占比逐年增加。從變化率上來看，2015年改善最為顯著；從變化量上來看，2019年改善最為顯著，PM2.5污染濃度限值在0.00～35.00 μg/m3和35.01～75.00 μg/m3范圍內(nèi)的占比達(dá)到89.9%，較2014年相比增加了12.03%，而PM2.5污染濃度限值在150.01～250.00 μg/m3的占比，2019年占1.71%，較2014年相比也減少了1.44%。由此可見，中國的空氣質(zhì)量呈現(xiàn)好轉(zhuǎn)的趨勢。

基于國家測繪地理信息局標(biāo)準(zhǔn)地圖(審圖號為GS(2019)1825號)繪制，底圖無修改圖1 2014～2019年P(guān)M2.5濃度反距離權(quán)重插值

表2 1 619個站點2014～2019年P(guān)M2.5污染濃度限值占比(%)

聚類和異常值分析可識別具有擁擠顯著性的熱點、冷點、空間異常值，使用局部莫蘭指數(shù)統(tǒng)計量，對省級尺度PM2.5濃度進(jìn)行分析，“高-高聚類”表示PM2.5濃度高值省份的周邊也是高值省份；“高-低聚類”表示PM2.5濃度高值省份的周邊是低值省份；“低-高聚類”表示PM2.5濃度低值省份的周邊是高值省份；“低-低聚類”表示PM2.5濃度低值省份的周邊也是低值省份。

2014年高值主要集中在中國的東部省份，主要分布于河北省、北京市、天津市、山東省、河南省、安徽省及湖北省。低值主要分布在海南省、廣東省，其周邊省份也是低值省份。其余均未呈現(xiàn)明顯的高低值。2015年高值主要分布于河北省、北京市、天津市、山東省和河南省5個省份，2016年和2017年以上5個省份仍是高值省份，此外還增加了山西省，而其周圍省級行政區(qū)也處于高值區(qū)域。2018年和2019年高值省份向內(nèi)陸轉(zhuǎn)移，高值主要分布于河北省、北京市、天津市、山東省、河南省、安徽省、山西省及陜西省，而其周圍省級行政區(qū)也處于高值區(qū)域。低值主要分布在海南省，其周邊省份也是低值省份。其余均未呈現(xiàn)明顯的高低值。2014～2019年的聚類分析表明，中國PM2.5濃度呈現(xiàn)穩(wěn)固的空間分布特征，華北、華中地區(qū)始終是PM2.5濃度的高值區(qū)，華南地區(qū)是低值區(qū)。見圖2。

2.3歸因于PM2.5的城市、農(nóng)村老年不同年齡心腦血管疾病死亡率 大量研究顯示，PM2.5可導(dǎo)致心腦血管疾病發(fā)病和死亡的危險性增加〔10～12〕，對人的身體健康特別是老年人帶來很大影響。但由于各地區(qū)人口密度差異較大，人口密度與PM2.5濃度分布的錯位可能會對其危險性評估產(chǎn)生影響。

我們使用PM2.5監(jiān)測點與所在位置的人口密度進(jìn)行加權(quán)，得到PM2.5與人口密度加權(quán)值，結(jié)合全球疾病負(fù)擔(dān)(GBD；http://ghdx.healthdata.org/gbd-2017)提供的年齡別腦血管病、心臟病的相對危險度(RR值)，計算出歸因于PM2.5的各年齡段心臟病、腦血管病的標(biāo)準(zhǔn)化死亡率〔13,14〕。

將2015年全國人口密度圖柵格轉(zhuǎn)點獲取各個象元的點狀數(shù)據(jù)，使用空間連接的方式獲取與1 619個PM2.5監(jiān)測點位置一致的地點的人口密度，將位置一致的地點的PM2.5濃度與人口密度進(jìn)行加權(quán)，獲得PM2.5對人群更準(zhǔn)確的影響。見表3。

基于國家測繪地理信息局標(biāo)準(zhǔn)地圖(審圖號為GS(2019)1825號)繪制，底圖無修改圖2 2014～2019年中國PM2.5聚類與異常值分析

表3 1 619個PM2.5監(jiān)測點與相應(yīng)位置人口密度加權(quán)前后 PM2.5濃度對比

人口密度加權(quán)后，2015～2019年中國PM2.5濃度逐年下降，2019年P(guān)M2.5濃度最低，加權(quán)后的濃度值相較于2015年年均濃度降低26.38%(13.69 μg/m3)。2017年至2018年我國PM2.5濃度下降最明顯，加權(quán)后的PM2.5濃度與2017年相比下降13.73%(6.28 μg/m3)。全國1 619個PM2.5監(jiān)測點與相應(yīng)位置人口密度加權(quán)前的濃度值小于加權(quán)后的濃度值，平均每年人口密度加權(quán)后的PM2.5濃度比未進(jìn)行人口密度加權(quán)時增加了5.63%(2.5 μg/m3)，這是因為中國PM2.5濃度較高的地區(qū)同時也是人口密度最大的地區(qū)，如華北平原、黃淮地區(qū)；而PM2.5濃度較低的地區(qū)人口相對較少，如山區(qū)林區(qū)。大氣PM2.5年平均暴露濃度每增加10 μg/m3，心血管疾病發(fā)病和死亡風(fēng)險分別增加25%和16%〔15〕，可見，直接基于PM2.5濃度而不考慮與人口分布的錯位問題會大幅低估其危險性。見表3。

為了定量研究PM2.5對心、腦血管病死亡率的影響，我們根據(jù)GBD的理論和方法計算了歸因疾病負(fù)擔(dān)的估計值。GBD是在比較風(fēng)險評估理論的框架下，對各種危險因素引起的疾病負(fù)擔(dān)進(jìn)行評估的。該理論的核心內(nèi)容是：在其他獨立危險因素暴露水平不變的情況下，通過比較該危險因素的暴露分布與理論最小風(fēng)險暴露分布，計算出歸屬于某一危險因素(人群歸因分?jǐn)?shù)，PAF)的疾病負(fù)擔(dān)比例，PAF的計算公式如式(1)所示，歸因死亡數(shù)按式(2)計算：

(1)

L=PAF×M

(2)

其中，RRi為接觸(暴露)水平i的相對危險度，Pi為暴露水平i的人群比例，L是PM2.5的歸因死亡人數(shù)，M是心、腦血管病的死亡人數(shù)。

從中國衛(wèi)生健康統(tǒng)計年鑒上，我們收集到全國城市、農(nóng)村各年齡段心腦血管病2015～2019年度的死亡數(shù)據(jù)，利用全國人口密度加權(quán)的平均PM2.5濃度和GDB中對應(yīng)的RR值可以計算出各個年齡段的危險性，繼而獲得65～85歲以上5組各年齡段人群歸因危險度百分比，最終獲得歸因于PM2.5導(dǎo)致各年齡老年心腦血管疾病的死亡率。農(nóng)村歸因于PM2.5的心腦血管病死亡率比城市高。見表4。

表4 歸因于PM2.5的各年齡老年心腦血管病死亡率〔1/10萬,死亡率(95%CI)〕

3 討 論

總體來說，中國北方PM2.5污染比南方嚴(yán)重，這是因為華北平原和黃淮地區(qū)人口密度大，所以人們?yōu)榱藵M足住房的需求，土地資源緊張的地區(qū)會修建高且密集的建筑物，導(dǎo)致空氣擴(kuò)散條件不好，污染物難以及時流通出去。并且人口越多，私家車的數(shù)量也越多，而機(jī)動車尾氣是PM2.5的主要來源之一〔16〕。此外，河北省的重工業(yè)發(fā)達(dá)，特別是污染型企業(yè)較多，每年的污染排放量巨大，而河北省西、北兩面環(huán)山的地理位置不利于污染物的擴(kuò)散，且河北省位于中國北方，冬季氣候寒冷，燃煤取暖也產(chǎn)生大量的污染物，導(dǎo)致了河北省的污染常年比較嚴(yán)重，也影響到了其周邊的北京市、天津市和山東省，造成北方的PM2.5污染較南方相比更為嚴(yán)重。未來PM2.5污染治理應(yīng)以京津冀及周邊地區(qū)為核心，針對重點地區(qū)，重點時節(jié)要做到時時監(jiān)管，提前防控。同時，在氣象條件不利于污染擴(kuò)散，大氣污染嚴(yán)重時期，個人應(yīng)盡量減少外出活動時間，特別是老年人群，外出時應(yīng)做好個人防護(hù)。