四川盆地PM2.5污染的人群暴露風險研究

汪可可,康 平,石光明,張小玲,王柯懿,4

(1.成都信息工程大學高原大氣與環境四川省重點實驗室,四川 成都 610225;2.成都信息工程大學資源環境學院,四川 成都 610225;3.四川大學建筑與環境學院,四川 成都 610065;4.鄂州市氣象局,湖北 鄂州 436000)

細顆粒物(PM2.5)作為主要的大氣污染物,由于其體積小、比面積大,其上吸附大量細菌、病毒、重金屬等,對于空氣質量狀況、全球氣候以及人類健康均有較大的影響[1-2]。大量的流行病學研究表明,較高的PM2.5暴露直接或間接地增加了人群呼吸系統疾病、心腦血管疾病與中風等的發病率與死亡率[3-4],尤其是原先患有呼吸系統或心腦血管疾病的人群以及身體狀況不佳的老年、兒童人群對大氣顆粒物的污染更為敏感,可能引發或加速老年癡呆、兒童智力不良發育等[5-7]。因此,長期暴露于PM2.5污染環境導致的人體健康損失和死亡已是造成全球疾病負擔的主要風險因素之一[8]。一項評估表明,人長期暴露于大氣顆粒物污染環境中,大氣顆粒物污染濃度每增加10 μg/m3,人的預期壽命會減少0.64 a(95%CI=0.21～1.07)[9],2015年全球約有420萬人因長期暴露于PM2.5污染環境而死亡[10]。因此,對于空氣污染暴露風險進行科學精準評價,從而對于空氣污染導致的人體健康問題進行合理控制迫在眉睫。

國內外學者們運用多種指標對人群的PM2.5暴露風險進行了評估。如:Luke等[11]基于土地利用回歸模型對澳大利亞長期PM2.5暴露風險進行了評估;張西雅等[12]基于多源數據對北京地區PM2.5暴露風險進行了評估;鄒雨軒等[13]耦合土地利用回歸與人口加權模型對廣佛都市區PM2.5暴露風險進行了評估。以上研究主要運用環境中PM2.5濃度或基于模型和人口加權的PM2.5濃度對PM2.5污染的人群暴露風險進行評估,但均缺少考慮人群環境暴露行為模式的差異對于PM2.5暴露風險的影響。環境暴露參數是科學評價環境健康風險的關鍵基礎,被認為是空氣污染物健康風險評估研究中最重要的誤差來源之一[14]。美國是最早開展人群環境暴露行為模式研究的國家,由于我國相關研究起步較晚,我國許多學者在開展部分區域環境暴露風險的研究中沿用了美國人群環境暴露參數,而由于人種、環境和生活方式等的不同,其他國家的相關空氣暴露參數與我國的差異較大(據統計,我國成人室外空氣綜合暴露系數分別是日本和韓國的2.7倍和3.3倍,我國兒童室外空氣綜合暴露系數高于美國同年齡段兒童,是美國的1.1～3.0倍[15])。因此,引用國外人群環境暴露參數來評估我國環境健康暴露風險會與真實環境暴露風險水平存在較大的偏差。一項對浙江沿海地區居民的研究發現,若直接引用美國或日本人群環境暴露行為模式來計算我國人群涉氣活動下的日均暴露劑量,男性計量計算值偏低,而女性計量計算值偏高,將分別帶來10.90%～13.75%和1.34%～1.55%的偏差[16]。原環境保護部根據我國人群環境暴露參數研究的調查結果,發布了《中國人群暴露參數手冊(成人卷)》[15]和《中國人群暴露參數手冊(兒童卷:6～17歲)》[17],共分別調查了91 121成人和41 439兒童,為我國環境健康風險評估工作提供了可代表全國本土水平的基礎數據,是我國環境健康風險評估研究進程里程碑式的成果。

美國國家環保署(EPA)推薦的環境健康暴露風險評估模型可用于評估通過呼吸途徑引起的人體健康風險,有學者利用該模型并結合中國人群環境暴露參數對大氣顆粒物中重金屬的健康風險進行了定量評價[18-19],但對于PM2.5總濃度的環境健康暴露風險評估較為缺乏。同時,PM2.5污染的健康風險效應評估還受到總人口數、老齡化程度、不同健康終點閾值等的影響。Burnett等[20]通過研究PM2.5質量濃度與4種相關疾病的相關性,建立了綜合暴露-響應(integrated exposure response,IER)模型。IER模型是一種可以得到歸因于空氣污染的人群歸因分數的相對環境健康暴露風險預測方法,張夢嬌等[21]利用IER模型估算得出中國東部、中部地區2013—2017年由于PM2.5濃度下降可避免的歸因死亡人數為10.68萬人;蔣葉等[22]利用IER模型分析得出2019年成都市由于PM2.5污染導致的4種相關疾病的過早死亡人數為1.83萬例。四川盆地為我國大氣重污染區域,目前PM2.5暴露風險的歸因死亡研究較少,因此引入我國相關地區的人群環境暴露參數數據對四川盆地人群PM2.5暴露風險進行評價,將有助于真實地反映該區域空氣污染暴露風險以及不同人群暴露風險的差異特征。

綜上,本文以中國大氣復合污染最嚴重的地區之一的四川盆地為研究區[23-24],基于該地區2016—2020年國控監測站點PM2.5濃度數據、精細化人口密度數據以及中國人群環境暴露參數數據,通過比較PM2.5暴露強度(EI)、基于原始濃度的PM2.5暴露風險(R)和基于人口加權濃度的PM2.5暴露風險(R*)3種評估指標,綜合開展四川盆地PM2.5污染的人群暴露風險研究,并利用IER模型對四川盆地2016—2020年年均歸因于PM2.5污染的疾病致死人數進行評估,以期為精準識別四川盆地不同區域、不同性別、不同年齡城鄉人群PM2.5暴露風險的特征和差異,為決策者制定PM2.5污染防控措施、減少健康損失提供理論參考。

1 數據來源與研究方法

1.1 數據來源

1.1.1 PM2.5濃度數據

本研究使用來自全國城市空氣質量實時發布平臺(http://106.37.208.233:20035/)的PM2.5濃度數據為PM2.5小時值(數據起止時間為2016年1月1日—2020年12月31日),根據《環境空氣質量標準》(GB 3095—2012)[25]對原始數據進行質量控制,最終選取四川盆地17個城市(成都、重慶、達州、德陽、廣安、廣元、樂山、瀘州、眉山、綿陽、南充、內江、遂寧、雅安、宜賓、資陽、自貢)共80個國控環境監測站點(圖1)2016—2020年的PM2.5濃度數據。其中,選取國控環境監測站點背景(對照)站PM2.5監測濃度代表農村PM2.5濃度(其中雅安、德陽、綿陽和內江由于數據缺失,分別采用該市中PM2.5年均濃度最低站點代替背景站點PM2.5監測濃度);剔除背景站后的其余站點的PM2.5監測濃度代表城市PM2.5濃度。

圖1 四川盆地國控環境監測站點分布圖Fig.1 Spatial distribution of national-controlled environ- mental monitoring sites in Sichuan Basin

1.1.2 人口密度數據

本研究使用的人口密度數據選用2015年中國人口空間分布1 km分辨率網格數據,該數據來自中國科學院資源環境科學與數據中心(http://www.resdc.cn/DOI),單位為人/km2。根據《四川統計年鑒》[26]中各市人口增長率,估算得到四川盆地2016—2020年的人口分布。城鄉人口數量數據根據《四川統計年鑒》中年末常住人口數量和城鎮化率計算得出。

1.1.3 基線死亡率和暴露因子數據

本研究使用的各年齡組基線死亡率數據選自《中國死因監測數據集(2015—2020)》[27];暴露因子數據來自《中國人群暴露參數手冊》(成人卷[15]、兒童卷[17])。基線死亡率、暴露因子分別采用中國西部、西南部地區分區數據,分男女組、城鄉組和年齡組,其中基線死亡率數據選取缺血性心臟病(ischemic heart disease,IHD)、慢性阻塞性肺病(chronic obstructive pulmonary disease,COPD)和肺癌(lung cancer,LC),并使用腦血管疾病數據代替中風(stroke,STK);暴露因子采用了攝入量參數中的長期呼吸速率(inhalation Rate,IR)和時間活動模式參數中的暴露持續時間(exposure duration,ED)、暴露頻率(exposure frequency,EF)、室外活動時間(exposure time,ET)、平均暴露時間(average time,AT)以及其他參數中的體重參數(body weight,BW)。

1.2 研究方法

1.2.1 PM2.5暴露強度(EI)

引入暴露強度風險模型[28],結合人口密度量化四川盆地PM2.5暴露強度,具體計算公式如下:

EIi=Piρi

(1)

式中:EIi為空間單元i的暴露強度;Pi為空間單元i的人口密度(人/km2);ρi為空間單元i內的PM2.5質量濃度(μg/m3)。

1.2.2 基于原始濃度的PM2.5暴露風險(R)

采用美國國家環境保護局(EPA)推薦的人體健康暴露風險評估模型,對PM2.5的人體健康暴露風險進行評估。本研究主要考慮PM2.5通過呼吸途徑產生的非致癌健康暴露風險,忽略消化道與皮膚接觸途徑產生的非致癌健康暴露風險。對于非致癌物質,根據非致癌物質的日均暴露劑量ADD(average daily dose)、參考劑量RfD(reference dose)作為非致癌健康暴露風險評估的衡量標準,其健康暴露風險評估模型可采用如下公式表示:

(2)

(3)

式中:ADD為非致癌物質的日均暴露劑量[μg/(kg·d)];R為基于原始濃度的PM2.5暴露風險(無量綱);C為PM2.5質量濃度(μg/m3);IR為長期呼吸速率(m3/d);ET為室外活動時間(min/d);EF為暴露頻率(d/a);ED為暴露持續時間(a);BW為體重(kg);AT為平均暴露時間(d);RfD為非致癌物質參考劑量[μg/(kg·d)]。

RfD的計算方法與ADD相同,其中將世界衛生組織(WHO)推薦的PM2.5年均暴露量不應大于5 μg/m3作為PM2.5質量濃度[29]。

1.2.3 基于人口加權濃度的PM2.5暴露風險(R*)

人口加權濃度可以彌補空氣質量濃度假定評估單元內人口空間分布均一的缺陷[30],該指標被認為可在精細尺度上區分空間單元內部各網格人口空氣污染暴露風險的差異[31]。基于人口加權濃度的PM2.5暴露風險(R*)的計算公式如下:

(4)

(5)

(6)

式中:Cpopi為空間單元i內的PM2.5人口加權濃度(μg/m3);ADD*為基于人口加權濃度的非致癌物質日均暴露劑量[μg/(kg·d)];R*為基于人口加權濃度的暴露風險(無量綱);其余參數同上。

1.2.4 健康損失計算方法

本文采用IER模型對歸因于PM2.5污染的IHD、COPF、STK和LC 4種疾病導致的成人(>25歲)過早死亡人數進行評估[20],具體計算公式如下:

(7)

式中:RR為相對風險(relative risk,RR);C為PM2.5質量濃度(μg/m3);Czf為不同健康終點對應的閾值(μg/m3);α、γ、δ為與疾病有關的擬合參數,詳見表1。

表1 IER模型的基本參數

歸因于PM2.5暴露的死亡人數由下式計算[21]:

(8)

式中:ΔMor為歸因于PM2.5暴露的死亡人數(人);y0為基線死亡率;Pop為人口數(人)。

2 研究結果與討論

2.1 四川盆地3種PM2.5暴露風險評估方法比較

圖2為四川盆地2016—2020年3種PM2.5暴露風險評估方法的結果對比圖。

圖2 四川盆地2016—2020年3種PM2.5暴露風險評估方法的結果比較Fig.2 Comparison of three PM2.5 exposure assessment methods in Sichuan Basin from 2016 to 2020

由圖2可以看出:從四川盆地2016—2020年EI的評價結果[圖2(a)]來看,EI值總體呈現盆地中部高、周邊低的空間分布格局,其中盆地西部(即成都、德陽)、盆地中南部(即內江、宜賓及瀘州)以及盆地中東部(即重慶及達州)為EI高值區;從四川盆地2016—2020年R的評價結果[圖2(b)]來看,R高值區集中在盆地南部(即自貢、宜賓、樂山),其次為瀘州、達州、南充、成都,R低值區主要位于盆地中部、西部(即資陽、廣安、遂寧、雅安、重慶)以及廣元;從四川盆地2016—2020年R*的評價結果[圖2(c)]來看,R*高值區及低值區呈現出更為聚集的態勢,其中R*高值區集中分布在盆地中部,其次為盆地東部,而R*低值區主要位于盆地北部及盆地西部。

EI考量了人口分布對于PM2.5暴露風險的影響,R考量了人群環境暴露參數對于PM2.5暴露風險的影響,而R*在考量人口分布的基礎上,考慮了人群環境暴露參數對于PM2.5暴露風險的影響。通過比較圖2中3種PM2.5暴露風險評估方法的結果可知:EI的評估結果與人口密度[圖2(d)]分布呈現高度的一致性,R的評價結果與四川盆地2016—2020年PM2.5質量濃度空間分布[圖2(e)]呈現高度的一致性,而R*相對兼顧了以上兩者的優勢。R最大值、最小值分別出現在自貢(1.460×10-5)、廣元(5.878×10-6),與基于PM2.5質量濃度的評價結果一致[32],印證了R評估指標與PM2.5質量濃度評估指標的相對一致性;R*最大值、最小值分別出現在成都(2.296×10-5)、雅安(3.072×10-6),這兩個城市的PM2.5人口加權濃度相對于原始質量濃度增加(降低)了+48.77%(-212.40%)。由此可見,PM2.5濃度高但人口較為稀疏的地區,整體的人口暴露劑量不大,因此并非是PM2.5暴露風險最大的地區,而PM2.5濃度低但人口較為密集的地區則成為PM2.5暴露風險最大的地區。

綜上所述,本文認為R*評估指標能更為準確地顯示四川盆地PM2.5暴露風險的相對大小。因此,后續研究中將選擇使用R*作為評估指標對四川盆地人群的PM2.5暴露風險做進一步分析研究。

2.2 四川盆地人群PM2.5暴露風險評估

2.2.1 人群PM2.5暴露風險的城鄉時空差異分析

四川盆地2016—2020年城鄉人群各季節人群PM2.5暴露風險(R*)城鄉對比結果,見圖3。

圖3 四川盆地2016—2020年各季節人群PM2.5暴露風險(R*)城鄉對比圖Fig.3 Comparison of PM2.5 exposure risk (R*) between urban and rural areas in Sichuan Basin from 2016 to 2020

由圖3可以看出:

1) 從人群環境暴露參數來看,雖然城鄉在春季、秋季的室外活動時間(ET)均高于夏季和冬季(城市分別高2.97%、6.52%;農村分別高19.72%、24.74%),但四川盆地2016—2020年R*值仍呈現出冬季最高、夏季最低,春、秋季介于兩者之間的典型季節變化特征。其中,各季節城市、農村R*平均值分別為春季1.304×10-5、1.058×10-5,夏季7.886×10-6、6.222×10-6,秋季1.133×10-5、9.098×10-6,冬季1.778×10-5、1.392×10-5。

2) 從季節特征來看,春季盆地以靜穩天氣為主,且為播種及典型的生物質燃燒季節,會增加大氣中顆粒物的質量濃度[33];夏季盆地太陽輻射強烈,大氣湍流運動劇烈,水平和垂直擴散條件均較好,大氣PM2.5濃度偏低;秋季盆地太陽輻射減弱,且頻繁的降水導致PM2.5的清除作用明顯;冬季盆地以靜穩天氣為主,易出現逆溫[34],使得大氣污染物在垂直方向上不易擴散,且冬季降水相對較少,從而導致PM2.5的沖刷作用較弱,更易懸浮停留在大氣之中[35]。

3) 從城鄉對比來看,盆地城鄉R*值的時空分布差異不大,整體上城市R*值大于農村20.37%,與以往的研究結果相符[34]。其中,城市R*值大于農村的有廣安、南充在春、夏、秋三季,達州、瀘州、重慶在春、秋兩季,綿陽、樂山在冬季,表明以上城市地區在相應季節比農村地區有著更為顯著的PM2.5人群暴露風險。其原因首先在于城市PM2.5質量濃度相較農村更大,這可能與城鄉大氣動力學與熱力學特征、PM2.5排放速率、傳輸與擴散條件以及下墊面差異等有關[36]。本研究選擇背景站PM2.5濃度代表農村地區PM2.5濃度,該地區人口相對稀疏,工業不發達,污染物排放少,且植被覆蓋度高,對污染物的清潔作用強[37]。從人群環境暴露參數來看,盆地城市人群各年齡段平均IR值大于農村1.85%,平均BW值大于農村3.21%;城市人群夏季、春秋季和冬季的ET值分別小于農村7.01%、11.07%和4.13%,且城市、農村的平均ET值都在冬季最小(分別小于平均值13.15%和15.98%)。可見,雖然由于城市人群在各季節的室外活動時間(ET)相對較少且體重(BW)較大,但更高的長期呼吸速率(IR)加重了城市人群的PM2.5暴露風險;即使在室外活動時間(ET)最小的冬季,由于PM2.5污染最為嚴重,因此仍在各季節中呈現出最高的PM2.5人群暴露風險。

4) 從整體上來看,春季、秋季R*高值區集中分布在盆地中西部及南部,夏季R*高值區集中分布在盆地中西部,其范圍較春季有所減小,冬季R*高值區擴展到整個盆地中部及東部,其中特別是成都、德陽、自貢、內江等市為各季節R*高值區;各季節R*低值區主要位于盆地周邊地區,特別是盆地北部的廣元、盆地西部的雅安。由于各市采用同一套人群環境暴露參數,因此各地級市間差異主要由于PM2.5人口加權濃度造成。由于自貢、內江及其周邊地區位于盆地南部氣旋式流場污染物的滯留中心,且為典型的低山淺丘地區,不利于PM2.5的稀釋與擴散,因此PM2.5年均濃度較高[38],加之人口密度也較大(人口密度分別排在所選17個城市的第5位、第2位),使得該地區成為人群PM2.5暴露風險高值區;成都作為四川省的省會城市,也是人群PM2.5暴露風險高值區之一,其人口密度最大,地勢較低,兩面環山的盆地地形不利于大氣污染物的水平輸送與擴散,且加之成都市石化工業較為發達,使得大氣污染物易在市區內積聚[39];廣元(人口密度排名第16位)及其周邊地區地形寬闊,大氣傳輸與擴散條件較好,且工業發展較慢,PM2.5人為源貢獻較小,為PM2.5濃度低值區,因此人群PM2.5暴露風險亦較低[38];雅安位于盆地與青藏高原的結合過渡地帶,背靠青藏高原冷高壓,面向西南季風暖濕氣流,是盆地中降水量最大的區域[40],其人口密度為所選17個城市中最低,空氣質量較好,PM2.5濃度較低,因此人群PM2.5暴露風險也較低。

2.2.2 PM2.5暴露風險的人群差異分析

圖4(a)顯示了四川盆地2016—2020年城市人群各年齡段男、女性PM2.5暴露風險(R*)大于農村人群的比例(其值>0表示城市人群PM2.5暴露風險大于農村人群;其值<0則相反),圖4(b)、(c)顯示了四川盆地城鄉各年齡段男、女性PM2.5暴露風險的差異。

圖4 四川盆地2016—2020年城鄉人群各年齡段男、女性 PM2.5暴露風險(R*)對比圖Fig.4 Comparison of PM2.5 exposure risk (R*) between urban and rural of different gender and age groups in Sichuan Basin from 2016 to 2020

由圖4(a)可知:四川盆地2016—2020年除了9～<12歲人群和6～<9歲的男性人群的PM2.5暴露風險呈現農村>城市的狀態外,其余年齡段均為城市人群的PM2.5暴露風險更大。從人群環境暴露參數來看(圖5),農村9～<12歲人群的ET值較城市人群大(夏季大43.750%,春秋季大70.588%,冬季大47.973%)、BW值較城市人群小(小11.218%)。此外,四川盆地12歲以上人群隨著年齡的增大,城市人群PM2.5暴露風險大于農村人群的比例越來越大,這是因為城市12歲以上人群ET值大于農村人群的比例隨年齡呈遞增趨勢。由圖4(b)和4(c)可知,男、女性在各年齡段的PM2.5暴露風險差異不大(城市、農村人群平均差異為7.832%、2.161%),且隨年齡的變化趨勢基本一致,Qiu等[41]的研究結果也呈現類似結論,因此本文在以下討論過程中使用男女均值做進一步分析。

圖5 四川盆地人群環境暴露參數對比Fig.5 Comparison of population exposure parameters in Sichuan Basin

城市人群的PM2.5暴露風險R*值于45～<60歲(12～<15歲)達到最高(低),其值從1.103×10-5到3.316×10-6,平均值為6.25×10-6±2.187×10-6(圖6)。總體來說,18歲以上成年人群的PM2.5暴露風險比18歲以下未成年人群高,這與一項在西安對于PM2.5采用致癌模型的暴露風險評估結果一致[42];成年人群內部及未成年人群內部差異較小,而成年與未成年之間相比存在較大的差異;成年人群中45～<60歲人群的PM2.5暴露風險相對較大,隨后60～<80歲人群的PM2.5暴露風險略微降低,最后80歲以上人群的PM2.5暴露風險有所回升;45～<60歲人群與18～<45歲人群相比,中位線更低但均值更高,表示有著更高的PM2.5暴露風險。

圖6 四川盆地2016—2020年城鄉人群各年齡段PM2.5 暴露風險(R*)對比圖Fig.6 Comparison of PM2.5 exposure risk (R*) of different age groups between urban and rural in Sichuan Basin from 2016 to 2020

農村人群的PM2.5暴露風險R*值于9～<12歲(15～<18歲)達到最高(低),其值從5.266×10-6到1.583×10-5,平均值為9.956×10-6±3.061×10-6;農村人群各年齡段的PM2.5暴露風險差異較城市人群更小,并未出現成年人群的PM2.5暴露風險普遍高于未成年人群的現象,反而個別未成年人群(9～<12歲)的PM2.5暴露風險比成年人群更高(圖6)。這是由于兒童肺部發育尚未完全,肺-體容積較大且對有毒有害物質的耐性較差,是產生非致癌效應的最敏感的群體[43-44]。一項天津市春季的研究表明,不同PM2.5暴露途徑的非致癌風險均表現出兒童高于成人的特點[45],且PM2.5暴露會增加兒童行為問題的發生風險,短期暴露于PM2.5環境污染中易引起輕度的兒童異常行為,長期暴露可能會加重兒童行為障礙疾病的發生風險和導致兒童血壓增高等[46-47],因此避免可能的空氣污染物暴露是很重要的。農村成年人群中PM2.5暴露風險峰值出現在18～<45歲人群,而后隨著年齡的增大農村成年人群的PM2.5暴露風險逐漸減小,但到80歲以上農村人群的PM2.5暴露風險又略有回升。

城鄉80歲以上老年人群的PM2.5暴露風險均較高,說明老年人作為敏感人群,較易受到PM2.5環境污染的影響,這與以往的一些研究結果一致[48-50]。我國作為世界上人口老齡化程度較高的國家之一,老年人口數量最大、老齡化速度最快,呼吸系統疾病、心腦血管疾病嚴重影響了老年人的生活質量,是造成老年人預期壽命縮短的重要原因[51],而長期處于空氣污染嚴重的環境中易誘發心腦血管疾病和呼吸系統疾病[52]。因此,老年人需要展開針對性的防護工作,如在高PM2.5污染天氣時應應盡量避免或減少戶外活動時間、正確佩戴口罩等,以減少老年人的疾病負擔和過早死亡人數。

從城鄉對比來看,未成年人群PM2.5暴露風險隨著年齡的增大,城鄉呈現出反向變化的趨勢,即農村人群的PM2.5暴露風險峰值出現在9～<12歲人群,而后隨年齡增加而下降,而城市人群呈現出完全相反的變化趨勢。從全年齡段來看,9～<12歲人群對于城市來說R*值最小,但對于農村來說R*值最大。分析其原因認為,9～<12歲人群的環境暴露參數存在很大的城鄉差異,農村9～<12歲人群的戶外活動時間相對更長且體重更輕(圖5)。

圖7比較了四川盆地2016—2020年城鄉各年齡段人群在各季節的PM2.5暴露風險,總體上來看,四川盆地城市與農村各年齡段人群都呈現出PM2.5暴露風險冬季>春季>秋季>夏季的規律。但值得注意的是,從城鄉對比來看,雖然冬季農村地區的PM2.5污染明顯比春、秋兩季的城市地區嚴重(PM2.5加權濃度分別減少36.33%、44.67%),但城市60歲以上年齡段人群呈現出春、秋兩季PM2.5暴露風險高于農村冬季相應人群的評價結果,而相似的現象還出現在15～<18歲人群(城市秋季>農村春季、城市夏季>農村秋季)、18～<60歲人群(城市春季>農村冬季、城市秋季>農村春季)。分析其原因認為:18歲以上的城市人群相對于農村人群,IR值更高(平均高2.16%)且春秋季ET>冬季ET(平均高23.88%);15～<18歲城市人群相比農村人群,BW值更低(平均低3.95%)且夏季ET>春秋季ET(平均高16.51%)。說明對于上述年齡段的城市人群來說,即使是在PM2.5濃度相對較低的季節中,由于較大的長期呼吸速率、較多的室外活動時間所引起的暴露劑量的增加,使得其仍承受著比較高的暴露風險,因此更需要加以防護。

圖7 四川盆地2016—2020年城鄉各年齡段人群在不同 季節PM2.5暴露風險(R*)的對比Fig.7 Comparison of PM2.5 exposure risk (R*) between urban and rural populations of different ages in different seasons in Sichuan Basin from 2016 to 2020

2.3 四川盆地PM2.5污染導致的健康損失評估

本文采用IER模型計算了四川盆地2016—2020年年均可歸因于PM2.5污染的健康損失(即過早死亡人數,以下簡稱為歸因死亡人數)為12.65萬人,其結果如表2所示。

表2 四川盆地2016—2020年年均可歸因于PM2.5污染的過早死亡人數

由表2可知:四川盆地各市由STK疾病導致的歸因死亡人數最多,共計6.632萬人(占52.42%),其余3種疾病,即IHD、COPD及LC疾病導致的過早死亡人數占比分別為26.54%、13.37%和7.67%。STK與IHD作為嚴重威脅人類健康的循環系統疾病,具有高患病率、高致殘率和高死亡率的特點,居各種死因首位[53]。據WHO估計,在2016年全球范圍內與室外空氣污染有關的過早死亡中約58%是因為IHD和STK疾病所致,COPD和急性下呼吸道感染疾病導致18%的過早死亡,另有6%的過早死亡是由LC疾病所致[54]。通過對比四川盆地各城市歸因于PM2.5污染的歸因死亡人數的空間分布與各城市人口總數的空間分布高度相似,歸因死亡人數最高的城市是重慶(3.663萬人)、成都(2.182萬人)和南充(0.786 3萬人),與之對應,雅安(0.176 6萬人)是歸因死亡人數最低的城市,此外資陽和廣元歸因死亡人數也較低,均在3 000人以下。

蔣葉等[22]應用GBD-IER模型計算了成都市2014年和2019年由PM2.5污染導致的歸因死亡人數分別為2.024萬人和1.834萬人,相比本研究的計算結果略低,可能是由于PM2.5濃度數據和采用的基線死亡率來源等不同所致。此外,為了消除人口總數對歸因于PM2.5污染的健康損失的影響,以便更直觀地了解PM2.5污染導致的過早死亡率,通過采用PM2.5污染導致的歸因死亡人數除以各城市2016—2020人口總數均值的方式計算其PM2.5歸因死亡率,結果顯示:各城市PM2.5污染的歸因死亡率與PM2.5污染嚴重程度總體呈正相關,即PM2.5污染較為嚴重的自貢和宜賓地區PM2.5污染的歸因死亡率最高,每萬人中分別有23人和25人因為PM2.5污染而導致過早死亡,而PM2.5年均污染程度最低的廣元地區導致過早死亡率最低,為17人,其余各城市差別不大,平均為24人,凸顯了在四川盆地PM2.5高污染地區須控制大氣顆粒物污染的必要性和緊迫性。

3 結 論

1) 比較3種PM2.5暴露風險評估指標,EI考量了人口分布對于PM2.5暴露風險的影響,R考量了人群環境暴露參數對于PM2.5暴露風險的影響,而R*在考量人口分布的基礎上考慮了人群環境暴露參數對于PM2.5暴露風險的影響,能更為準確地反映四川盆地PM2.5暴露風險的相對大小。四川盆地2016—2020年R*最大值、最小值分別出現在成都(2.296×10-5)、雅安(3.072×10-6),未來PM2.5污染防控重點區域應著眼于人口集中的地區。

2) 四川盆地2016—2020年人群PM2.5暴露風險R*值呈現出冬季最高,夏季最低,春、秋季介于兩者之間的典型季節變化特征。

3) 四川盆地2016—2020年春季、秋季R*高值區集中分布在盆地中西部及南部,夏季集中分布在盆地中西部,其范圍較春季有所減小,冬季擴展到整個盆地中部及東部;各季節R*低值區主要位于盆地周邊地區。另外,其時空分布差異不大,整體表現為城市>農村。

4) 四川盆地2016—2020年大多數年齡段城市人群的R*值大于農村人群(除9～<12歲人群和6～<9歲的男性人群外)。城市人群R*值于45～<60歲(12～<15歲)達到最高(低),18歲以上成年人群的PM2.5暴露風險比18歲以下未成年人群高;農村人群R*值于9～<12歲(15～<18歲)達到最高(低),成年人群中R*峰值出現在18～<45歲人群。由此可知,對于城市成年人群、農村9～<12歲兒童人群特別需要展開針對性的防護工作,以減少PM2.5暴露傷害。另外,60歲以上城市人群由于長期呼吸頻率較高、室外活動時間較長,即使在PM2.5濃度相對較低的季節(春秋),仍面臨著較高的PM2.5暴露風險,更需要加強防護。

5) 四川盆地2016—2020年年均可歸因于PM2.5污染的健康損失(即過早死亡人數)為12.65萬人,其中由STK、IHD、COPD和LC疾病導致的過早死亡人數占比分別為52.42%、26.54%、13.37%和7.67%,表明四川盆地大氣污染導致的健康負擔仍然很重,需要實施更加嚴格的空氣污染控制政策。