上海市霧霾健康經(jīng)濟(jì)損失風(fēng)險(xiǎn)評估

姜綿峰, 葉春明,*, 盛真真, 盛小星, 花宇

1. 上海理工大學(xué)管理學(xué)院, 上海 200090 2. 廣東醫(yī)學(xué)院研究生學(xué)院, 廣東湛江 524000

上海市霧霾健康經(jīng)濟(jì)損失風(fēng)險(xiǎn)評估

姜綿峰1, 葉春明1,*, 盛真真1, 盛小星1, 花宇2

1. 上海理工大學(xué)管理學(xué)院, 上海 200090 2. 廣東醫(yī)學(xué)院研究生學(xué)院, 廣東湛江 524000

為量化評估霧霾顆粒物PM2.5的區(qū)域人群健康損害, 基于2006—2015年上海市地方統(tǒng)計(jì)數(shù)據(jù), 使用暴露反應(yīng)關(guān)系函數(shù)計(jì)算上海市霧霾健康經(jīng)濟(jì)損失及占同年GDP比例, 采用Bootstrap信息擴(kuò)散綜合模型分析了健康損失在不同風(fēng)險(xiǎn)水平下的超越概率、期望水平和重現(xiàn)周期, 并利用多項(xiàng)式擬合預(yù)測了未來5年的健康損失值以及占GDP比例。結(jié)果顯示上海市PM2.5國家標(biāo)準(zhǔn)健康經(jīng)濟(jì)損失最高為2013年的120.89億元, 占GDP比例最大為2015年的4.60‰; 目前上海市PM2.5的健康經(jīng)濟(jì)損失超過80億元的概率為56.62%, 近10年平均健康損失約94.64億元, 平均占GDP比例約5.42‰, 5年內(nèi)會(huì)出現(xiàn)144億元左右的健康損失, 預(yù)計(jì)2020年損失值達(dá)到261.85億元。上海市PM2.5經(jīng)濟(jì)健康損失出現(xiàn)快速波動(dòng)上升趨勢, 需要有效措施控制霧霾污染同時(shí)設(shè)置預(yù)警機(jī)制應(yīng)對潛在的突發(fā)事件。

上海; 霧霾; 經(jīng)濟(jì)損失; 占GDP比例; 超越概率

1 前言

2000年后經(jīng)過將近5輪環(huán)保三年行動(dòng)計(jì)劃, 上海市環(huán)境空氣質(zhì)量優(yōu)良率總體呈上升趨勢, 然而新型大氣污染問題凸顯, 其中主要由細(xì)顆粒物(PM2.5)造成的霧霾近幾年成為上海市最嚴(yán)重的環(huán)境問題[1]。細(xì)顆粒物(PM2.5)的物理性質(zhì)特殊且化學(xué)成分復(fù)雜, 不僅會(huì)引起可見度下降還能引發(fā)各種急慢性健康問題,已成為治理城市霧霾污染的重點(diǎn)和關(guān)鍵[2–3]。

針對霧霾污染的健康危害, 國內(nèi)外學(xué)者展開了不同層面的經(jīng)濟(jì)損失評估。穆泉等[4]學(xué)者計(jì)算了2013年1月全國霧霾直接經(jīng)濟(jì)損失以及健康經(jīng)濟(jì)損失的比例。QUAH E等[5]估算了霧霾對新加坡人口死亡和發(fā)病效應(yīng)的經(jīng)濟(jì)損失和占到當(dāng)年GDP比例。MATUS K等[6]學(xué)者研究了空氣質(zhì)量、人口、收入水平與霧霾污染邊際損失的關(guān)系以及污染損失占GDP比例的變化趨勢。地區(qū)城市方面, 陳仁杰等[7]估算出2006年P(guān)M10對我國113個(gè)主要城市的健康經(jīng)濟(jì)總損失, 劉曉云等[8]學(xué)者分別就國家和國際兩個(gè)標(biāo)準(zhǔn)計(jì)算了PM10對珠三角9個(gè)城市的急性健康損失及占GDP比例。黃德生等[9]學(xué)者研究了京津冀地區(qū)PM2.5的健康和經(jīng)濟(jì)改善效益。潘小川等[10]學(xué)者估算了的北京上海廣州等中心城市2010年P(guān)M2.5引起的早死人數(shù)和經(jīng)濟(jì)損失。謝元博等[11]學(xué)者研究了2013年1月 PM2.5造成的北京市健康損失, 陳依等[12]分析了10年間南京市PM10的健康損失變化特征, 侯青等[13]用 meta分析定量評估了蘭州市 2002—2009年間PM10健康經(jīng)濟(jì)損失, KAN等[14]分析2001年上海市PM10的經(jīng)濟(jì)損失及占 GDP比例。上述研究利用歷史資料計(jì)算了霧霾導(dǎo)致的直接健康經(jīng)濟(jì)損失, 污染因子以 PM10為主, 健康終端以人口早逝為主, 部分研究使用舊的國家空氣標(biāo)準(zhǔn)和國外參數(shù), 對健康經(jīng)濟(jì)損失的概率分布規(guī)律沒有深入分析, 缺少對不同損失規(guī)模的預(yù)先評估。

我國空氣質(zhì)量標(biāo)準(zhǔn)滯后于國際相關(guān)標(biāo)準(zhǔn), 霧霾顆粒物 PM2.5的監(jiān)測數(shù)據(jù)缺乏共同導(dǎo)致霧霾健康損失這一方面缺乏系統(tǒng)的風(fēng)險(xiǎn)評估。作為全國經(jīng)濟(jì)發(fā)展改革中心城市, 上海市人口對土地、能源和交通需求巨大導(dǎo)致資源生態(tài)壓力指數(shù)居高不下[15–16], 霧霾對居民的健康影響急需預(yù)先的風(fēng)險(xiǎn)評估。依據(jù)最新空氣質(zhì)量標(biāo)準(zhǔn)和計(jì)算方法, 定量分析近10年上海市 PM2.5的健康經(jīng)濟(jì)影響, 并以此為基礎(chǔ)計(jì)算不同損失規(guī)模的概率分布, 就出現(xiàn)周期和未來發(fā)展趨勢做出詳細(xì)分析, 旨在為上海市霧霾污染治理和能源產(chǎn)業(yè)改革提供決策參考。

2 研究方法

在洪澇、氣象和地震等災(zāi)害風(fēng)險(xiǎn)評估主流方法中, 概率統(tǒng)計(jì)方法和信息擴(kuò)散模型方法都需要參考?xì)v史數(shù)據(jù)進(jìn)行分析[17]。目前對于霧霾健康損失缺乏可信的官方資料, 尤其是各省市的健康損失資料較少。通過流行病學(xué)的暴露反應(yīng)函數(shù)計(jì)算上海市歷年的健康經(jīng)濟(jì)損失, 在既得歷年損失值的基礎(chǔ)上, 根據(jù)信息擴(kuò)散模型深入研究健康損失的概率分布。

2.1 暴露反應(yīng)函數(shù)

當(dāng)前大氣污染健康損失計(jì)算中, 健康損失首先通過流行病學(xué)的暴露反應(yīng)關(guān)系模型來得到健康效應(yīng),然后采用量化方法得到具體損失價(jià)值, 常用方法有醫(yī)療費(fèi)用法、修改的人力資本法、支付意愿調(diào)查法、統(tǒng)計(jì)生命價(jià)值和影響途徑分析法[12,18–20]。暴露反應(yīng)函數(shù)確定了人群在不同污染物濃度下某種健康問題的實(shí)際發(fā)病率E(公式1), 流行病學(xué)依據(jù)既定的E值和暴露反應(yīng)函數(shù)逆向求取污染因子的基期發(fā)病率E0,通過基期E0與實(shí)際發(fā)病率E的差值得到污染因子導(dǎo)致的某種健康問題的發(fā)病率, 再結(jié)合暴露總?cè)丝赑ed以及各類健康效應(yīng)的經(jīng)濟(jì)價(jià)值 HCmu可得到暴露人群的總體健康損失ECal(公式2)。歷年的健康經(jīng)濟(jì)損失將作為進(jìn)一步統(tǒng)計(jì)分析風(fēng)險(xiǎn)狀況的基礎(chǔ)。

其中,β為不同健康問題頻率與污染因子濃度的相關(guān)系數(shù), C為污染因子實(shí)際濃度, C0為污染因子流行病學(xué)濃度閾值, E為污染因子在濃度C下人群健康效應(yīng), E0為污染因子在濃度C0下人群健康效應(yīng)。

其中, Ped為暴露人口數(shù), ECal為污染因子造成的居民健康損失, HCmu表示暴露人群的各類健康問題的經(jīng)濟(jì)價(jià)值。

2.2 基于Bootstrap的信息擴(kuò)散模型

在災(zāi)害風(fēng)險(xiǎn)評估方法中, 信息擴(kuò)散模型具有所需數(shù)據(jù)量小、意義明確等優(yōu)點(diǎn), 常用于水災(zāi)和旱災(zāi)損失的風(fēng)險(xiǎn)評估[21–23]。歐陽蔚等研究表明傳統(tǒng)信息擴(kuò)散估計(jì)缺少精確度, 而基于Bootstrap重抽樣技術(shù)的復(fù)合信息擴(kuò)散得到的區(qū)間估計(jì)結(jié)果更精確可信[24]。其基本原理如下:

(1) 構(gòu)造重抽樣本。設(shè)原始樣本X=(x1,x2,…,xm),采用隨機(jī)抽樣法從樣本X中抽取N組容量為m的樣本X'(t)=(x1',x2',…,xm'), t=1,2,…,N, N是整數(shù), 則X'(t)稱為X的Bootstrap樣本。

(2)重抽樣信息擴(kuò)散。設(shè)樣本信息擴(kuò)散域?yàn)閁=(u1,u2,…,un), n表示擴(kuò)散控制點(diǎn)數(shù)量, 一般小于樣本容量 m。將樣本X'(t)中各樣本點(diǎn)帶入公式 3中,可將所帶信息擴(kuò)散到U中。

公式3中, i=1,2,…,m; j=1,2,…,n; h表示擴(kuò)散系數(shù),

式中, m表示樣本個(gè)數(shù), a=max{X'(t )}, b=min{X'(t )}

(3)將N組bootstrap樣本帶入步驟2可得N組超越概率 Pt'。將uj處對應(yīng)的超越概率值Pt'(u≥uj)共 N組, 按大小重新排列, 則該點(diǎn)置信區(qū)間為{Pt1'(u≥uj),Pt2'(u≥uj)}, t1=round(N·(α/2)), t2=round(N·(1-α/2)), 表示顯著性水平。

3 健康經(jīng)濟(jì)損失風(fēng)險(xiǎn)評估

3.1 數(shù)據(jù)來源

表1整理了2006—2015年上海市PM2.5年平均濃度、常住人口、GDP和居民消費(fèi)水平。其中, 2006—2012 PM2.5年平均濃度, 由每年的上海環(huán)境狀況公告中PM10濃度, 按世界標(biāo)準(zhǔn)0.6進(jìn)行轉(zhuǎn)換得到[10],2013—2015 PM2.5年濃度數(shù)據(jù)來源于上海市環(huán)境保護(hù)局, 包含了2013年1月1日至2015年7月1日的PM2.5日均濃度值。PM2.5濃度閾值同時(shí)選用最新國家空氣質(zhì)量二級標(biāo)準(zhǔn)[10], 即 35 μg·m-3和 WHO(世界衛(wèi)生組織)空氣質(zhì)量準(zhǔn)則值[25], 即 10 μg·m-3, 避免單一標(biāo)準(zhǔn)誤差過大。暴露人口即上海市常住人口,居民消費(fèi)水平和GDP來自2007—2014年上海市統(tǒng)計(jì)年鑒, 并根據(jù)平均增長率推算了2014、2015年常住人口。

從表1看出, 2006年至2015年上海市PM2.5平均濃度最高出現(xiàn)在2015年, 達(dá)到55.7 μg·m-3, 高出國家二級標(biāo)準(zhǔn)59.14%, 最低點(diǎn)為2012年, 達(dá)到42.6 μg·m-3,高出了國家二級標(biāo)準(zhǔn) 21.71%, 說明上海市 PM2.5污染狀況很嚴(yán)重。這10年間上海市經(jīng)濟(jì)社會(huì)快速發(fā)展,2013年上海常住人口比5年前增加了12.82%, 2013年上海GDP比5年前增加53.53%, 居民消費(fèi)水平比5年前增加46.59%。

3.2 健康損失及超越概率

選擇霧霾污染的主要因素 PM2.5作為健康損失值核算的污染因子。鑒于我國南方北方間的地理氣候、能源結(jié)構(gòu)和收入水平差別很大[26–27], 不同省市的人口對霧霾污染的敏感反應(yīng)程度不同且不同收入水平下相同健康問題的費(fèi)用差異較大。為了準(zhǔn)確計(jì)算上海市行政區(qū)域內(nèi)的霧霾健康損失, 綜合考慮研究對象和參數(shù)的完整統(tǒng)一性, 文章選用上海交通大學(xué)趙文昌博士關(guān)于上海市 PM2.5的健康效應(yīng)終點(diǎn)以及對應(yīng)的暴露關(guān)系系數(shù)、健康終點(diǎn)發(fā)病率基數(shù)以及相應(yīng)的經(jīng)濟(jì)損失值[28], 其中健康效應(yīng)終點(diǎn)包括: 呼吸系統(tǒng)發(fā)病率、呼吸系統(tǒng)住院率、哮喘患病率、心血管疾病死亡率及活動(dòng)受限日, 以上效應(yīng)均屬于慢性效應(yīng)。霧霾對人體健康的危害可分為急性效應(yīng)和慢性效應(yīng), 流行病學(xué)研究表明霧霾顆粒物慢性效應(yīng)遠(yuǎn)大于其急性效應(yīng)[8,12], 即上述慢性效應(yīng)能全面反映霧霾健康經(jīng)濟(jì)損失實(shí)際值。利用公式(1)和(2)可計(jì)算得到2006年到2015年上海市PM2.5引起的健康經(jīng)濟(jì)損失, 其中單位經(jīng)濟(jì)損失都以 2009年為基期, 按CPI變化做相應(yīng)調(diào)整, 兩種標(biāo)準(zhǔn)的計(jì)算結(jié)果如表2所示。

表1 2006—2015年上海市經(jīng)濟(jì)環(huán)境情況Tab. 1 Economic and environmental condition in Shanghai from 2006 to 2015

由表2可知, 2006—2015年期間, 國家標(biāo)準(zhǔn)下,上海市PM2.5最大健康損失在2013年, 為120.89億元, 最小損失值在2012年, 為23.62億元; 2015年占GDP比例最大, 為4.60‰; 2012年占GDP比例最小,為 1.57‰; 2006—2015年, WHO 標(biāo)準(zhǔn)下, 上海市PM2.5健康損失值最大為 218.23億元, 最小值為86.76億元; 占 GDP比例最大為 9.30‰, 最小為5.77‰。健康經(jīng)濟(jì)損失及占GDP比例上都表現(xiàn)出波動(dòng)上升規(guī)律, 這與 PM2.5年平均濃度增加密不可分,另一方面, 上海市人口、居民消費(fèi)水平和國內(nèi)生產(chǎn)總值的快速增長起到了放大作用。

采用復(fù)合信息擴(kuò)散模型, 對上述經(jīng)濟(jì)損失計(jì)算超越概率及可信區(qū)間。其中, 經(jīng)濟(jì)損失擴(kuò)散域設(shè)定為[20, 240], 風(fēng)險(xiǎn)控制點(diǎn)數(shù)量 m=23, 原始樣本為兩i種標(biāo)準(zhǔn)下的 20個(gè)經(jīng)濟(jì)損失值, 抽樣次數(shù) N=10000,顯著水平α取0.25和0.1。由表1可知, 兩種標(biāo)準(zhǔn)得到的經(jīng)濟(jì)損失差額達(dá)到 1倍以上, 這種極端的結(jié)果不能完全反映健康損失的實(shí)際分布, 為此將同年的兩種結(jié)果平均值也納入原始數(shù)據(jù)中, 用來計(jì)算上海市PM2.5健康損失的信息擴(kuò)散超越概率以及Bootstrap抽樣的區(qū)間估計(jì), 結(jié)果見圖1, 2和表3, 4。

表2 2006—2015年上海市PM2.5健康經(jīng)濟(jì)損失Tab. 2 Economic loss of PM2.5health damage in Shangha from 2006 to 2015

圖1 上海市PM2.5健康經(jīng)濟(jì)損失風(fēng)險(xiǎn)曲線Fig. 1 Risk curve of economic loss of PM2.5health damage in Shanghai

圖2 上海市PM2.5健康經(jīng)濟(jì)損失占GDP比例風(fēng)險(xiǎn)曲線Fig. 2 Risk curve of GDP proportion for economic loss of PM2.5health damage in Shanghai

表3 上海市PM2.5健康經(jīng)濟(jì)損失超越概率Tab. 3 Exceeding probability of economic loss of PM2.5health damage in Shanghai

表4 上海市PM2.5健康損失占GDP比例超越概率Tab. 4 Exceeding probability of GDP proportion for economic loss of PM2.5health damage in Shanghai

以信息擴(kuò)散模型計(jì)算的超越概率為基礎(chǔ), 利用bootstrap重抽樣技術(shù)來確定超越概率的置信區(qū)間能提高分析的精確度, 避免單一概率值的誤差過大。由步驟(2)計(jì)算得到信息擴(kuò)散超越概率, 通過步驟(3)可以得到不同置信水平下的置信區(qū)間, 結(jié)果如圖 1所示。圖 1中, “區(qū)間估計(jì)上下限”指各控制點(diǎn)處超越概率均值的置信區(qū)間[μ- σ, μ+ σ], “超越概率上下限1、2”表示兩種置信水平時(shí)超越概率的區(qū)間估計(jì)值。一般情況下置信水平越高, 結(jié)果越可信。但研究結(jié)果表明, 在區(qū)間估計(jì)時(shí)置信水平過高會(huì)導(dǎo)致區(qū)間估計(jì)過于寬泛。為此, 借鑒歐陽蔚等學(xué)者對置信水平的研究結(jié)論, 設(shè)定置信水平分別為 0.75、0.9。以經(jīng)濟(jì)損失100億元為例做進(jìn)一步說明, 0.9置信水平下的區(qū)間估計(jì)值為[29.11%, 54.57%], 0.7置信水平下的區(qū)間估計(jì)值為[32.54%, 50.51%], 而信息擴(kuò)散模型計(jì)算的超越概率為41.58%時(shí), 對應(yīng)的均值區(qū)間估計(jì)為[33.96%, 49.34%]。由此可知, 置信水平為0.9時(shí)的估計(jì)區(qū)間包含了置信水平為0.75時(shí)的估計(jì)區(qū)間, 置信概率 0.75的區(qū)間估計(jì)比置信概率為 0.9的區(qū)間估計(jì)更接近信息擴(kuò)散超越概率及其正態(tài)區(qū)間估計(jì)值, 可見置信概率0.75的區(qū)間估計(jì)更精確。

圖1顯示了上海市10年來PM2.5健康經(jīng)濟(jì)損失的逐漸增加, 對應(yīng)的超越概率逐次降低, 超越概率的置信區(qū)間先逐漸變大, 然后逐漸變小, 起點(diǎn)和終點(diǎn)都收斂于同一處。表3顯示了不同風(fēng)險(xiǎn)水平下的健康經(jīng)濟(jì)損失、對應(yīng)的超越概率以及對應(yīng)的置信區(qū)間。經(jīng)濟(jì)損失超過60億元時(shí), 超越概率為73.52%,置信區(qū)間為[66.32%, 80.36%]; 當(dāng)經(jīng)濟(jì)損失超過100億元時(shí), 超越概率為 41.58%, 置信區(qū)間為[32.49%,50.28%]; 而經(jīng)濟(jì)損失超過160億元時(shí), 超越概率為15.46%, 置信區(qū)間為[8.46%, 22.36%]; 最后經(jīng)濟(jì)損失超過200億元時(shí), 超越概率為6.47%, 置信區(qū)間為[2.28%, 10.59%]。

如圖2所示, 置信概率0.75時(shí)的區(qū)間估計(jì)比置信概率為00.9時(shí)更精確。同時(shí)健康損失占GDP比例逐漸降低, 對應(yīng)的超越概率也逐漸降低, 對應(yīng)的超越概率估計(jì)區(qū)間先逐漸變大然后變小, 起點(diǎn)和終點(diǎn)都收斂于同一點(diǎn)。健康損失 GDP比例的風(fēng)險(xiǎn)水平、具體數(shù)值、超越概率以及區(qū)間估計(jì), 如表4所示。健康損失占GDP比例超過3‰時(shí)的超越概率為88.98%, 置信區(qū)間為[84.28, 93.43]。健康損失占GDP比例超過 5‰的概率為 60.41%, 置信區(qū)間為[51.23, 69.23]; 健康損失占GDP比例超過8‰的概率為 15.41%, 置信區(qū)間為[9.03, 21.78]; 健康損失占 GDP比例超過 10‰的概率為 1.36%, 置信區(qū)間為[9.03, 21.78]。

3.3 數(shù)學(xué)期望和重現(xiàn)周期

依據(jù)災(zāi)害損失的風(fēng)險(xiǎn)期望計(jì)算方法[29], 可得2006-2015年上海市霧霾顆粒物PM2.5的健康損失值數(shù)學(xué)期望為94.64億元, 按照2013年上海常住人口計(jì)算, 人均健康損失約392元。而2006—22015年上海PM2.5的健康損失占GDP比例的數(shù)學(xué)期望為5.42‰。

為進(jìn)一步分析上海市 PM2.5健康經(jīng)濟(jì)損失的風(fēng)險(xiǎn)狀況, 使用超越概率的倒數(shù)表示不同風(fēng)險(xiǎn)水平的重現(xiàn)周期[21,29], 即不同規(guī)模的損失多少年一遇。由上述超越概率求倒數(shù), 可得重現(xiàn)周期的不同健康損失規(guī)模分布, 結(jié)果如表5所示。

由表5和圖3可以看出, 隨著重現(xiàn)周期增加, 損失規(guī)模不斷上升, 但增加速度不斷減小, 逐漸趨向穩(wěn)定。具體地講, 當(dāng)遇到5年一遇的霧霾污染時(shí), 健康經(jīng)濟(jì)損失規(guī)模達(dá)到144億元左右, 按照2013年上海常住人口計(jì)算, 人均健康損失約 596元; 當(dāng)遇到10年一遇的霧霾污染時(shí), 健康經(jīng)濟(jì)損失規(guī)模達(dá)到183億元左右, 按 2013年上海常住人口計(jì)算, 人均健康損失約758元; 當(dāng)遇到15年一遇的霧霾污染時(shí),健康經(jīng)濟(jì)損失規(guī)模達(dá)到199億元規(guī)模, 按照2013年上海常住人口計(jì)算, 人均健康損失達(dá)824元。

3.4 健康損失預(yù)測

健康經(jīng)濟(jì)損失的變化總體呈現(xiàn)出快速增加的趨勢。為了準(zhǔn)確預(yù)測未來的損失情況, 采用數(shù)據(jù)擬合對未來幾年的情況進(jìn)行預(yù)測, 歷史數(shù)據(jù)使用表 2中的損失值。考慮到數(shù)據(jù)量大小, 分別使用線性、二次多項(xiàng)式、三次多項(xiàng)式擬合健康損失序列[30]。在擬合前, 需要對數(shù)據(jù)預(yù)處理。常用的0—1標(biāo)準(zhǔn)化處理能解決量綱不統(tǒng)一的問題, 但嚴(yán)重壓縮了數(shù)據(jù)中的有用信息, 為此將2006年設(shè)定為橫坐標(biāo)基期, 依次處理年份。擬合參數(shù)如表6、7所示。

表5 PM2.5健康損失重現(xiàn)周期Tab. 5 Recurrence period of economic loss of PM2.5health damage in Shanghai

表6 國家標(biāo)準(zhǔn)霧霾損失擬合效果Tab. 6 Polynomial fitting of economic loss of haze health in Shanghai under national standard

表7 WHO標(biāo)準(zhǔn)霧霾損失擬合效果Tab. 7 Polynomial fitting of economic loss of PM2.5health damage under WHO standard

擬合參數(shù)中, R2(確定系數(shù))和Adjusted-R2越接近 1, SSE(和方差)和 RMSE(均方根)越接近0, 擬合效果越好。由表6、7中可以看出二次多項(xiàng)式回歸的擬合效果最理想。圖3、4顯示了二次多項(xiàng)式擬合及預(yù)測的具體情況。二次多項(xiàng)式擬合結(jié)果如圖3、4所示。設(shè)定預(yù)測區(qū)間為[2016,2020], 根據(jù)圖3可知國家標(biāo)準(zhǔn)下, 5年后的健康經(jīng)濟(jì)損失(億元)分別為140.02,166.17, 195.19, 227.08, 261.85; WHO標(biāo)準(zhǔn)下, 未來5年的健康經(jīng)濟(jì)損失(億元)分別為 249.22, 283.49,320.82, 361.22, 404.68; 2020年的損失額度將是2015年的3.5倍。結(jié)果表明如果沒有過多干預(yù), 霧霾產(chǎn)生的健康損失將會(huì)出現(xiàn)迅速增加。目前需要對于霧霾的治理進(jìn)度亟需加快, 對于未來可能出現(xiàn)的大規(guī)模公共衛(wèi)生問題, 也需要相關(guān)部門做好預(yù)防準(zhǔn)備工作。

圖3 國家標(biāo)準(zhǔn)下上海霧霾健康損失預(yù)測Fig. 3 Forecast of economic loss of PM2.5health damage in Shanghai under national standard

圖4 WHO標(biāo)準(zhǔn)下上海霧霾健康損失預(yù)測Fig. 4 Forecast of economic loss of PM2.5health damage in Shanghai under WHO standard

4 結(jié)論與討論

4.1 結(jié)論

文章通過暴露反應(yīng)關(guān)系計(jì)算了國家標(biāo)準(zhǔn)和 WHO標(biāo)準(zhǔn)下上海市2006年至2015年P(guān)M2.5的健康經(jīng)濟(jì)損失及占同年GDP的比例。兩種標(biāo)準(zhǔn)條件下健康損失值都表現(xiàn)出波動(dòng)增長趨勢, 健康損失占 GDP比例也表現(xiàn)出波動(dòng)上漲趨勢, 但健康損失增長速度明顯高于占 GDP比例的增加速度。健康損失值的波動(dòng)幅度越來越大, 而健康損失占 GDP比例變化幅度逐漸減小。

在健康經(jīng)濟(jì)損失數(shù)據(jù)基礎(chǔ)上, 聯(lián)合Bootstrap重抽樣技術(shù)和信息擴(kuò)散模型對經(jīng)濟(jì)健康損失仿真實(shí)驗(yàn),得到霧霾健康經(jīng)濟(jì)損失值、超越概率和置信區(qū)間。并且根據(jù)超越概率計(jì)算得到不同損失額度的數(shù)學(xué)期望和重現(xiàn)周期。其中, 上海市PM2.5的健康經(jīng)濟(jì)損失超過80億元的概率為56.62%, 置信區(qū)間為[47.96%,65.34%]; 超過100億元的發(fā)生概率為41.58%, 置信區(qū)間為[32.94%, 50.51%]; 2006年至 2015年期間,PM2.5健康經(jīng)濟(jì)損失平均值為94.64億元, 占GDP比例平均水平為5.42‰; 上海PM2.5健康經(jīng)濟(jì)損失5年內(nèi)會(huì)出現(xiàn)144億元的規(guī)模, 10年內(nèi)會(huì)出現(xiàn)183億元的水平。

最后根據(jù)健康損失值2006年至2015年的數(shù)據(jù),利用多項(xiàng)式擬合得到了健康損失值隨年份變化的函數(shù)關(guān)系, 然后依據(jù)擬合函數(shù)預(yù)測了未來 5年上海市PM2.5的健康經(jīng)濟(jì)損失值。二次多項(xiàng)式擬合函數(shù)的預(yù)測結(jié)果顯示: 未來 5年上海的霧霾污染對人體健康危害會(huì)進(jìn)一步擴(kuò)大, 2020年國家標(biāo)準(zhǔn)下上海市PM2.5健康經(jīng)濟(jì)損失將達(dá)到261.85億元。

4.2 討論

在計(jì)算健康經(jīng)濟(jì)損失時(shí), 污染物時(shí)間空間分布差異、人口年齡結(jié)構(gòu)和暴露人口空間分布差異都會(huì)使經(jīng)濟(jì)損失值結(jié)果不同。計(jì)算模型中污染物的暴露反應(yīng)系數(shù)、閾值有多種標(biāo)準(zhǔn), 不同標(biāo)準(zhǔn)下的計(jì)算結(jié)果也不同。考慮到上述問題, 運(yùn)用信息擴(kuò)散模型計(jì)算了不同風(fēng)險(xiǎn)水平的超越概率值并通過重抽樣技術(shù)確定了置信區(qū)間, 同時(shí)完成情景分析和模擬預(yù)測,實(shí)現(xiàn)了霧霾健康損失的風(fēng)險(xiǎn)評估。霧霾健康損失有一定的時(shí)滯性, 而且對經(jīng)濟(jì)社會(huì)產(chǎn)生許多間接損失,這些都需要做進(jìn)一步的研究。

參考文獻(xiàn)

[1] 周馮琦, 湯慶合, 任文偉. 上海資源環(huán)境發(fā)展報(bào)告(2014)[M]. 北京: 社會(huì)科學(xué)文獻(xiàn)出版社, 2014.

[2] 郭新彪, 魏紅英. 大氣 PM2.5對健康影響的研究進(jìn)展[J].科學(xué)通報(bào), 2013, 58(13) ): 1171–1177.

[3] 闞海東, 陳仁杰. PM2.5對人體危害有多大[J]. 中國經(jīng)濟(jì)報(bào)告, 2015(4): 114–116.

[4] 穆泉, 張世秋. 2013年1月中國大面積霧霾事件直接社會(huì)經(jīng)濟(jì)損失評估[J]. 中國環(huán)境科學(xué), 2013, 33(11):2087–2094.

[5] QUAH E, BOON T L. The economic cost of particulate air pollution on health in Singapore[J]. Journal of Asian Economics, 2002, 14(1): 73–90.

[6] MATUS K, NAM K, SELIN N E., et al. Health damages from air pollution in China[J]. Global Environmental Change, 2011, 22(1): 55–66.

[7] 陳仁杰, 陳秉衡, 闞海東. 我國113個(gè)城市大氣顆粒物污染的健康經(jīng)濟(jì)學(xué)評價(jià)[J]. 中國環(huán)境科學(xué), 2010, 30(3):410–415.

[8] 劉曉云, 謝鵬, 劉兆榮, 等. 珠江三角洲可吸入顆粒物污染急性健康效應(yīng)的經(jīng)濟(jì)損失評價(jià)[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010, 46(5): 829–834.

[9] 黃德生, 張世秋. 京津冀地區(qū)控制PM2.5污染的健康效益評估[J]. 中國環(huán)境科學(xué), 2013, 33(1): 166–174.

[10] 潘小川, 李國星, 高婷. 危險(xiǎn)的呼吸––PM2.5的健康危害和經(jīng)濟(jì)損失評估研究[M]. 北京: 中國環(huán)境科學(xué)出版社,2012.

[11] 謝元博, 陳娟, 李巍. 霧霾重污染期間北京居民對高濃度 PM2.5持續(xù)暴露的健康風(fēng)險(xiǎn)及其損害價(jià)值評估[J]. 環(huán)境科學(xué), 2014, 35(1): 1–8.

[12] 陳依, 柏益堯, 錢新. 南京市 PM10人群健康經(jīng)濟(jì)損失評估[J]. 安徽農(nóng)業(yè)科學(xué), 2015, 43(19): 248–250+303.

[13] 侯青, 安興琴, 王自發(fā), 等．2002–2009年蘭州 PM10人體健康經(jīng)濟(jì)損失評估[J]. 中國環(huán)境科學(xué), 2011, 31(8):1398–1402.

[14] KAN Haidong, CHEN Bingheng. Particulate air pollution in urban areas of Shanghai, China: health-based economic assessment[J]. Science of the Total Environment, 2004, 322:71–79.

[15] 姜綿峰, 葉春明. 上海城市生態(tài)足跡動(dòng)態(tài)研究––基于ARIMA模型[J]. 華東經(jīng)濟(jì)管理, 2015, 29(1): 18–24.

[16] 姜綿峰, 葉春明. 上海市建設(shè)用地時(shí)空演變的驅(qū)動(dòng)力研究[J]. 資源開發(fā)與市場, 2015, 31(2): 160–165.

[17] 毛熙彥, 蒙吉軍, 康玉芳. 信息擴(kuò)散模型在自然災(zāi)害綜合風(fēng)險(xiǎn)評估中的應(yīng)用與擴(kuò)展[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012, 48(3): 513–518.

[18] 過孝民, 於方, 趙越, 環(huán)境污染成本評估理論與方法[M].北京: 中國環(huán)境科學(xué)出版社, 2009.

[19] 曾先峰, 王天瓊, 李印. 基于損害的西安市大氣污染經(jīng)濟(jì)損失研究[J]. 干旱區(qū)資源與環(huán)境, 2015, 29(1):105–110.

[20] WEI Jiuchang, GUO Xiumei, MARINOVA D, et al.Industrial SO2pollution and agricultural losses in China:evidence from heavy air polluters[J]. Journal of Cleaner Production, 2014, 64: 404–413.

[21] 歐朝敏, 尹輝, 張磊. 洞庭湖區(qū)不同情景下農(nóng)業(yè)水旱災(zāi)害風(fēng)險(xiǎn)損失評估[J]. 農(nóng)業(yè)現(xiàn)代化研究, 2011, 32(6):691–694.

[22] 張竟竟. 河南省農(nóng)業(yè)水旱災(zāi)害風(fēng)險(xiǎn)評估與時(shí)空分布特征[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(18): 98–106.

[23] 丁青云, 艾萍, 吳軍斕, 等. 基于信息擴(kuò)散理論的干旱災(zāi)害風(fēng)險(xiǎn)評估[J]. 中國農(nóng)村水利水電, 2015(3): 99–102.

[24] 歐陽蔚, 于艷青, 金菊良, 等. 基于信息擴(kuò)散與自助法的旱災(zāi)風(fēng)險(xiǎn)評估模型––以安徽為例[J]. 災(zāi)害學(xué), 2015, 30(1):228–234.

[25] World Health Organization. Air quality guidelines for particulate matter, ozone, nitrogen dioxide and sulfur dioxide, Global update 2005, Summary of risk assessment[R]: WHO Press, 2006.

[26] CHENG Zhen, JIANG Jingkun, FAJARDO O, et al.Characteristics and health impacts of particulate matter pollution in China (2001-2011)[J]. Atmospheric Environment, 2013, 65: 186–194.

[27] AN Xingqin, HOU Qing, LI Nan, et al. Assessment of human exposure level to PM10 in China[J]. Atmospheric Environment, 2013, 70: 376–386.

[28] 趙文昌. 空氣污染對城市居民的健康風(fēng)險(xiǎn)與經(jīng)濟(jì)損失的研究[D]. 上海: 上海交通大學(xué), 2012.

[29] 杜鵑, 汪明, 史培軍. 基于歷史事件的暴雨洪澇災(zāi)害損失概率風(fēng)險(xiǎn)評估––以湖南省為例[J]. 應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào), 2014, 22(5): 916–927.

[30] 付艷茹. 基于MATLAB曲線擬合的應(yīng)用研究[J]. 吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010(2): 55–58.

Risk assessment for economic loss of haze health damage in Shanghai

JIANG Mianfeng1, YE Chunming1,*, SHENG Zhenzhen1, SHENG Xiaoxing1, HUA Yu2
1. Business School, University of Shanghai for Science and Technology, Shanghai 200090, China 2. Graduate College, Guangdong Medical University, Zhanjiang, 524000, Guangdong, China

For quantitative evaluation of health damage towards local people of haze particles PM2.5, exposure response unction was used to calculate the economic loss of haze health damage in Shanghai and its proportion of GDP based on available data of Shanghai in 2006-2015. The paper analyzed exceeding probability, expectation and recurrence period of different risk levels by using the bootstrap information diffusion comprehensive model, and predicted the economic loss and its hare of GDP in the next five years by applying polynomial fitting. Results indicated that the highest loss was 120.89 billion yuan in 2013 under the national standard, and the highest proportion of GDP in 2015 was 4.60‰, and the probability of exceeding 8 billion yuan was 56.62%. Average economic loss reached 94.64 billion yuan in Shanghai from 2006 to 2015, and he average proportion of GDP was 5.42‰. It will happen once or more that the economic loss exceeds 144 billion yuan in next ive years. The economic loss in Shanghai is going to exceed 261.85 billion yuan in 2020. Considering that economic loss of haze health damage in Shanghai had risen rapidly, effective measures should be adopted to control pollution, and the warning mechanism is also necessary in case of potential emergence.

Shanghai; haze; economic loss; proportion of GDP; exceeding probability

10.14108/j.cnki.1008-8873.2017.03.013

F205; X821

A

1008-8873(2017)03-090-08

姜綿峰, 葉春明, 盛真真, 等. 上海市霧霾健康經(jīng)濟(jì)損失風(fēng)險(xiǎn)評估[J]. 生態(tài)科學(xué), 2017, 36(3): 90-97.

JIANG Mianfeng, YE Chunming, SHENG Zhenzhen, et al. Risk assessment of economic loss for haze health damage in Shanghai[J].Ecological Science, 2017, 36(3): 90-97.

2015-11-14;

2015-12-11

國家自然科學(xué)基金項(xiàng)目(71271138); 上海市哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目(2014BGL024); 上海市一流學(xué)科資助項(xiàng)目(S1201YLXK); 滬江基金資助項(xiàng)目(A14006)

姜綿峰(1991—), 男, 河南商城人, 碩士研究生, 主要從事生態(tài)經(jīng)濟(jì)及風(fēng)險(xiǎn)管理研究, E-mail: jiangmianfeng@yeah.net

*通信作者:葉春明(1964—), 男, 安徽宣城人, 博士, 教授, 主要從事技術(shù)經(jīng)濟(jì)及系統(tǒng)工程研究, E-mail: yechm6464@163.com