基于多源融合數據評估2014—2018年中國地表大氣臭氧污染變化及其健康影響

王莼璐　王毅一　史之浩　孫金金　龔康佳　胡建林

摘要 基于中國環境空氣質量監測站觀測數據、區域空氣質量模式（CMAQ）模擬數據和衛星反演數據，利用數據融合方法獲得了2014、2018年地表大氣O3質量濃度水平變化及其空間分布，通過空氣污染控制健康效益評估工具（BenMAP-CE）評估了2014、2018年中國O3導致的過早死亡人數。結果表明：2018年中國O3日8 h最大（O3-MDA8）質量濃度年均值為98.0 μg/m3，較2014年的87.9 μg/m3增長了11.5%，其中安徽省、山西省和山東省的O3-MDA8質量濃度增加最為明顯;2014和2018年O3相關過早死亡人數分別為17.4萬和26.7萬，過早死亡人數增長率約為57%;中國9個區域中的中部區域O3質量濃度和O3相關過早死亡人數較其他幾個區域增長最多，并且人口密度為1 000人/km2左右的區域過早死亡人數增加最多;河南省、河北省和四川省的O3相關過早死亡增加人數比其他省份多;近年來中國地表大氣O3的健康危害的增加程度遠大于O3質量濃度的增加程度，應盡快加強對O3污染的控制。

關鍵詞臭氧;多源數據融合;暴露評估;健康風險

當前我國面臨以臭氧（O3）和細顆粒物（PM2.5）為主要污染物的大氣復合污染問題。隨著我國大氣污染防治行動計劃的實施，PM2.5污染得到改善，但O3污染呈現惡化態勢。Silver et al.（2020）指出全國50%的觀測站點均觀測出O3濃度在增長，2015—2017年我國O3日8 h最大質量濃度（O3-MDA8）年均值每年增長4.6 μg/m3。我國74個關鍵城市的O3質量濃度2017年年均為164 μg/m3，相較于2013年增長了23 μg/m3（Huang et al.，2018）。

近地面O3作為一種強氧化劑不僅會損害植物葉片造成作物減產，對人體健康和其他生態系統組成部分都有極大危害（Feng et al.，2018）。如果O3被大量吸入，將會損傷人體呼吸系統，對人體的循環系統也會產生不良影響（Atkinson et al.，2016;Malley et al.，2017;袁才秋，2017;李函穎，2020）。近年來O3濃度的增長對人體健康產生了更大的危害。Wu et al.（2019）評估發現珠三角區域O3濃度從2006到2015年增加10.8%，而O3導致的過早死亡人數增加了66%;Wang et al.（2020）估算出我國2015—2018年O3濃度增加了15.22%，而O3相關過早死亡人數增加了近一倍。由此可見，O3濃度的變化程度并不能完全反映O3的健康影響變化程度。

近年來國內外有大量評估O3相關健康效益的研究，如Liu et al.（2018）利用WRF-CMAQ模型模擬出了我國2015年近地O3導致的以慢性阻塞性肺病（COPD）為健康終點死亡的人數約5.53～8.03萬人;Seltzer et al.（2018）利用觀測數據評估2015年我國O3導致全因死亡的人數約為20萬人;Maji et al.（2019）利用觀測數據評估我國2016年O3導致全因死亡的人數約11.3～16.3萬人。Wang et al.（2021）利用空氣質量模型數據模擬我國2013—2017年O3導致全因死亡的人數從17.1萬人增加至23.2萬人。綜上研究發現，在我國評估O3相關健康效益的相關研究多數采用了單一濃度數據源并且結果存在差異。目前國外相關研究中采用地面觀測數據、空氣質量模式模擬數據和衛星反演數據融合后的數據分析O3相關健康效益，Conhen et al.（2017）研究發現全球2015年因O3導致的以COPD為健康終點死亡的人數約為25.4萬人。由于融合數據可以有效提升污染物濃度準確度，因此在國外相關研究中被廣泛使用，而在我國卻很少有研究使用融合數據源。

準確評估O3污染的變化及其健康影響可以為空氣污染控制策略的制定提供重要科學依據。評估的準確性受到暴露濃度的空間分布、人口數據、基線死亡率等數據的影響，其中暴露濃度水平是一個關鍵因素。目前O3濃度數據的評估主要包含基于地面監測站的觀測數據、基于空氣質量模式的模擬數據、基于衛星遙感觀測的反演數據。然而這3種數據源各有優缺點，通常地面監測站的觀測數據相較于其他兩種數據，提供了較為準確的地面O3濃度數據，但是其空間覆蓋范圍有限，此外由于觀測儀器、天氣等因素觀測數據會出現缺測值（Li et al.，2019）。空氣質量模式的模擬數據可以很好地覆蓋整個研究區域并且可以提供時間上較為連續的濃度數據，但是由于輸入數據及模式機理等原因，模擬結果與觀測數據之間存在一定偏差（漏嗣佳等，2010;Liang et al.，2019;朱彬等，2021）。衛星遙感觀測的反演數據同樣可以覆蓋研究區域，并且時間上也較為連續，但是由于擬合模型受到氣象因素、地理環境、人口密度等因素的影響，使得反演的數據與觀測值之間也存在偏差（吳健生和王茜，2017）。相關研究指出采用數據融合方法或采用多個數據源數據可以有效提高污染物濃度的準確度（Kelly et al.，2021）。因此將這3種數據源進行融合來克服單個數據源的缺點，是當前在健康負擔評估研究中最先進最準確的方法（Brauer et al.，2016）。

為了評估近年來我國O3濃度變化及O3導致的過早死亡人數，本研究通過融合地面觀測數據、空氣質量模式模擬數據和衛星反演數據，得到基本覆蓋全國范圍的2014—2018年的O3濃度及其空間分布，來彌補以往研究重多基于地面監測數據進行評估的空間覆蓋不足的缺點。在此基礎上，利用空氣污染控制健康效益評估工具（BenMAP-CE）估算了O3導致的過早死亡人數及變化情況，來評估近年來我國空氣中O3污染對人體健康的危害，并分析O3對健康影響變化的區域差異。

1 數據與方法

1.1 暴露評估

為了提高地面O3數據的準確性和空間覆蓋度，利用大氣環境健康研究中使用的多數據融合方法（Wang et al.，2015;Ding et al.，2019），將觀測數據、模型模擬數據和衛星數據融合，得到可以覆蓋全國大部分區域的格點數據。數據融合方法的具體公式如下：

其中：HE為在格點E處的質量濃度值;GE為在格點E處模擬濃度與衛星反演質量濃度的平均值;Wi為觀測點i的反距離平方權重;Di為格點E與觀測點i的距離;Ci為觀測點i質量濃度值;Gi為包含觀測點i的格點的模擬質量濃度與衛星反演質量濃度的平均值。

使用的地面監測站的觀測數據是從中國國家環境監測中心（CNEMC）獲得，其中2014年共有961個觀測點，2018年有1 584個觀測點，為了確保融合數據的準確度，本研究的研究范圍為以2014年所有觀測點為中心半徑為500 km所覆蓋的中國地區（Gold et al.，1997）。

使用多尺度空氣質量模式（CMAQ）用來模擬2014年和2018年全國的O3濃度，分辨率為36 km×36 km。CMAQ模型是美國環境保護署（U.S.EPA）開發的第三代空氣質量模式，已被廣泛用于模擬中國地區的O3濃度（Hu et al.，2017a;Wang et al.，2019;Liu et al.，2020;Yang et al.，2020）。本研究中使用的CMAQ模型是CMAQ v5.0.2的修改版本，其中更新了異戊二烯光化學（Hu et al.，2017b）的SOA形成途徑，并更新了硝酸鹽和硫酸鹽的非均相形成（Hu et al.，2016）。模擬中使用的人為空氣污染物排放和生物排放是用中國多分辨率排放清單（MEIC）和MEGAN v2.1估算的，使用的氣象數據是由中尺度天氣研究預報（WRF）模式提供。具體模式設置及性能評估在Hu et al.（2016）的研究中有詳細描述。本研究中，模擬的2014、2018年O3-MDA8質量濃度與觀測進行對比，相關性系數分別達到0.99和0.93，均方根誤差（RMSE）分別為27.6和16.5 μg/m3。

衛星數據是基于Wei and Li（2020）的工作，O3數據集是使用基于空氣溫度、向下短波輻射和OMI/Aura總柱O3質量濃度的時空隨機樹（STET）模型以及其他氣象變量、排放和輔助數據生成的。O3數據集具有較高的準確度，交叉驗證系數（CV-R2）為0.84，RMSE為20.1 μg/m3。該數據的分辨率為25 km×25 km，因此本研究中進行了重網格化將分辨率匹配到CMAQ模式的36 km×36 km網格上。

通過將衛星數據、空氣質量模型模擬數據以及觀測數據融合得到的2014年和2018年數據與觀測數據進行對比，RMSE分別為23.6和5.0 μg/m3，優于空氣質量模型模擬數據，尤其在2018年融合數據性能明顯優于僅使用衛星數據和空氣質量模型模擬數據。這與Kelly et al.（2021）、Xiao et al.（2021）的結果相近，均表明使用多種數據源融合數據更接近真實值，因此本研究選擇該融合數據集。

為了更好地評估人群暴露水平，本研究計算了人口加權濃度（Population Weighted Concentrations，PWC）。PWC考慮了污染物濃度和人口的空間分布情況，能更好地反映某個地區的人口平均暴露濃度（Hu et al.，2010;Liu et al.，2020）。其計算公式如下：

其中：Ci是區域內第i個網格的O3-MDA8質量濃度;Pi是此網格的人口數。

1.2 健康效益評估

本研究利用由U.S.EPA研發的空氣污染控制健康效益評估工具（BenMAP-CE v1.5）來計算O3相關過早死亡人數（Sacks et al.，2018），具體公式如下：

其中：M為O3導致的過早死亡人數;Y0為基線死亡率，這里指非意外死亡率，2014和2018年的數據分別從2015和2019年中國公共衛生與計劃生育統計年鑒（CPHFPSY 2015&2019）中獲取;P是人口，從LandscanTM數據庫獲得的2014和2018年網格人口數據（Bright et al.，2015;Rose et al.，2019）。R為相對風險系數，是指當一群人暴露于某種風險與不暴露于這種風險時事件發生的概率的比率。β是濃度與非意外死亡率之間的系數，由于目前還缺少中國相關的研究成果，本研究采用的β數值從Turner et al.（2016）獲得。C是O3-MDA8質量濃度值，單位為μg/m3;Cf為安全閾值，指當O3質量濃度低于這個值時對人體的健康影響可以忽略不計，在本研究中為57.2 μg/m3（Turner et al.，2016）。

2 結果分析

2.1 2014—2018年臭氧濃度及變化

圖1a、b分別為2014、2018年中國O3-MDA8年均空間分布，可以發現，2014年全國O3-MDA8年均質量濃度為87.9 μg/m3，其中江蘇省、山東省、河北省的中部地區以及東部沿海地區的O3-MDA8年均質量濃度較高，除此之外河南省、北京市年均質量濃度也較高（圖2）。全國9個區域中長三角（YRD）區域的O3-MDA8年均質量濃度是最高的，其中江蘇省是YRD區域濃度最高的省，而其他（Other）區域則是O3-MDA8年均質量濃度最低的區域（表1），并且全國大部分區域的年均質量濃度高于安全閾值（57.2 μg/m3）。2018年全國O3-MDA8年均質量濃度為98.0 μg/m3，其中山東省、河北省依舊是濃度較高區域，安徽省和山西省的O3-MDA8年均質量濃度增加明顯，逐漸成為O3質量濃度較高省份。華北平原（NCP）區域成為9個區域中O3質量濃度最高的區域，而Other區域依舊是質量濃度最低的區域。通過對比，發現2014年全國的PWC為90.6 μg/m3結果與Lin et al.（2018）的研究結果（91.1 μg/m3）接近。在全國不同區域中，西南（SW）、西北（NW）、四川盆地（SB）區域的PWC是低于O3-MDA8，而在NPC區域則是PWC明顯高于O3-MDA8（表1）。2018年O3-MDA8與PWC的差距更大，并且PWC一般都高于O3-MDA8（除SW區域外）。由圖3可知，在2014和2018年，不同人口密度下的PWC都高于O3-MDA8，在人口密集為103人/km2時，差異更加明顯。

O3質量濃度的變化呈現明顯的區域差異。相較于2014年，可以發現山西省和安徽省是質量濃度明顯增長的區域，四川盆地的東部區域、甘肅省南部區域、青海省部分區域的O3-MDA8質量濃度也呈現較為明顯的增長趨勢（圖1c），而西藏大部分區域和中國南部部分區域的O3-MDA8則呈現減少趨勢。從中國不同區域質量濃度變化（表1）中可以看出，2018年全國O3-MDA8年均值相較于2014年增長了10.1 μg/m3（11.5%），而人均O3暴露濃度PWC增加更為明顯（增長了16.1 μg/m3，11.7%）。Wang et al.（2020，2021）也報道過類似結果。在全國不同區域，O3質量濃度變化也并不相同，通過我國9個區域O3-MDA8變化（表1）可以發現，每個區域的O3質量濃度從2014年到2018年均在增長，其中CC區域增長最明顯，相較于2014年增長了近22%，并且CC區域中的安徽省和山西省增長得最為明顯（圖2），這與濃度空間分布也保持一致。而整個SW區域則增長并不明顯，僅增長了0.6 μg/m3。圖3顯示了不同人口密度地區的O3-MDA8質量濃度水平及變化情況，可以發現，人口密度大于103人/km2地區，O3-MDA8質量濃度要高于人口密度較小的地區，并且2014—2018年間的增幅要大于4～6 μg/m3。總之，我國各地區的O3質量濃度呈現增加趨勢，中國中部等地區質量濃度增長超過了20%，增幅明顯。

2.2 2014—2018年臭氧相關過早死亡人數及變化

評估結果表明，我國2014年O3相關過早死亡人數平均約為17.4萬人（95%置信區間：6.6～27.7萬人），2018年平均約為26.7萬人（95%置信區間：10.2～42.5萬人，表2）。2014年的平均過早死亡估計人數與Wang et al.（2020）的研究結果（17.1萬）一致，2014—2018年間O3導致的平均死亡人數增加了9.3萬，這一結果與相關研究中2015—2018年O3導致的平均死亡人數增加了7萬人的結果比較吻合（Maji and Namdeo，2021）。從2014年O3-MDA8相關過早死亡人數空間分布（圖4）來看，中國中東部是過早死亡人數較多的地區。從2018年O3相關過早死亡的空間分布可以發現，北京市、天津市、河北省、河南省、山東省、江蘇省依舊是O3相關過早死亡人數較高區域;與此同時，山西省、安徽省、四川省部分區域O3相關過早死亡人數較高。因此，2018年死亡人數較高區域較2014年的范圍擴大了。表2顯示CC和NCP區域的過早死亡人數占全國總死亡人數的48%。這是由于這兩個區域O3-MDA8年均質量濃度較高，并且人口較多，PWC結果也最高。圖5顯示O3導致的過早死亡人數與人口分布有密切聯系。與質量濃度情況類似，在人口密度在103人/km2地區，O3導致的死亡人數最多，并且2014—2018年間增加的幅度要遠大于其他區域。

相較于2014年，全國大部分區域O3相關過早死亡人數是在上升的，尤其是CC區域，雖然南方有部分城市的O3相關過早死亡人數是在下降的，但是從全國來看總體增長53%，遠高于質量濃度的增長幅度。這也表明僅依據質量濃度的高低并不能很好地反映O3對人體的危害。由圖6可以看出，安徽省、河南省、河北省、山東省、江蘇省、四川省、廣東省過早死亡人數增加明顯，而甘肅省、寧夏等雖然濃度增加較為明顯但由于地理位置較為偏僻，人口較為稀疏，O3相關過早死亡人數增加并不明顯。這也與圖5說明的人口密度較低時O3相關過早死亡人數較少相符。此外，廣西和西藏的O3相關過早死亡人數是下降的，與廣西和西藏O3質量濃度減少相符。

總而言之，O3相關過早死亡人數與O3質量濃度的高低存在一定關系，但是人口分布，地理位置等因素也會影響O3相關過早死亡人數。2014—2018年，隨著我國大部分地區O3污染的加劇，O3相關的過早死亡人數總體呈現了增長的趨勢，全國增加了約9.3萬人，增幅達到了57%。這個增幅遠大于O3濃度11.5%的增幅。尤其是CC地區O3相關過早死亡人數增幅超過了80%，而在SB地區增加了一倍多。在這些地區，O3污染控制尤其緊迫。

3 結論與討論

近年來我國年均O3質量濃度呈上升趨勢，并且對人體健康產生了極大的危害本研究采用當前最先進的數據融合方法，結合了地面觀測數據、空氣質量模式模擬數據和衛星反演數據，得到了全國范圍的2014年和2018年的地表O3質量濃度，分析了2014—2018年我國O3污染變化以及O3相關過早死亡情況，得出了以下結論：

1）2014年我國O3-MDA8年均質量濃度為87.9 μg/m3，長三角（YRD）區域的年均質量濃度在全國9個區域中是最高的，其中江蘇省是YRD區域濃度最高的省。2018年我國O3-MDA8年均質量濃度為98.0? μg/m3，相較于2014年增長了11.5%，華北平原和中國中部區域是增長最明顯的區域，其中安徽省、山西省和山東省是O3-MDA8質量濃度增加最為明顯的省份。

2）我國2014年O3相關過早死亡人數平均約17.4萬人，而2018年增加至26.7萬人，過早死亡人數增長率約為57%，增長速率明顯高于濃度，其中河南省、河北省、四川省增加人數最多的省份。我國9個區域中的中部區域O3質量濃度和相關過早死亡人數較其他幾個區域增長最多，并且人口密度為103人/km2左右的區域過早死亡人數增加最多。

總之，僅用O3質量濃度變化并不能完全反映O3的健康危害。自2014年來，我國大部分區域O3污染程度加重，并且O3相關過早死亡人數增加速率高于濃度增加速率。尤其在中國中部、華北平原等人口密集區域，急需采取污染控制措施來降低O3污染帶來的健康危害。

參考文獻（References）

Atkinson R W，Butland B K，Dimitroulopoulou C，et al.，2016.Long-term exposure to ambient ozone and mortality：a quantitative systematic review and meta-analysis of evidence from cohort studies[J].BMJ Open，6（2）：e009493.doi：10.1136/bmjopen-2015-009493.

Brauer M，Freedman G，Frostad J，et al.，2016.Ambient air pollution exposure estimation for the global burden of disease 2013[J].Environ Sci Technol，50（1）：79-88.doi：10.1021/acs.est.5b03709.

Bright E A，Rose A N，Urban M L，2015.LandScan 2014[M].Oak Ridge：Oak Ridge National Laboratory.

Cohen A J，Brauer M，Burnett R，et al.，2017.Estimates and 25-year trends of the global burden of disease attributable to ambient air pollution：an analysis of data from the Global Burden of Diseases Study 2015[J].Lancet，389（10082）：1907-1918.doi：10.1016/S0140-6736（17）30505-6.

Ding D，Xing J，Wang S X，et al.，2019.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[J].Environmental Health Perspectives，127（6）：067009.doi：10.1289/EHP4157.

Feng Z Z，Calatayud V，Zhu J G，et al.，2018.Ozone exposure-and flux-based response relationships with photosynthesis of winter wheat under fully open air condition[J].Sci Total Environ，619/620：1538-1544.doi：10.1016/j.scitotenv.2017.10.089.

Gold C M，Remmele P R，Roos T，1997.Voronoi methods in GIS[M]//Algorithmic foundations of geographic information systems.Berlin，Heidelberg：Springer Berlin Heidelberg：21-35.doi：10.1007/3-540-63818-0_2.

Hu J L，Ying Q，Chen J J，et al.，2010.Particulate air quality model predictions using prognostic vs.diagnostic meteorology in central California[J].Atmos Environ，44（2）：215-226.doi：10.1016/j.atmosenv.2009.10.011.

Hu J L，Chen J J，Ying Q，et al.，2016.One-year simulation of ozone and particulate matter in China using WRF/CMAQ modeling system[J].Atmos Chem Phys，16（16）：10333-10350.doi：10.5194/acp-16-10333-2016.

Hu J L，Huang L，Chen M D，et al.，2017a.Premature mortality attributable to particulate matter in China：source contributions and responses to reductions[J].Environ Sci Technol，51（17）：9950-9959.doi：10.1021/acs.est.7b03193.

Hu J L，Wang P，Ying Q，et al.，2017b.Modeling biogenic and anthropogenic secondary organic aerosol in China[J].Atmos Chem Phys，17（1）：77-92.doi：10.5194/acp-17-77-2017.

Huang J，Pan X C，Guo X B，et al.，2018.Health impact of China's Air Pollution Prevention and Control Action Plan：an analysis of national air quality monitoring and mortality data[J].Lancet Planet Heal，2（7）：e313-e323.doi：10.1016/S2542-5196（18）30141-4.

Kelly J T，Jang C，Timin B，et al.，2021.Examining PM2.5 concentrations and exposure using multiple models[J].Environ Res，196：110432.doi：10.1016/j.envres.2020.110432.

李函穎，2020.環境空氣中的臭氧來源、危害及防治措施研究[J].科技與創新（17）：105-106. Li H Y，2020.Research on the source，harm and prevention measures of ozone in ambient air [J].Sci Technol Innov（17）：105-106.doi：10.15913/j.cnki.kjycx.2020.17.043.（in Chinese）.

Li J B，Zhu Y，Kelly J T，et al.，2019.Health benefit assessment of PM2.5 reduction in Pearl River Delta region of China using a model-monitor data fusion approach[J].J Environ Manag，233：489-498.doi：10.1016/j.jenvman.2018.12.060.

Liang S，Li X L，Teng Y，et al.，2019.Estimation of health and economic benefits based on ozone exposure level with high spatial-temporal resolution by fusing satellite and station observations[J].Environ Pollut，255：113267.doi：10.1016/j.envpol.2019.113267.

Lin Y Y，Jiang F，Zhao J，et al.，2018.Impacts of O3 on premature mortality and crop yield loss across China[J].Atmos Environ，194：41-47.doi：10.1016/j.atmosenv.2018.09.024.

Liu H，Liu S，Xue B R，et al.，2018.Ground-level ozone pollution and its health impacts in China[J].Atmos Environ，173：223-230.doi：10.1016/j.atmosenv.2017.11.014.

Liu T，Wang C L，Wang Y Y，et al.，2020.Impacts of model resolution on predictions of air quality and associated health exposure in Nanjing，China[J].Chemosphere，249：126515.doi：10.1016/j.chemosphere.2020.126515.

漏嗣佳，朱彬，廖宏，2010.中國地區臭氧前體物對地面臭氧的影響[J].大氣科學學報，33（4）：451-459. Lou S J，Zhu B，Liao H，2010.Impacts of O3 precursor on surface O3 concentration over China[J].Trans Atmos Sci，33（4）：451-459.doi：10.3969/j.issn.1674-7097.2010.04.009.（in Chinese）.

Maji K J，Namdeo A，2021.Continuous increases of surface ozone and associated premature mortality growth in China during 2015—2019[J].Environ Pollut，269：116183.doi：10.1016/j.envpol.2020.116183.

Maji K J，Ye W F，Arora M，et al.，2019.Ozone pollution in Chinese cities：assessment of seasonal variation，health effects and economic burden[J].Environ Pollut，247：792-801.doi：10.1016/j.envpol.2019.01.049.

Malley C S，Henze D K，Kuylenstierna J C I，et al.，2017.Updated global estimates of respiratory mortality in adults≥30 years of age attributable to long-term ozone exposure[J].Environ Health Perspect，125（8）：087021.doi：10.1289/ehp1390.

Rose A N，McKee J J，Urban M L，et al.，2019.Land scan 2018[M].Oak Ridge：Oak Ridge National Laboratory.

Sacks J D，Lloyd J M，Zhu Y，et al.，2018.The Environmental Benefits Mapping and Analysis Program-Community Edition （BenMAP-CE）：a tool to estimate the health and economic benefits of reducing air pollution[J].Environ Model Softw，104：118-129.doi：10.1016/j.envsoft.2018.02.009.

Seltzer K M，Shindell D T，Malley C S，2018.Measurement-based assessment of health burdens from long-term ozone exposure in the United States，Europe，and China[J].Environ Res Lett，13（10）：104018.doi：10.1088/1748-9326/aae29d.

Silver B，Conibear L，Reddington C L，et al.，2020.Pollutant emission reductions deliver decreased PM2.5-caused mortality across China during 2015—2017[J].Atmos Chem Phys，20（20）：11683-11695.doi：10.5194/acp-20-11683-2020.

Turner M C，Jerrett M，Pope C A III，et al.，2016.Long-term ozone exposure and mortality in a large prospective study[J].Am J Respir Crit Care Med，193（10）：1134-1142.doi：10.1164/rccm.201508-1633oc.

Wang F Y，Qiu X H，Cao J Y，et al.，2021.Policy-driven changes in the health risk of PM2.5 and O3 exposure in China during 2013—2018[J].Sci Total Environ，757：143775.doi：10.1016/j.scitotenv.2020.143775.

Wang H，Zhu Y，Jang C，et al.，2015.Design and demonstration of a next-generation air quality attainment assessment system for PM2.5 and O3[J].J Environ Sci，29：178-188.doi：10.1016/j.jes.2014.08.023.

Wang Y Y，Shi Z H，Shen F Z，et al.，2019.Associations of daily mortality with short-term exposure to PM2.5 and its constituents in Shanghai，China[J].Chemosphere，233：879-887.doi：10.1016/j.chemosphere.2019.05.249.

Wang Y L，Wild O，Chen X S，et al.，2020.Health impacts of long-term ozone exposure in China over 2013—2017[J].Environ Int，144：106030.doi：10.1016/j.envint.2020.106030.

Wei J，Li Z，2020.The China High O3 dataset（OMI，25 km，2005—2020）[E/OL].[2021-04-30].https：//www.researchgate.net/publication/349701699_ChinaHighO3_dataset.doi：10.5281/zenodo.4400043.

吳健生，王茜，2017.基于AOD數據反演地面PM2.5濃度研究進展[J].環境科學與技術，40（8）：68-76. Wu J S，Wang X，2017.Research progress of retrieval ground-level PM2.5 concentration based on AOD data[J].Environ Sci Technol，40（8）：68-76.（in Chinese）.

Wu Z Y，Zhang Y Q，Zhang L M，et al.，2019.Trends of outdoor air pollution and the impact on premature mortality in the Pearl River Delta region of Southern China during 2006—2015[J].Sci Total Environ，690：248-260.doi：10.1016/j.scitotenv.2019.06.401.

Xiao Q Y，Liang F C，Ning M，et al.，2021.The long-term trend of PM2.5-related mortality in China：the effects of source data selection[J].Chemosphere，263：127894.doi：10.1016/j.chemosphere.2020.127894.

Yang J，Zhou M G，Li M M，et al.，2020.Fine particulate matter constituents and cause-specific mortality in China：a nationwide modelling study[J].Environ Int，143：105927.doi：10.1016/j.envint.2020.105927.

袁才秋，2017.淺談大氣臭氧污染防治措施[J].城市地理（20）：197. Yuan C Q，2017.Talking about the prevention and control measures of atmospheric ozone[J].Cult Geogr（20）：197.doi：10.3969/j.issn.1674-2508.2017.20.157.（in Chinese）.

朱彬，智利蓉，盧文，等，2021.南京及周邊黑碳氣溶膠對臭氧影響的觀測分析和數值模擬[J].大氣科學學報，44（4）：626-635. Zhu B，Zhi L R，Lu W，et al.，2021.Observation alanalysis and numerical simulation of effect of black carbon on ozone in Nanjing and its surrounding areas[J].Trans Atmos Sci，44（4）：626-635.doi：10.13878/j.cnki.dqkxxb.20190415002.（in Chinese）.

Assessment of surface ozone pollution change and its health effect in China from 2014 to 2018 based on multi-source fusion data

WANG Chunlu，WANG Yiyi，SHI Zhihao，SUN Jinjin，GONG Kangjia，HU Jianlin

Jiangsu Key Laboratory of Atmospheric Environment Monitoring and Pollution Control/Collaborative Innovation Center of Atmospheric Environment and Equipment Technology/School of Environmental Science and Engineering，Nanjing University of Information Science and Technology，Nanjing 210044，China

Surface ozone（O3） pollution poses a very serious threat to human health.O3 pollution in China has been deteriorating since 2013.To evaluate the O3 pollution change and its health effect in China from 2014 to 2018，this paperutilized a novel data fusion method that combinedsurface monitoring observations，air quality model predictionsand satellite retrieval data to obtain the mass concentration and spatial distributionof surface O3，and then used the Environmental Benefits Mapping and Analysis Program-Community Edition （BenMAP-CE） model to estimate the number of O3-related premature mortality in China in 2014 and 2018.Results show that the annual average value of the maximum daily 8-hour average O3（O3-MDA8） mass concentration in 2018 （98.0 μg/m3）increases by 11.5%，compared to that in 2014 （87.9 μg/m3），among which O3-MDA8 mass concentration increases most significantly in Anhui，Shanxi and Shandong Provinces.The number of O3-related premature mortality in 2014 and 2018 is 174 000 and 267 000 respectively，and the growth rate of premature mortality numberis about 57%.Among the nine regions in China，Central China has the largest increase in O3 mass concentration and O3-related premature mortalitynumber compared with the other regions，and the regions with population density of about 1 000 people/km2 have the largest increase in premature mortality number.The number of O3-related premature mortality increases more in Henan，Hebei and Sichuan Provinces than in other provinces.In recent years，the increase of health hazards of surface atmospheric O3 in China is much greater than that of O3 mass concentration.The control of O3 pollution should be strengthened as soon as possible.

ozone;multi-source data fusion;exposure assessment;health risk

doi：10.13878/j.cnki.dqkxxb.20210206001

（責任編輯：張福穎）