成都市大氣污染所致青少年健康風險及預測分析

夏依章 李 燃 張 艷 陳 煜

1.成都醫學院公共衛生學院，四川成都 610500；2.成都醫學院大健康與智能工程學院，四川成都 610500

隨著城市化、工業化的進程加快，能源消耗的持續增加，空氣污染及其對人體健康的影響逐漸成為全球面臨的重大環境和公共衛生問題。經濟的高速發展在迅速提升人民生活水平的同時也帶來了高溫、寒潮、霧霾等極端氣候現象，由此所帶來的人群健康問題也越來越受到重視[1-5]。以往研究更多地關注了重污染區域如京津冀[6-8]、珠三角[9]等地區成年人群和兒童，對其他城市弱勢群體尤其是青少年的研究尚不多見。青少年正處于生長發育期，其呼吸道和免疫系統還不夠成熟，新陳代謝更快，其呼吸系統對大氣污染具有更高的敏感度[10-13]。因此，定期開展大氣污染健康風險評價并評估大氣污染物對青少年健康的危害程度十分必要[14]。本文通過對比分析西北六省省會城市主要大氣污染物排放特征，采用美國環保局推薦的健康風險評價模型對成都市大氣中大氣污染物所致青少年健康風險進行評估，利用灰色GM（1，1）模型對成都市2021—2025 年大氣污染物所致青少年健康風險進行預測，其結果可以為決策者在制訂環保政策提供信息支持和政策依據。

1 資料與方法

1.1 數據來源

PM2.5、PM10、SO2、NO2、CO 和O3的質量濃度數據均來自全國城市空氣質量實時發布平臺，此平臺數據源于國家環境空氣質量自動監測點。

1.2 計算方法

采用美國環境保護署（U.S Environmental Protection Agency，EPA）的非致癌效應污染物健康風險評估模型，主要針對成都市大氣污染物（PM2.5、PM10、SO2、NO2、CO 和O3）所致青少年的健康風險進行評價；采用MATLAB2020 統計軟件中的GM（1，1）模型對成都市2021—2025 年大氣污染物所致青少年健康風險進行預測。

1.2.1 暴露劑量計算PM2.5、PM10、SO2、NO2、CO 和O3主要經呼吸途徑暴露[15]，且不同年齡和性別人群的日均攝入量不同，因此用公式（1）[16]來計算SO2、NO2、CO和O3經呼吸途徑的暴露劑量：

式中：AED 為非致癌物經呼吸道的日均暴露劑量[mg/（kg·d）]；C 為環境中該污染物的質量濃度（mg/m3）；BS 為呼吸速率（m3/d）；ED 為暴露持續時間（d）；HQ 為人體質量（kg）；MT 為平均暴露時間（d）。其中BS 和HQ等參數，參考《中國人群暴露參數手冊》[17]，6～17 歲男、女BS 和HQ 分別為11.78、11.36 m3/d 和39、37 kg。

1.2.2 非致癌物（PM2.5、PM10）的健康風險評價模型 PM2.5、PM10的健康風險計算公式如（2）[18]：

式中：Ra 表示PM2.5和PM10產生的健康風險；C 為PM2.5和PM10終生日均暴露劑量（μg/m3）；RfC 為PM2.5和PM10的參考濃度（μg/m3），其分別為25 μg/m3和50 μg/m3。

1.2.3 非致癌物（SO2、NO2、CO 和O3）的健康風險評價模型 SO2、NO2、CO 和O3的健康風險計算公式如（3）[19]：

式中：R 為非致癌性污染物經呼吸途徑所引起的健康風險；10-6為可接受危險度水平；RfD 為參考劑量[mg/（kg·d）]，其中，SO2和NO2的RfD 值分別為0.023、0.029 mg/（kg·d），CO 和O3的RfD 值尚未公布，因此采用WHO 發布的空氣質量準則中相關濃度限值并結合相關人群的暴露參數計算得到CO 和O3的RfD值；81 為人均壽命（年）。

1.2.4 評價標準 采用瑞典環境保護局、荷蘭建設和環境部推薦的最大可接受水平1×10-6/a[20]，作為污染物健康風險評判的依據。

2 結果

2.1 大氣污染特征

6 個城市中，西安市PM2.5和PM10年均濃度最高（51.06、90.88 μg/m3），蘭州市PM2.5最低（35.39 μg/m3），成都市PM10最低（63.95 μg/m3）；西寧市SO2年均濃度最高（15.37 μg/m3），成都市最低（5.95 μg/m3）；蘭州市NO2年均濃度最高（47.13 μg/m3），銀川市最低（35.45μg/m3）；蘭州市CO 年均濃度最高（975.41 μg/m3），成都市最低（715.42 μg/m3）；西寧O3年均濃度最高（91.89 μg/m3），蘭州最低（75.36 μg/m3）。見圖1。

圖1 2020 年成都市與西北五省省會城市6 種大氣污染物濃度特征

2.2 大氣污染物健康風險評價

2020 年成都市大氣中SO2和NO2所致青少年月均健康風險在0.81×10-9～1.32×10-8及2.70×10-9～1.11×10-8之間，CO 和O3健康風險在0.55×10-8～0.94×10-7及0.47×10-8～0.28×10-7之間，均低于瑞典環境保護局、荷蘭建設和環境部推薦的最大可接受水平為1×10-6。SO2所致青少年健康風險全年波動不明顯；NO2的健康風險在11 月最高，2 月最低；CO 的健康風險1 月最高，10 月最低；O3的健康風險5 月最高，1 月最低。其中，SO2的健康風險性別影響沒有明顯差異，CO、NO2和O3對女性的影響均大于男性。見圖2。PM2.5和PM10所致青少年月均健康風險分別在8.80×10-7～2.76×10-6及7.60×10-7～1.82×10-6之間，最大值均在1 月，最小值均在7 月。見圖3。

圖2 2020 年成都市SO2、NO2、CO、O3 逐月健康風險

圖3 2020 年成都市PM2.5、PM10 逐月健康風險

2.3 GM（1，1）模型預測結果

調用MATLAB 程序，分別對成都市大氣中PM2.5、PM10、SO2、NO2、CO 和O3建立GM（1，1）模型，得到6 種污染物所致青少年健康風險預測模型見表1。

表1 成都市大氣中各污染物灰色模型

模型結果顯示，成都市2015—2020 年各污染物所致青少年健康風險預測值與實際值的相對誤差較小，可以用來預測未來5 年成都市大氣污染物所致青少年的健康風險值。經預測，2021—2025 年成都市大氣 中PM2.5、PM10、SO2、NO2、CO和O3所致青少年的健康風險均呈下降趨勢，2025 年比2021 年分別下降了34.4%、40.1%、60.7%、78.0%、61.8%和11.6%，其中NO2所致青少年的健康風險下降最大，而顆粒物和O3降幅較小。見表2。

表2 成都市2021—2025 年污染物所致青少年健康風險預測值（10-7/a）

3 討論

研究結果顯示，成都市大氣污染狀況整體較西北六省首府城市良好，主要污染物仍為PM2.5，其冬季最高達189 μg/m3，高于蘭州、銀川等地。從超標情況來看，成都、西安、西寧、蘭州、銀川和烏魯木齊PM2.5分別超標1.10、1.46、1.03、1.01、1.05 和1.37 倍。O3污染位列西北六省會城市首位，尤其春夏季100 μg/m3以上區間值占50%以上，全年O3超標天數高達101 d；成都市NO2排放與烏魯木齊、西寧等城市比較，也呈現出較高水平。

前期研究成果已經表明，長期吸入顆粒物和O3可導致哮喘、支氣管炎和慢性阻塞性肺疾病等呼吸系統疾病的發病率和死亡率升高，尤其對青少年的影響遠大于成年人[21-23]。本研究進一步分析污染物所致青少年的健康風險，結果顯示，PM2.5和PM10所致青少年健康風險全年呈“U”形變動，除夏季外，均高于最大可接受水平1×10-6，最大值分別達到2.76×10-6、1.82×10-6。其中PM2.5所致青少年健康風險高于PM10，與張永江等[24]的研究結果一致；O3的健康風險全年波動呈倒“U”形，有明顯的季節性差異，最大值位于春夏季節，且對女生的影響略高于男生，主要原因是6～17 歲女生呼吸速率小、體重輕，致使其暴露系數值高，因而健康風險差異較為明顯。O3嚴重污染可能是由于春夏季節氣溫高、氣壓高等因素影響，逆溫層持久不散，使得污染物不易擴散，說明成都市需要加強顆粒物和O3的協同治理，以降低各種青少年呼吸系統疾病的發生。此外預測結果顯示，按現有數據，2021—2025 年成都市大氣主要污染物所致青少年健康風險將逐年下降，但相較NO2和PM10，PM2.5和O3所致青少年的健康風險降幅較小，僅從2021 年13.93×10-7降至2025 年的9.15×10-7，O3降幅僅為11.6%。這也進一步提示，O3和顆粒物的治理十分重要，建議有關部門從產業結構、能源結構和城市布局等方面入手，通過減少汽車和工業廢氣的排放，使用清潔能源、環保產品等進一步保障青少年健康水平。

綜上所述，從20 世紀80 年代起成都市開始大氣污染治理，對改善成都市大氣質量起到了很大作用，但受地形、氣候及工業化發展速度等條件影響，部分大氣污染物的排放量依然高居不下。尤其2020 年以后機動車保有量超過500 萬，產生的氫氧化物不斷增加使得NO2、O3等污染物排放量顯著增長。成都的大氣污染防治成果有目共睹，但以PM2.5、PM10和O3為代表的區域復合型污染仍然比較明顯，應進一步關注大氣污染物對青少年造成的危害。同時，建議盡量使用清潔能源及加快重工業的改造和升級，倡導青少年在霧霾天氣盡量減少室外活動，采取一些防護措施，如佩戴口罩；在青少年集中的學校、小區等公共場所使用空氣凈化裝置等[25-26]。

此外，本研究仍存在以下不足：未考慮污染物之間混合效應及細顆粒物中負載的其他有毒有害物質（如多環芳烴、重金屬等）所致青少年的健康風險，一定程度上可能會影響評估結果的準確性；預測模型中，樣本較小，未能更準確地預測污染物所致人群的健康風險。