山東省PM2.5污染健康效益評估研究

摘 要：為了估算和比較山東省“十三五”規(guī)劃中不同削減比例下的健康效益，根據(jù)PM2.5衛(wèi)星遙感數(shù)據(jù)和第4版世界網(wǎng)格化人口（GPWv4）數(shù)據(jù)，應用福利映射和分析計劃社區(qū)版（BenMAP-CE）以及綜合暴露-反應（IER）模型估算了PM2.5質(zhì)量分數(shù)分別削減10%、20%和30%時可避免的死亡人數(shù)、患病人數(shù)和相應的經(jīng)濟損失。其中，削減30%時的PM2.5質(zhì)量分數(shù)與2020年的PM2.5質(zhì)量分數(shù)幾乎一致，是“十三五”規(guī)劃的最終結(jié)果。研究顯示，10%、20%和30%減排目標下的健康效益依次呈倍數(shù)遞增關(guān)系，同時可避免的患病人數(shù)是可避免死亡人數(shù)的16倍。

關(guān)鍵詞：PM2.5；健康效益；健康影響；BenMAP-CE；山東省

隨著經(jīng)濟的快速發(fā)展，PM2.5已成為中國主要的空氣污染物之一，對人們的健康和社會經(jīng)濟發(fā)展造成了重大影響。雖然《大氣污染防治行動計劃》（Air Pollution Prevention and Control Action Plan，APPCAP）發(fā)布后，PM2.5質(zhì)量分數(shù)顯著降低，但與其他發(fā)達國家相比，我國PM2.5污染的健康負擔仍然很高[1]。不同地區(qū)的PM2.5污染在不同減排目標下的健康效益差異很大[2]。科學評估不同減排目標下的健康效益，可以為PM2.5排放控制策略的制定提供科學參考[3]。

山東省地處華北地區(qū)空氣污染的核心區(qū)域[4]，是傳統(tǒng)化工產(chǎn)業(yè)大省，健康風險高，健康經(jīng)濟負擔重。雖然目前已有較多研究對PM2.5進行健康影響分析，但部分研究缺少不同削減比例的比較，更缺少與京津冀相鄰區(qū)域的比較，導致結(jié)果可信度有限。此外，雖然“十三五”規(guī)劃中的PM2.5減排目標已經(jīng)實現(xiàn)，2020年“十四五”又提出了全國PM2.5質(zhì)量分數(shù)下降10%、京津冀及周邊地區(qū)下降20%的新減排目標[5]，但是山東省在“十三五”期間的健康效益仍不明確，缺乏對“十四五”減排策略的科學指導。

本研究以高分辨率衛(wèi)星遙感數(shù)據(jù)（1 km×1 km）和第4版世界網(wǎng)格化人口（the 4th Version Gridded Population of the World，GPWv4）數(shù)據(jù)為基礎(chǔ)，運用綜合暴露-反應（Integrated Exposure Response，IER）模型，基于福利映射和分析計劃社區(qū)版（Benefits Mapping and Analysis Program-Community Edition，BenMAP-CE）分別削減10%、20%、30% PM2.5，估算缺血性心臟病（Ischemic Heart Disease，IHD）（I20～I25）、慢性阻塞性肺疾病（Chronic Obstructive Pulmonary Disease，COPD）（J44）、肺癌（Lung Cancer，LC）（C34）等疾病可避免的死亡人數(shù)和呼吸系統(tǒng)疾病（J00～J98）、慢性支氣管炎（J42）、心血管疾病（I00～I99）等疾病可避免的患病人數(shù)及相應的健康效益，并與相鄰的京津冀進行比較分析，以提高結(jié)果的可靠性。

1 " 材料與方法

1.1 "數(shù)據(jù)來源

PM2.5質(zhì)量分數(shù)采用清華大學主持開發(fā)和維護的PM2.5濃度追算數(shù)據(jù)庫（PM2.5 Hindcast Database，PHD）數(shù)據(jù)，人口數(shù)據(jù)源于美國宇航局地球觀測系統(tǒng)數(shù)據(jù)以及信息系統(tǒng)數(shù)據(jù)中心、社會經(jīng)濟數(shù)據(jù)和應用中心發(fā)布的《世界網(wǎng)格化人口 第4版：人口計數(shù) 修訂版10》。

據(jù)統(tǒng)計，2016年，中國IHD、COPD、LC的死亡率分別為114.74人/105人、52.37人/105人和40.01人/105人，數(shù)據(jù)均源于“全球疾病負擔”（Global Burden of Diseas，GBD）（https：//vizhub.healthdata.org/gbd-compare/）。在最近的GBD研究中，PM2.5的理論背景質(zhì)量濃度在2.4～5.9 μg/m3[6]。但是在國外的研究中，PM2.5的理論背景質(zhì)量濃度一般在5.8～8.8 μg/m3[7]。本研究選用5.8 μg/m3作為背景質(zhì)量濃度。

1.2 "健康影響和經(jīng)濟效益評估方法

IER模型[8]的計算方式：

（1）

式中：ρα為PM2.5平均暴露質(zhì)量濃度，μg/m3；ρ0為閾值質(zhì)量濃度，μg/m3；α、γ與δ是用于描述各種疾病相對風險曲線所取的不同參數(shù)[9]。

結(jié)合IER模型，使用以下公式進行健康影響評估：

For Mortality，HI=[（RR×1）/RR]×Incidence×POP " （2）

For Morbidity，HI=POP×ERF×ΔQ（3）

式中：HI為特定疾病對健康的影響評估；RR為相對風險度；（RR－1）/RR為歸因危險度；Incidence為特定疾病的死亡率；POP為暴露人群數(shù)；ΔQ為變化質(zhì)量濃度；ERF為有關(guān)患病率的暴露-反應函數(shù)。

引入生命價值評估（Value of a Statistical Life，VSL）來進行經(jīng)濟影響評估[10]，計算公式如下：

VSL=IC×[exp（γ）－1] （4）

式中：IC為特定時間段的人均可支配收入；γ為補償系數(shù)，在此引用符合中國情況的γ值1.52%[11]。

EHI=HI×VSL（5）

式中：EHI是由PM2.5污染造成的健康損失；HI是對某些疾病對健康影響的評估。

2 " 結(jié)果

2016年，山東省PM2.5年均質(zhì)量濃度為66.50 μg/m3；中西部地區(qū)質(zhì)量濃度較高，其中，濟南最高達90.57 μg/m3；膠東半島較低，其中，威海最低達32.49 μg/m3。

當PM2.5分別削減10%、20%和30%時，可避免的死亡人數(shù)分別為2 256人（95% CI：1 564～3 077）、4 728人（95% CI：3 233～6 585）和7 461人（95% CI：5 028～10 616），可避免的經(jīng)濟損失分別為1.6億元（95% CI：1.1～2.2）、3.4億元（95% CI：2.3～4.7）和5.3億元（95% CI：3.6～7.6），分別占GDP的0.002 4%、0.005 1%和0.007 9%。

臨沂、青島、濟南、菏澤和濰坊可避免的死亡人數(shù)超過1 000人，濱州、德州、聊城、泰安、煙臺、棗莊和淄博可避免的死亡人數(shù)少于1 000人但超過500人，東營、日照和威海可避免的死亡人數(shù)少于500人。此外，臨沂可避免1 499人（95% CI：975～1 950）死亡和1.08億元（95% CI：0.72～1.53）經(jīng)濟損失，接近魯南地區(qū)的1/3，是山東省可避免死亡人數(shù)和經(jīng)濟損失最多的城市。青島作為副省級城市，可避免1 418人（95% CI：928～2 803）死亡和1.02億元（95% CI：0.67～1.51）經(jīng)濟損失，是第二多的城市。省會濟南可避免1 235人（95% CI：782～1 715）死亡和0.89億元（95% CI：0.61～1.23）經(jīng)濟損失，占魯中地區(qū)的1/3。在削減比例相同的情況下，IHD可避免的死亡人數(shù)最多，COPD次之，LC最少。在削減比例不同的情況下，可避免的經(jīng)濟損失依次呈倍數(shù)增長。

當PM2.5的削減比例分別為10%、20%和30%時，可避免的患病人數(shù)分別為39 368人（95% CI：7 371～73 771）、78 735人（95% CI：14 642～147 541）和118 103人（95% CI：22 112～221 314）。菏澤、臨沂、濟南、青島可避免的患病人數(shù)超過2萬人，濟寧、聊城、德州、泰安、濰坊、淄博、棗莊、煙臺可避免的患病人數(shù)超過1萬但不足2萬人，而濱州、東營、日照、威海可避免的患病人數(shù)不足1萬人。菏澤可避免24 194人（95% CI：4 523～45 338）患病，是山東省可避免患病人數(shù)最多的城市；濟南可避免20 705人（95% CI：3 877～38 800）患病；青島可避免20 177人（95% CI：3 778～37 811）患病，略少于濟南。

當削減比例相同時，慢性支氣管炎可避免的患病人數(shù)是心血管疾病的6倍，是呼吸系統(tǒng)疾病的3.7倍。同時發(fā)現(xiàn)，削減的PM2.5每增加10%，可避免的患病人數(shù)可增加1倍左右。此外，可避免的患病人數(shù)約為可避免死亡人數(shù)的16倍，如圖1所示。

3 " 討論

首先，Du等[12]估算了PM2.5暴露質(zhì)量濃度降至10 μg/m3時，北京、天津、石家莊2020年的經(jīng)濟成本分別為4 973.33萬元、4 009.76萬元、3 124.61萬元。當削減10%、20%、30%時，山東省可避免的經(jīng)濟損失分別為16 223.07萬元、33 998.01萬元、53 653.70萬元。由于山東省的人口和污染物質(zhì)量分數(shù)遠高于北京、天津、河北，山東省削減30%的經(jīng)濟效益是京津冀的10多倍。

其次，根據(jù)2016—2020年中國生態(tài)環(huán)境狀況公報，PM2.5逐年減少10%左右，到2020年P(guān)M2.5較2016年減少30%左右，這也是本研究選取削減不同比例的一個重要原因。這也意味著本研究結(jié)果可以理解為2020年P(guān)M2.5質(zhì)量濃度與2016年對比差值帶來的健康經(jīng)濟效益。

最后，本研究也有諸多局限。（1）沒有估算患病率帶來的經(jīng)濟效益，是因為在以往的研究中發(fā)現(xiàn)，死亡率的健康經(jīng)濟效益在健康經(jīng)濟損失中占90%，而由患病造成的誤工、住院等額外健康支出誤差較大且僅占健康經(jīng)濟損失的10%[13]；（2）人口數(shù)據(jù)沒有按照性別、年齡、種族和其他因素進行具體區(qū)分。

4 " 結(jié)語

詳細量化了山東省在不同減排目標下的不同健康效益評估結(jié)果，不僅可以為周邊城市的健康效益分析提供依據(jù)，還可以為“十四五”規(guī)劃中新減排政策的制定提供科學參考。

[參考文獻]

[1]DING D，XING J，WANG S，et al.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[EB/OL].（2019-06-24）[2023-02-20].https：//ehp.niehs.nih.gov/doi/epdf/10.1289/EHP4157.

[2]LUO G，ZHANG L，HU X，et al.Quantifying public health benefits of PM2.5 reduction and spatial distribution analysis in China[EB/OL].（2020-02-19）[2023-02-20].https：//www.sciencedirect.com/science/article/abs/pii/S0048969720309554？via%3Dihub.

[3]WANG C，WANG Y，SHI Z，et al.Effects of using different exposure data to estimate changes in premature mortality attributable to PM2.5 and O3 in China[EB/OL].（2021-09-15）[2023-02-20].https：//www.s CIencedirect.com/s CIence/article/abs/pii/S0269749121008241.

[4]LYU Z，WEI W，CHENG S，et al.Meteorological characteristics within boundary layer and its influence on PM2.5 pollution in six cities of north China based on WRF-Chem[EB/OL].（2021-05-01）[2023-02-20].https：//www.sciencedirect.com/science/article/abs/pii/S1352231020301564.

[5]LI Z，YU S，LI M，et al.The modeling study about impacts of emission control policies for chinese 14th five-year plan on PM2.5 and O3 in Yangtze River Delta China[EB/OL].（2021-12-25）[2023-02-20].https：//www.mdpi.com/2073-4433/13/1/26.

[6]GAKIDOU E，AFSHIN A，ABAJOBIR A A，et al.Global regional and national comparative risk assessment of 84 behavioural environmental and occupational and metabolic risks or clusters of risks 1990-2016： a systematic analysis for the global burden of disease study 2016[J].The Lancet，2017（390）：1345-1422.

[7]SONG C，HE J，WU L，et al.Health burden attributable to ambient PM2.5 in China[J].Environmental Pollution，2017（223）：575-586.

[8]BURNETT R T，POPE C A，EZZATI M，et al.An integrated risk function for estimating the global burden of disease attributable to ambient fine particulate matter exposure[J].Environment Health Perspectives，2014（4）：397-403.

[9]XIE Y，DAI H，DONG H，et al.Economic impacts from PM2.5 pollution-related health effects in China： a provincial-level analysis[J].Environmental Science amp; Technology，2016（9）：4836-4843.

[10]VOORHEES A S，WANG J，WANG C，et al.Public health benefits of reducing air pollution in Shanghai： a proof-of-concept methodology with application to BenMAP[J].Science of the Total Environment，2014（485/486）：396-405.

[11]GUAN Y，KANG L，WANG Y，et al.Health loss attributed to PM2.5 pollution in China’s cities： economic impact annual change and reduction potential[J].Journal of Cleaner Production，2019（217）：284-294.

[12]DU P，WANG J，NIU T，et al.PM2.5 prediction and related health effects and economic cost assessments in 2020 and 2021： case studies in Jing-Jin-Ji， China[EB/OL].（2021-12-05）[2023-02-20].https：//www.s CIencedirect.com/science/article/abs/pii/S0950705121007498.

[13]XIE Y，DAI H，HAAGSMA J A.Health and economic impacts of PM2.5 pollution in Beijing-Tianjin-Hebei Area[J].Chinese Journal of Population Resources and Environment，2016（11）：19-27.