基于多源融合數(shù)據(jù)評(píng)估2014—2018年中國(guó)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(guó)環(huán)境空氣質(zhì)量監(jiān)測(cè)站觀(guān)測(cè)數(shù)據(jù)、區(qū)域空氣質(zhì)量模式（CMAQ）模擬數(shù)據(jù)和衛(wèi)星反演數(shù)據(jù)，利用數(shù)據(jù)融合方法獲得了2014、2018年地表大氣O3質(zhì)量濃度水平變化及其空間分布，通過(guò)空氣污染控制健康效益評(píng)估工具（BenMAP-CE）評(píng)估了2014、2018年中國(guó)O3導(dǎo)致的過(guò)早死亡人數(shù)。結(jié)果表明：2018年中國(guó)O3日8 h最大（O3-MDA8）質(zhì)量濃度年均值為98.0 μg/m3，較2014年的87.9 μg/m3增長(zhǎng)了11.5%，其中安徽省、山西省和山東省的O3-MDA8質(zhì)量濃度增加最為明顯;2014和2018年O3相關(guān)過(guò)早死亡人數(shù)分別為17.4萬(wàn)和26.7萬(wàn)，過(guò)早死亡人數(shù)增長(zhǎng)率約為57%;中國(guó)9個(gè)區(qū)域中的中部區(qū)域O3質(zhì)量濃度和O3相關(guān)過(guò)早死亡人數(shù)較其他幾個(gè)區(qū)域增長(zhǎng)最多，并且人口密度為1 000人/km2左右的區(qū)域過(guò)早死亡人數(shù)增加最多;河南省、河北省和四川省的O3相關(guān)過(guò)早死亡增加人數(shù)比其他省份多;近年來(lái)中國(guó)地表大氣O3的健康危害的增加程度遠(yuǎn)大于O3質(zhì)量濃度的增加程度，應(yīng)盡快加強(qiáng)對(duì)O3污染的控制。

關(guān)鍵詞臭氧;多源數(shù)據(jù)融合;暴露評(píng)估;健康風(fēng)險(xiǎn)

當(dāng)前我國(guó)面臨以臭氧（O3）和細(xì)顆粒物（PM2.5）為主要污染物的大氣復(fù)合污染問(wèn)題。隨著我國(guó)大氣污染防治行動(dòng)計(jì)劃的實(shí)施，PM2.5污染得到改善，但O3污染呈現(xiàn)惡化態(tài)勢(shì)。Silver et al.（2020）指出全國(guó)50%的觀(guān)測(cè)站點(diǎn)均觀(guān)測(cè)出O3濃度在增長(zhǎng)，2015—2017年我國(guó)O3日8 h最大質(zhì)量濃度（O3-MDA8）年均值每年增長(zhǎng)4.6 μg/m3。我國(guó)74個(gè)關(guān)鍵城市的O3質(zhì)量濃度2017年年均為164 μg/m3，相較于2013年增長(zhǎng)了23 μg/m3（Huang et al.，2018）。

近地面O3作為一種強(qiáng)氧化劑不僅會(huì)損害植物葉片造成作物減產(chǎn)，對(duì)人體健康和其他生態(tài)系統(tǒng)組成部分都有極大危害（Feng et al.，2018）。如果O3被大量吸入，將會(huì)損傷人體呼吸系統(tǒng)，對(duì)人體的循環(huán)系統(tǒng)也會(huì)產(chǎn)生不良影響（Atkinson et al.，2016;Malley et al.，2017;袁才秋，2017;李函穎，2020）。近年來(lái)O3濃度的增長(zhǎng)對(duì)人體健康產(chǎn)生了更大的危害。Wu et al.（2019）評(píng)估發(fā)現(xiàn)珠三角區(qū)域O3濃度從2006到2015年增加10.8%，而O3導(dǎo)致的過(guò)早死亡人數(shù)增加了66%;Wang et al.（2020）估算出我國(guó)2015—2018年O3濃度增加了15.22%，而O3相關(guān)過(guò)早死亡人數(shù)增加了近一倍。由此可見(jiàn)，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(lái)國(guó)內(nèi)外有大量評(píng)估O3相關(guān)健康效益的研究，如Liu et al.（2018）利用WRF-CMAQ模型模擬出了我國(guó)2015年近地O3導(dǎo)致的以慢性阻塞性肺?。–OPD）為健康終點(diǎn)死亡的人數(shù)約5.53～8.03萬(wàn)人;Seltzer et al.（2018）利用觀(guān)測(cè)數(shù)據(jù)評(píng)估2015年我國(guó)O3導(dǎo)致全因死亡的人數(shù)約為20萬(wàn)人;Maji et al.（2019）利用觀(guān)測(cè)數(shù)據(jù)評(píng)估我國(guó)2016年O3導(dǎo)致全因死亡的人數(shù)約11.3～16.3萬(wàn)人。Wang et al.（2021）利用空氣質(zhì)量模型數(shù)據(jù)模擬我國(guó)2013—2017年O3導(dǎo)致全因死亡的人數(shù)從17.1萬(wàn)人增加至23.2萬(wàn)人。綜上研究發(fā)現(xiàn)，在我國(guó)評(píng)估O3相關(guān)健康效益的相關(guān)研究多數(shù)采用了單一濃度數(shù)據(jù)源并且結(jié)果存在差異。目前國(guó)外相關(guān)研究中采用地面觀(guān)測(cè)數(shù)據(jù)、空氣質(zhì)量模式模擬數(shù)據(jù)和衛(wèi)星反演數(shù)據(jù)融合后的數(shù)據(jù)分析O3相關(guān)健康效益，Conhen et al.（2017）研究發(fā)現(xiàn)全球2015年因O3導(dǎo)致的以COPD為健康終點(diǎn)死亡的人數(shù)約為25.4萬(wàn)人。由于融合數(shù)據(jù)可以有效提升污染物濃度準(zhǔn)確度，因此在國(guó)外相關(guān)研究中被廣泛使用，而在我國(guó)卻很少有研究使用融合數(shù)據(jù)源。

準(zhǔn)確評(píng)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(xué)依據(jù)。評(píng)估的準(zhǔn)確性受到暴露濃度的空間分布、人口數(shù)據(jù)、基線(xiàn)死亡率等數(shù)據(jù)的影響，其中暴露濃度水平是一個(gè)關(guān)鍵因素。目前O3濃度數(shù)據(jù)的評(píng)估主要包含基于地面監(jiān)測(cè)站的觀(guān)測(cè)數(shù)據(jù)、基于空氣質(zhì)量模式的模擬數(shù)據(jù)、基于衛(wèi)星遙感觀(guān)測(cè)的反演數(shù)據(jù)。然而這3種數(shù)據(jù)源各有優(yōu)缺點(diǎn)，通常地面監(jiān)測(cè)站的觀(guān)測(cè)數(shù)據(jù)相較于其他兩種數(shù)據(jù)，提供了較為準(zhǔn)確的地面O3濃度數(shù)據(jù)，但是其空間覆蓋范圍有限，此外由于觀(guān)測(cè)儀器、天氣等因素觀(guān)測(cè)數(shù)據(jù)會(huì)出現(xiàn)缺測(cè)值（Li et al.，2019）?？諝赓|(zhì)量模式的模擬數(shù)據(jù)可以很好地覆蓋整個(gè)研究區(qū)域并且可以提供時(shí)間上較為連續(xù)的濃度數(shù)據(jù)，但是由于輸入數(shù)據(jù)及模式機(jī)理等原因，模擬結(jié)果與觀(guān)測(cè)數(shù)據(jù)之間存在一定偏差（漏嗣佳等，2010;Liang et al.，2019;朱彬等，2021）。衛(wèi)星遙感觀(guān)測(cè)的反演數(shù)據(jù)同樣可以覆蓋研究區(qū)域，并且時(shí)間上也較為連續(xù)，但是由于擬合模型受到氣象因素、地理環(huán)境、人口密度等因素的影響，使得反演的數(shù)據(jù)與觀(guān)測(cè)值之間也存在偏差（吳健生和王茜，2017）。相關(guān)研究指出采用數(shù)據(jù)融合方法或采用多個(gè)數(shù)據(jù)源數(shù)據(jù)可以有效提高污染物濃度的準(zhǔn)確度（Kelly et al.，2021）。因此將這3種數(shù)據(jù)源進(jìn)行融合來(lái)克服單個(gè)數(shù)據(jù)源的缺點(diǎn)，是當(dāng)前在健康負(fù)擔(dān)評(píng)估研究中最先進(jìn)最準(zhǔn)確的方法（Brauer et al.，2016）。

為了評(píng)估近年來(lái)我國(guó)O3濃度變化及O3導(dǎo)致的過(guò)早死亡人數(shù)，本研究通過(guò)融合地面觀(guān)測(cè)數(shù)據(jù)、空氣質(zhì)量模式模擬數(shù)據(jù)和衛(wèi)星反演數(shù)據(jù)，得到基本覆蓋全國(guó)范圍的2014—2018年的O3濃度及其空間分布，來(lái)彌補(bǔ)以往研究重多基于地面監(jiān)測(cè)數(shù)據(jù)進(jìn)行評(píng)估的空間覆蓋不足的缺點(diǎn)。在此基礎(chǔ)上，利用空氣污染控制健康效益評(píng)估工具（BenMAP-CE）估算了O3導(dǎo)致的過(guò)早死亡人數(shù)及變化情況，來(lái)評(píng)估近年來(lái)我國(guó)空氣中O3污染對(duì)人體健康的危害，并分析O3對(duì)健康影響變化的區(qū)域差異。

1 數(shù)據(jù)與方法

1.1 暴露評(píng)估

為了提高地面O3數(shù)據(jù)的準(zhǔn)確性和空間覆蓋度，利用大氣環(huán)境健康研究中使用的多數(shù)據(jù)融合方法（Wang et al.，2015;Ding et al.，2019），將觀(guān)測(cè)數(shù)據(jù)、模型模擬數(shù)據(jù)和衛(wèi)星數(shù)據(jù)融合，得到可以覆蓋全國(guó)大部分區(qū)域的格點(diǎn)數(shù)據(jù)。數(shù)據(jù)融合方法的具體公式如下：

其中：HE為在格點(diǎn)E處的質(zhì)量濃度值;GE為在格點(diǎn)E處模擬濃度與衛(wèi)星反演質(zhì)量濃度的平均值;Wi為觀(guān)測(cè)點(diǎn)i的反距離平方權(quán)重;Di為格點(diǎn)E與觀(guān)測(cè)點(diǎn)i的距離;Ci為觀(guān)測(cè)點(diǎn)i質(zhì)量濃度值;Gi為包含觀(guān)測(cè)點(diǎn)i的格點(diǎn)的模擬質(zhì)量濃度與衛(wèi)星反演質(zhì)量濃度的平均值。

使用的地面監(jiān)測(cè)站的觀(guān)測(cè)數(shù)據(jù)是從中國(guó)國(guó)家環(huán)境監(jiān)測(cè)中心（CNEMC）獲得，其中2014年共有961個(gè)觀(guān)測(cè)點(diǎn)，2018年有1 584個(gè)觀(guān)測(cè)點(diǎn)，為了確保融合數(shù)據(jù)的準(zhǔn)確度，本研究的研究范圍為以2014年所有觀(guān)測(cè)點(diǎn)為中心半徑為500 km所覆蓋的中國(guó)地區(qū)（Gold et al.，1997）。

使用多尺度空氣質(zhì)量模式（CMAQ）用來(lái)模擬2014年和2018年全國(guó)的O3濃度，分辨率為36 km×36 km。CMAQ模型是美國(guó)環(huán)境保護(hù)署（U.S.EPA）開(kāi)發(fā)的第三代空氣質(zhì)量模式，已被廣泛用于模擬中國(guó)地區(qū)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(xué)（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(guó)多分辨率排放清單（MEIC）和MEGAN v2.1估算的，使用的氣象數(shù)據(jù)是由中尺度天氣研究預(yù)報(bào)（WRF）模式提供。具體模式設(shè)置及性能評(píng)估在Hu et al.（2016）的研究中有詳細(xì)描述。本研究中，模擬的2014、2018年O3-MDA8質(zhì)量濃度與觀(guān)測(cè)進(jìn)行對(duì)比，相關(guān)性系數(shù)分別達(dá)到0.99和0.93，均方根誤差（RMSE）分別為27.6和16.5 μg/m3。

衛(wèi)星數(shù)據(jù)是基于Wei and Li（2020）的工作，O3數(shù)據(jù)集是使用基于空氣溫度、向下短波輻射和OMI/Aura總柱O3質(zhì)量濃度的時(shí)空隨機(jī)樹(shù)（STET）模型以及其他氣象變量、排放和輔助數(shù)據(jù)生成的。O3數(shù)據(jù)集具有較高的準(zhǔn)確度，交叉驗(yàn)證系數(shù)（CV-R2）為0.84，RMSE為20.1 μg/m3。該數(shù)據(jù)的分辨率為25 km×25 km，因此本研究中進(jìn)行了重網(wǎng)格化將分辨率匹配到CMAQ模式的36 km×36 km網(wǎng)格上。

通過(guò)將衛(wèi)星數(shù)據(jù)、空氣質(zhì)量模型模擬數(shù)據(jù)以及觀(guān)測(cè)數(shù)據(jù)融合得到的2014年和2018年數(shù)據(jù)與觀(guān)測(cè)數(shù)據(jù)進(jìn)行對(duì)比，RMSE分別為23.6和5.0 μg/m3，優(yōu)于空氣質(zhì)量模型模擬數(shù)據(jù)，尤其在2018年融合數(shù)據(jù)性能明顯優(yōu)于僅使用衛(wèi)星數(shù)據(jù)和空氣質(zhì)量模型模擬數(shù)據(jù)。這與Kelly et al.（2021）、Xiao et al.（2021）的結(jié)果相近，均表明使用多種數(shù)據(jù)源融合數(shù)據(jù)更接近真實(shí)值，因此本研究選擇該融合數(shù)據(jù)集。

為了更好地評(píng)估人群暴露水平，本研究計(jì)算了人口加權(quán)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(gè)地區(qū)的人口平均暴露濃度（Hu et al.，2010;Liu et al.，2020）。其計(jì)算公式如下：

其中：Ci是區(qū)域內(nèi)第i個(gè)網(wǎng)格的O3-MDA8質(zhì)量濃度;Pi是此網(wǎng)格的人口數(shù)。

1.2 健康效益評(píng)估

本研究利用由U.S.EPA研發(fā)的空氣污染控制健康效益評(píng)估工具（BenMAP-CE v1.5）來(lái)計(jì)算O3相關(guān)過(guò)早死亡人數(shù)（Sacks et al.，2018），具體公式如下：

其中：M為O3導(dǎo)致的過(guò)早死亡人數(shù);Y0為基線(xiàn)死亡率，這里指非意外死亡率，2014和2018年的數(shù)據(jù)分別從2015和2019年中國(guó)公共衛(wèi)生與計(jì)劃生育統(tǒng)計(jì)年鑒（CPHFPSY 2015&2019）中獲取;P是人口，從LandscanTM數(shù)據(jù)庫(kù)獲得的2014和2018年網(wǎng)格人口數(shù)據(jù)（Bright et al.，2015;Rose et al.，2019）。R為相對(duì)風(fēng)險(xiǎn)系數(shù)，是指當(dāng)一群人暴露于某種風(fēng)險(xiǎn)與不暴露于這種風(fēng)險(xiǎn)時(shí)事件發(fā)生的概率的比率。β是濃度與非意外死亡率之間的系數(shù)，由于目前還缺少中國(guó)相關(guān)的研究成果，本研究采用的β數(shù)值從Turner et al.（2016）獲得。C是O3-MDA8質(zhì)量濃度值，單位為μg/m3;Cf為安全閾值，指當(dāng)O3質(zhì)量濃度低于這個(gè)值時(shí)對(duì)人體的健康影響可以忽略不計(jì)，在本研究中為57.2 μg/m3（Turner et al.，2016）。

2 結(jié)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(guó)O3-MDA8年均空間分布，可以發(fā)現(xiàn)，2014年全國(guó)O3-MDA8年均質(zhì)量濃度為87.9 μg/m3，其中江蘇省、山東省、河北省的中部地區(qū)以及東部沿海地區(qū)的O3-MDA8年均質(zhì)量濃度較高，除此之外河南省、北京市年均質(zhì)量濃度也較高（圖2）。全國(guó)9個(gè)區(qū)域中長(zhǎng)三角（YRD）區(qū)域的O3-MDA8年均質(zhì)量濃度是最高的，其中江蘇省是YRD區(qū)域濃度最高的省，而其他（Other）區(qū)域則是O3-MDA8年均質(zhì)量濃度最低的區(qū)域（表1），并且全國(guó)大部分區(qū)域的年均質(zhì)量濃度高于安全閾值（57.2 μg/m3）。2018年全國(guó)O3-MDA8年均質(zhì)量濃度為98.0 μg/m3，其中山東省、河北省依舊是濃度較高區(qū)域，安徽省和山西省的O3-MDA8年均質(zhì)量濃度增加明顯，逐漸成為O3質(zhì)量濃度較高省份。華北平原（NCP）區(qū)域成為9個(gè)區(qū)域中O3質(zhì)量濃度最高的區(qū)域，而Other區(qū)域依舊是質(zhì)量濃度最低的區(qū)域。通過(guò)對(duì)比，發(fā)現(xiàn)2014年全國(guó)的PWC為90.6 μg/m3結(jié)果與Lin et al.（2018）的研究結(jié)果（91.1 μg/m3）接近。在全國(guó)不同區(qū)域中，西南（SW）、西北（NW）、四川盆地（SB）區(qū)域的PWC是低于O3-MDA8，而在NPC區(qū)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(qū)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(shí)，差異更加明顯。

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

2.2 2014—2018年臭氧相關(guān)過(guò)早死亡人數(shù)及變化

評(píng)估結(jié)果表明，我國(guó)2014年O3相關(guān)過(guò)早死亡人數(shù)平均約為17.4萬(wàn)人（95%置信區(qū)間：6.6～27.7萬(wàn)人），2018年平均約為26.7萬(wàn)人（95%置信區(qū)間：10.2～42.5萬(wàn)人，表2）。2014年的平均過(guò)早死亡估計(jì)人數(shù)與Wang et al.（2020）的研究結(jié)果（17.1萬(wàn)）一致，2014—2018年間O3導(dǎo)致的平均死亡人數(shù)增加了9.3萬(wàn)，這一結(jié)果與相關(guān)研究中2015—2018年O3導(dǎo)致的平均死亡人數(shù)增加了7萬(wàn)人的結(jié)果比較吻合（Maji and Namdeo，2021）。從2014年O3-MDA8相關(guān)過(guò)早死亡人數(shù)空間分布（圖4）來(lái)看，中國(guó)中東部是過(guò)早死亡人數(shù)較多的地區(qū)。從2018年O3相關(guān)過(guò)早死亡的空間分布可以發(fā)現(xiàn)，北京市、天津市、河北省、河南省、山東省、江蘇省依舊是O3相關(guān)過(guò)早死亡人數(shù)較高區(qū)域;與此同時(shí)，山西省、安徽省、四川省部分區(qū)域O3相關(guān)過(guò)早死亡人數(shù)較高。因此，2018年死亡人數(shù)較高區(qū)域較2014年的范圍擴(kuò)大了。表2顯示CC和NCP區(qū)域的過(guò)早死亡人數(shù)占全國(guó)總死亡人數(shù)的48%。這是由于這兩個(gè)區(qū)域O3-MDA8年均質(zhì)量濃度較高，并且人口較多，PWC結(jié)果也最高。圖5顯示O3導(dǎo)致的過(guò)早死亡人數(shù)與人口分布有密切聯(lián)系。與質(zhì)量濃度情況類(lèi)似，在人口密度在103人/km2地區(qū)，O3導(dǎo)致的死亡人數(shù)最多，并且2014—2018年間增加的幅度要遠(yuǎn)大于其他區(qū)域。

相較于2014年，全國(guó)大部分區(qū)域O3相關(guān)過(guò)早死亡人數(shù)是在上升的，尤其是CC區(qū)域，雖然南方有部分城市的O3相關(guān)過(guò)早死亡人數(shù)是在下降的，但是從全國(guó)來(lái)看總體增長(zhǎng)53%，遠(yuǎn)高于質(zhì)量濃度的增長(zhǎng)幅度。這也表明僅依據(jù)質(zhì)量濃度的高低并不能很好地反映O3對(duì)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(guò)早死亡人數(shù)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(guān)過(guò)早死亡人數(shù)增加并不明顯。這也與圖5說(shuō)明的人口密度較低時(shí)O3相關(guān)過(guò)早死亡人數(shù)較少相符。此外，廣西和西藏的O3相關(guān)過(guò)早死亡人數(shù)是下降的，與廣西和西藏O3質(zhì)量濃度減少相符。

總而言之，O3相關(guān)過(guò)早死亡人數(shù)與O3質(zhì)量濃度的高低存在一定關(guān)系，但是人口分布，地理位置等因素也會(huì)影響O3相關(guān)過(guò)早死亡人數(shù)。2014—2018年，隨著我國(guó)大部分地區(qū)O3污染的加劇，O3相關(guān)的過(guò)早死亡人數(shù)總體呈現(xiàn)了增長(zhǎng)的趨勢(shì)，全國(guó)增加了約9.3萬(wàn)人，增幅達(dá)到了57%。這個(gè)增幅遠(yuǎn)大于O3濃度11.5%的增幅。尤其是CC地區(qū)O3相關(guān)過(guò)早死亡人數(shù)增幅超過(guò)了80%，而在SB地區(qū)增加了一倍多。在這些地區(qū)，O3污染控制尤其緊迫。

3 結(jié)論與討論

近年來(lái)我國(guó)年均O3質(zhì)量濃度呈上升趨勢(shì)，并且對(duì)人體健康產(chǎn)生了極大的危害本研究采用當(dāng)前最先進(jìn)的數(shù)據(jù)融合方法，結(jié)合了地面觀(guān)測(cè)數(shù)據(jù)、空氣質(zhì)量模式模擬數(shù)據(jù)和衛(wèi)星反演數(shù)據(jù)，得到了全國(guó)范圍的2014年和2018年的地表O3質(zhì)量濃度，分析了2014—2018年我國(guó)O3污染變化以及O3相關(guān)過(guò)早死亡情況，得出了以下結(jié)論：

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

2）我國(guó)2014年O3相關(guān)過(guò)早死亡人數(shù)平均約17.4萬(wàn)人，而2018年增加至26.7萬(wàn)人，過(guò)早死亡人數(shù)增長(zhǎng)率約為57%，增長(zhǎng)速率明顯高于濃度，其中河南省、河北省、四川省增加人數(shù)最多的省份。我國(guó)9個(gè)區(qū)域中的中部區(qū)域O3質(zhì)量濃度和相關(guān)過(guò)早死亡人數(shù)較其他幾個(gè)區(qū)域增長(zhǎng)最多，并且人口密度為103人/km2左右的區(qū)域過(guò)早死亡人數(shù)增加最多。

總之，僅用O3質(zhì)量濃度變化并不能完全反映O3的健康危害。自2014年來(lái)，我國(guó)大部分區(qū)域O3污染程度加重，并且O3相關(guān)過(guò)早死亡人數(shù)增加速率高于濃度增加速率。尤其在中國(guó)中部、華北平原等人口密集區(qū)域，急需采取污染控制措施來(lái)降低O3污染帶來(lái)的健康危害。

參考文獻(xiàn)（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，F(xiàn)reedman G，F(xiàn)rostad 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(huán)境空氣中的臭氧來(lái)源、危害及防治措施研究[J].科技與創(chuàng)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(guó)地區(qū)臭氧前體物對(duì)地面臭氧的影響[J].大氣科學(xué)學(xué)報(bào)，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(shù)據(jù)反演地面PM2.5濃度研究進(jìn)展[J].環(huán)境科學(xué)與技術(shù)，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?xì)馊苣z對(duì)臭氧影響的觀(guān)測(cè)分析和數(shù)值模擬[J].大氣科學(xué)學(xué)報(bào)，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(zé)任編輯：張福穎）