曾贤刚,阮芳芳,姜艺婧

中国臭氧污染的空间分布和健康效应

曾贤刚*,阮芳芳,姜艺婧

(中国人民大学环境学院,北京 100872)

基于2017年全国1365个监测站点的实时监测数据,运用空间数据统计模型揭示近地面臭氧(O3)污染的时空分布格局,并利用BenMap工具在10km×10km空间网格尺度上估计O3污染的健康损失和健康经济价值.结果表明,O3浓度具有较强的季节性变化,呈倒“V”型变化趋势,在空间分布上呈现明显的集聚性,即高值或低值区域集中分布,具有较强的空间正相关性;通过O3暴露系数模拟人群室内、室外O3暴露情况,在统计意义上估计得到2017年O3污染共计造成我国全因早逝人数98473例(95%置信区间:53419~143292),其中心血管疾病早逝风险约占45%,以不同学者估算得到的单位统计生命价值为基础,估计得到的健康经济损失在197~978亿元之间,约占2017年全国GDP的0.05%~0.26%.

O3；健康效应；BenMap；空间自相关；时空变化

随着我国产业结构调整、机动车数量增加,大气污染已由常规化石燃烧引起的单一污染逐渐转变为化石燃烧和机动车排放为主的复合型污染[1].除颗粒物污染外,近地面臭氧(O3)污染在我国也日益严重.近年来,我国在颗粒物尤其是细颗粒物污染治理上取得丰硕成果,但由于PM2.5控制政策包括减少氮氧化物(NO)和挥发性有机化合物(VOCs),导致O3浓度随着氮氧化物与挥发性有机化合物比例的增加而增加[2].同时,O3可促使空气中的大量气体污染物转化为颗粒物,进而转化为PM2.5,因而近地面浓度超标,其危害程度不亚于PM2.5超标.据统计,2015~ 2017年全国338个城市O3浓度、超标天数占比均逐年上升,达标城市占比逐年下降,部分地区超过新标准二级浓度限值(160µg/m3).京津冀地区首要污染物天数占比O3仅次于PM2.5,上升幅度较大.而在珠江三角洲地区和长江三角洲地区,O3分别于2014、2017年取代PM2.5成为全年首要污染物.如何在控制PM2.5浓度的同时遏制O3的增加是当前大气污染防治亟需解决的问题,应当引起政府和公众的重视.

流行病学研究表明[2-6],O3危害人体健康,短期暴露会引起心血管疾病和呼吸系统疾病患病率、住院率和死亡率增加.董继元等[7]、Shang等[8]针对中国有关研究进行meta分析发现,我国O3短期暴露对死亡风险影响的暴露-反应关系系数较高,O3浓度的上升会导致我国人群非意外总死亡率、心血管系统疾病死亡率和呼吸系统疾病死亡率的增加.关于O3暴露与呼吸系统疾病之间的关系,有研究表明在北京,O3浓度的增加与呼吸系统死亡率的增长无显著关系[2],而在南方几个城市的研究显示,O3对呼吸系统死亡率的影响最大[9].由于O3本身的特性,针对它的研究以短期暴露、急性效应为主,但仍然可以得出:O3与多种疾病尤其是心血管疾病显著相关,表现出独立的健康危害,且表现出空间差异和空间溢出效应,并对季节具有敏感性.因而研究O3污染的健康效应具有实际意义.

1 方法与数据处理

本文包括污染物浓度特征分析、健康损失评估、经济损失评估和空间分析4部分.其中健康损失评估和经济损失评估由美国环保署开发的BenMAP-CE工具完成.该模型通过综合利用空间网格化的人口与空气质量信息,基于暴露-反应函数来评估空气污染物浓度的改变对各种健康结果发生率的变化,并进一步利用价值衡量函数,估计污染物浓度变化所带来的健康经济效益[10].

1.1 暴露人群

人口空间分布数据来源于中国科学院资源环境科学数据中心,由于该中心提供的是2015年全国人口空间分布1km网格数据,首先利用ArcGIS提取10km×10km人口分布数据,然后假定2015~2017年人口数量同比例增长,最后依据《中国统计年鉴》[11]中的年末总人口数,换算得到2017年全国人口10km×10km空间网格分布数据.

1.2 O3暴露水平空间分布

O3浓度度量指标有多种,美国环保署(1997)、世界卫生组织(2000)和我国生态环保部(2012)先后修订O3浓度标准,均使用每日最大8h平均浓度,因此,本文选用O38h-max作为O3浓度的暴露指标,O3年均浓度用O38h-max第90%百分位数的平均质量浓度表示(按照《环境空气质量评价技术规范(试行)》(HJ 663-2013)[12],将日历年内有效的O3日最大8h平均值按数值从小到大排序,取第90% 位置的数值.

图1 2017年有效监测点及O3年均浓度分布

根据《环境空气质量标准》(GB 3095-2012)[13]和《环境空气质量评价技术规范(试行)》(HJ 663- 2013)[12]中有关O3浓度数据统计方法和有效性要求,对监测点的实时监测数据进行处理,最终获得1365个监测点的有效数据,如图1所示.监测点O3浓度范围为76.4~230.1µg/m3,平均值155.4µg/m3,标准差27.0.O3年均浓度最高值出现在河北保定的游泳馆监测站点,最低值出现在西藏那曲地区的那曲监测站点.有555个监测站点O3年均浓度超过二级限值,主要分布在华北、华中、华东地区、华南部分区域及西藏地区.模拟大气污染物浓度空间分布常用的插值方法有反距离加权法(IDW)、普通克里格法(OK)和Voronoi领域平均法(VNA).研究表明[14],对于监测点数据的浓度模拟预测,VNA法模拟效果较佳,因此本文采用VNA法来模拟O3浓度的空间分布.

此外,研究表明室内外O3浓度差异较大,而一般人群处于室内环境的时间比例较高,因而直接使用室外O3监测浓度作为暴露水平来估计健康效应存在较大的误差.Chen等[15]针对美国18个城市估计了室内O3被室外O3浓度替代的年平均变化率,定义每单位O3总暴露量变化对应的室外O3浓度为O3暴露系数(ΔO3_exposure),发现O3死亡率系数与O3暴露系数之间的相关性较强,因而可以用O3暴露系数来合理的估计O3污染的健康效应.该研究中18个城市O3暴露系数范围为1.83~2.54,取其平均值2.10作为本文的O3暴露系数.

1.3 人群健康效应

由于对O3健康效应的研究时间较短,目前国内外流行病学研究关于O3暴露与人群健康效应的研究主要集中在短期暴露对全因、心血管系统疾病、呼吸系统疾病等早逝风险的影响上.其中,由于地域差异,针对呼吸系统疾病的死亡风险在一些城市研究中不具有统计学意义.一些研究人员认为患有呼吸道疾病的人是O3暴露的易受影响的对象,由于在O3浓度达到最高水平之前,这些易受影响的人可能已经死亡,因而O3保护对呼吸系统死亡风险降低,从而使得两者之间的相关性不显著[16-17].

本文以全国为研究对象,在健康影响终点以及暴露-反应系数的选择上遵循以下原则.首先,采用基于国内的流行病学研究推导出的O3-暴露反应关系;其次,尽可能采用多城市群、长时间序列的研究结果.基于此,本文选择全因早逝风险和心血管系统疾病早逝风险作为O3健康效应终点.根据国际疾病分类第10版(ICDD-10,WHO 2016)[18]对死因进行编码,将其分为全因早逝(A00-R99)、心血管系统疾病早逝(I00-I99),暴露-反应系数参照Yin等[5]2012~ 2015年针对我国272个城市的流行病学研究结果,具体如表1所示.

9月5日，美国商务部发布数据显示，7月份贸易账户逆差501亿美元，为5个月来最高；其中，出口环比下降1%至2111亿美元，进口环比增长0.9%至2612亿美元；1—7月份贸易账户逆差累计3380亿美元，同比增长6.5%；分国别看，7月份与中国商品贸易逆差环比上升10%至368亿美元，与墨西哥贸易逆差环比缩小25.3%至55亿美元，与加拿大贸易逆差环比扩大57.5%至31亿美元，与欧盟贸易逆差环比扩大50%至176亿美元。

表1 健康影响暴露-反应关系系数

注:表示O3浓度每增加1μg/m3,人群死亡风险增加百分比.

关于大气污染的暴露-反应函数,主要有线性模型、对数线性模型、Logistic模型、Cox比例风险模型.目前关于O3的流行病学研究,常用泊松回归模型,本文的暴露-反应函数如下所示.

D=(1-e-DQ)××POP (1)

D=DO3_out¸DO3_exposure(2)

式中:D是受污染物影响的健康效应估计;是暴露-反应系数;D是污染物暴露浓度变化量;DO3_out是O3浓度变化量;DO3_exposure是O3暴露系数,取值2.10;A 是健康效应终点的基线发生率;POP 是暴露人口数量.

关于阈值浓度,世界卫生组织指出全球自然背景浓度约为70μg/m3[19](以每日最大8h平均浓度计).目前较少有研究表明O3的健康效应存在阈值浓度,Atkinson等[20]针对英国5个城市和5个农村1993~2006年的时间序列研究表明,伦敦O3与全因死亡率之间存在明确的暴露-反应关系阈值65μg/ m3(95%CI:58~83μg/m3),但在其他城市或农村地区未发现阈值浓度的存在.本文选择70μg/m3作为阈值浓度,基年发生率来源于《中国统计年鉴》[11]和《中国卫生与计划生育统计年鉴》[21].

本文使用蒙特卡洛数值模拟程序得到95％置信区间下的每种健康终点的发生率的平均预测值.对于每种健康终点,BenMAP-CE从每个暴露-反应系数的概率分布中随机选择值,然后基于所选值计算发生率.重复该过程5000次,最终获得发生率的分布模拟结果.

1.4 健康经济损失评价

O3相关健康影响的单位经济成本来源于本文使用的参考文献,具体如表2所示.关于空气污染健康损失经济价值评估的方法国际上主要使用支付意愿法(WTP),我国早期以人力资本法(HC),目前逐渐转向支付意愿法,WTP法能够较为全面的评估研究对象的统计生命价值(VSL).目前已有一些学者在我国不同城市开展支付意愿研究(主要分布在北京、重庆、上海为主),由于支付意愿受调查对象的年龄、教育程度、人均年收入、健康及家庭因素等的影响[26],不同学者的研究成果不尽相同,差异较大.为了提高估计的准确性,本文选取以北京为对象的几项支付意愿研究结果,不同年份的估计成本使用收入弹性进行了调整[27],调整后的货币年份为2017年.

表2 不同研究的单位统计生命价值(元)

鉴于其他影响支付意愿的因素无法控制,本文主要以人均可支配收入为控制因素,其他城市的统计生命价值通过如下公式转换得到.

式中:VSL和VSLBJ分别代表被选中的城市和北京的统计生命价值;I和BJ分别代表被选中的城市和北京的人均年可支配收入(2017年);代表收入弹性,本文取值1.

1.5 空间自相关分析

目前已有很多指数来测度空间自相关程度,如全局或局部Moran’s指数、Geary和 Global.其中,全局Moran's指数和局部Moran's指数是现有研究中较为常用的测算方法.全局Moran’s值的范围在-1~1之间波动,若Moran’s>0表示空间单元之间存在空间正相关性,其值越大,空间相关性越明显;若Moran’s<0表示空间单元之间存在空间负相关性,其值越小,空间差异越大;若Moran’s为零则表示空间呈现随机性.而局部Moran's指数描述不同空间位置上可能存在的空间关联模式,从而发现数据之间的空间异质性.

2 分析结果

2.1 O3暴露浓度特征分析

将各监测点每日O3 8h-max浓度进行算数平均获得2017年全国O3浓度日变化趋势图,如图2所示.可以看出,O3浓度具有较强的季节变化趋势,1~5月O3浓度呈逐步上升趋势,在5月28日出现全年最高值(181.88μg/m3),随后呈逐步下降趋势,并且在9~11月期间呈现出较为明显的上下波动趋势,在9月18日和10月27日分别出现一个高值点(141.58和109.38μg/m3).全年超过一级、二级浓度限值的天数比例是153d、4d,集中在春、夏两季,主要原因是受温度高和太阳辐射强烈的影响,O3的前体污染物NO、VOCs的光化学反应加强[28].

图2 2017年全国O3浓度日变化趋势

图3 2017年全国O3浓度10km×10km尺度空间分布

为了进一步观察O3浓度的空间分布情况,按照VNA空间插值方法,设定泰森多边形边数3~8,采用反距离平方作为权重,将监测点O3年均浓度进行空间插值,得到2017年全国O3年均浓度10km×10km空间分布,如图3所示.O3模拟年均浓度范围为76~ 225μg/m3,平均值为135μg/m3,标准差为23,最低浓度出现在西藏那曲地区,最高浓度出现河南省郑州市.O3年均浓度超过二级浓度限值的区域主要分布在我国的华北地区、华东和华中部分地区、珠江三角洲地区以及其他个别城市,以这几个区域为中心,O3年均浓度空间分布呈现出向四周递减的空间分布结构.

图4 O3浓度全局Moran散点图

图5 O3浓度LISA聚集图

在10km×10km空间尺度上,引入全局Moran's指数来分析O3浓度的空间自相关性和不平衡性,O3浓度全局Moran散点图如图4所示.Moran's指数为0.996,接近1(值£0.001),说明从较小的空间尺度上来看,O3浓度在全国范围的空间分布具有非常强的空间正相关性.散点集中分布在第一象限(高-高,正相关)、第三象限(低-低,正相关).进一步利用局部Moran's指数进行聚类分析,得到LISA(空间相关局部指标)聚集图(图5,£0.01),可以看到,网格被分成2类:①“高-高”型,表示网格本身与周围网格的O3浓度值均较高;②“低-低”型,表示网格本身与周围网格的O3浓度值均较低.这两类网格与其周边区域的空间差异较小,呈现较高值或较低值区域集中分布的现状.

2.2 O3污染的健康效应

2017年因O3污染造成的全因早逝人数为98473例(95%置信区间:53419~143292),其中心血管疾病早逝人数为44316例(95%CI:16438~71992),约占全因早逝人数的45.0%,表明O3污染对人群的死亡风险影响主要反映在心血管疾病风险上,具体如图6(a)所示.以城市为研究对象,利用Benmap软件将空间网格数据聚合到城市尺度,结果如图6(b)所示(三沙市、香港、澳门和台湾由于数据缺失问题,不再统计范围内).城市统计全因早逝人数范围为2~ 2388例,平均值为267例,中位数为182例,标准差为305.全因早逝人数最多的10个城市分别是重庆市(2388)、上海市(2383)、北京市(2337)、天津市(1344)、保定市(1313)、邯郸市(1123)、石家庄市(1107)、广州市(1078)、成都市(1055)、苏州市(1003),分布在我国的华北、华东、西南和华南地区.从总体上来看,以“胡焕庸线”为分界线,位于分界线右侧的城市普遍健康损失较高,位于分界线左侧的城市普遍健康损失较低,其中京津冀、长江三角洲以及珠江三角洲重点区域的O3污染健康效应如表3所示,这3个区域的O3污染全因早逝人数约占全国的29.77%,需要重点关注.

表3 重点区域O3污染健康效应(例)

2.3 O3污染的健康经济损失

将不同研究得到的单位统计生命价值与O3污染健康损失相乘,得到2017年全国O3污染的健康经济损失价值,如表4所示.由于不同研究估计得到的统计生命价值差异较大,2017年全国O3污染的健康经济损失估计值相差较大,全因早逝的健康经济损失估计值在439~2174亿元之间,心血管疾病早逝的健康经济损失估计值在197~978亿元之间,其中心血管疾病早逝的健康经济损失约占全因早逝健康经济损失的45%.2017年中国国内生产总值(GDP)为827121.7亿元,O3污染的健康经济损失约占GDP的0.05%[22]、0.08%[23]、0.10%[24]、0.26%[25].

表4 不同单位VSL估计的健康影响经济损失(亿元)

以谢旭轩[25]2010年估计得到的北京市单位生命统计价值为例,将O3污染的健康经济损失聚合至城市尺度,如图7所示.2017年O3污染造成的城市健康经济损失范围为0.047~106.50亿元,均值为5.89亿元,中位数为3.73亿元,标准差为9.17.经济损失排名前10的城市分别是上海市(106.50亿元)、北京市(101.33亿元)、重庆市(43.70亿元)、天津市(37.70亿元)、广州市(26.96亿元)、苏州市(26.61亿元)、成都市(24.56亿元)、徐州市(21.65亿元)、保定市(21.37亿元)、临沂市(21.12亿元),68.8%的城市健康经济损失低于均值.全局Moran's指数为0.2499(£0.01),表明在城市尺度上O3健康经济损失具有一定的空间正相关性,呈一定的集聚效应.局部Moran's指数聚类结果表明(图8),城市健康经济损失在空间分布上主要被分成3类:①“高-高”型,表示高值城市与高值城市集聚(7);②“低-低”型,表明低值城市与低值城市集聚;③“低-高”型,表明低值城市为高值城市包围,城市之间空间差异程度较高.仅有45座城市(12.4%)的健康经济损失存在空间自相关性,其健康经济损失合计176.17亿元,约占全国健康经济损失的8.1%,具体如表5所示.

图7 2017年城市健康影响经济损失空间分布(亿元)

图8 城市健康经济损失LISA聚集

表5 城市健康经济损失局部自相关聚类结果

3 讨论

目前尚无研究在全国范围上探讨近地面O3污染对人体的健康效应及经济损失,本文的研究填补了这一空白.同时,对O3污染的健康效应估计也存在一些不确定性.一是我国有关O3污染的流行病学研究还处于起步阶段,缺乏多区域、长时间序列的研究结果,导致暴露-反应参数具有较强的不确定性;二是已有研究表明,我国O3的健康效应存在南北方差异和冷暖季节差异,这两种差异无法在本文的研究中体现;三是关于O3暴露系数(DO3-exposure),由于国内缺乏相关研究,本文选用2012年美国的研究成果,其计算公式为:

DO3_exposure=1+(in/out)´[overall/(overall+sr)] (4)

式中:in/out表示室内外活动时间的比值,overall表示总体每年平均换气率,与空调、窗户开关等有关,sr表示室内表面O3去除速率常数.由于中美两国国情差异,居民室内外活动时间占比、城市房屋特点、空调拥有率及使用率、气候特点等不尽相同,因而本文所选取的O3暴露系数“2.10”并不能真实的反映中国的具体情况,只是一个粗略的估计值,其估计结果可能与真实情况存在一定的偏差;四是本文只估计了O3的早逝风险,未计算住院率、门诊率等其他健康影响,因此可能会低估O3污染的急性健康效应;五是最近研究表明,当前的流行病学高估了环境O3的理论最低浓度,这可能导致低估中国和其他国家的O3污染的早逝死亡风险.六是人口空间分布网格数据的不确定性.由于人口空间分布真实情况难以获取,验证与评估技术缺乏,人口空间化的精度与评估仍是一个挑战性的问题.

4 结论

4.1 2017年全国监测点O3年均浓度范围76.4~ 230.1µg/m3,平均浓度155.4µg/m3,有555个监测站点O3年均浓度超过二级限值,主要分布在华北、华中、华东地区、华南部分区域及西藏地区.从监测点全年每日O3 8h-max浓度变化来看,O3浓度具有较强的季节性变化,呈倒“V”型变化趋势,在夏季6月左右达到浓度最高值,全年有153d超过一级浓度限值.

4.2 在10km×10km空间网格尺度上,模拟得到的O3年均浓度范围为76~225μg/m3,平均浓度为135μg/m3,O3浓度呈现以高值区为中心逐步向四周递减的空间分布结构,全局Moran's和局部Moran's指数分析表明,O3浓度在空间分布上具有较强的空间正相关性,空间网格主要被分成“高-高”型和“低-低”型两类,呈现出高值或者低值区域集中分布的现状,表明我国O3浓度在空间分布上具有明显的聚集现象.

4.3 以70µg/m3为阈值浓度,2.1为O3暴露系数,在统计层面上,2017年O3污染共计造成我国全因早逝人数98473例(95%CI:53419~143292),其中心血管疾病早逝人数为44316例(95% CI:16438~71992),O3污染对人群的死亡风险影响主要反映在心血管疾病风险上.从城市尺度上看,O3污染健康损失较为严重的城市分散在我国的华北、华东、西南以及华南地区,以“胡焕庸线”为分界线,位于分界线右侧的城市普遍健康损失较高,位于分界线左侧的城市普遍健康损失较低.京津冀、长江三角洲以及珠江三角洲地区的O3污染健康损失约占全国的29.77%.

4.4 以不同研究估算得到的单位统计生命价值为基础,估计得到的我国2017年O3污染健康经济损失在197~978亿元之间,约占当年全国GDP的0.05%~ 0.26%.在城市尺度上,68.8%的城市健康经济损失低于均值,局部自相关分析表明45个城市之间存在空间自相关性,主要分为“高-高”型、“低-低”型和“低-高”型3类,以“低-低”型为主.

[1] Kan H, Chen R, Tong S. Ambient air pollution, climate change, and population health in China [J]. Environment International, 2012,42(SI): 10-19.

[2] Li Y, Shang Y, Zheng C, et al. Estimated acute effects of ozone on mortality in a rural district of Beijing, China, 2005~2013: A Time- Stratified Case-Crossover Study [J]. International Journal of Environmental Research and Public Health, 2018,15(11):2460.

[3] Hvidtfeldt U A, Sørensen M, Geels C, et al. Long-term residential exposure to PM2.5, PM10, black carbon, NO2, and ozone and mortality in a Danish cohort [J]. Environment International, 2019,123:265-272.

[4] Huang J, Li G, Xu G, et al. The burden of ozone pollution on years of life lost from chronic obstructive pulmonary disease in a city of Yangtze River Delta, China [J]. Environmental Pollution, 2018,242: 1266-1273.

[5] Yin P, Chen R, Wang L, et al. Ambient ozone pollution and daily Mortality: A Nationwide Study in 272Chinese Cities [J]. Environmental Health Perspectives, 2017,125(11):117006.

[6] Post E S, Grambsch A, Weaver C, et al. Variation in estimated ozone-related health impacts of climate change due to modeling choices and assumptions [J]. Environmental Health Perspectives, 2012, 120(11):1559-1564.

[7] 董继元,刘兴荣,张本忠,等.我国臭氧短期暴露与人群死亡风险的Meta分析[J]. 环境科学学报, 2016,36(4):1477-1485. Dong J Y, Liu X R, Zhang B Z, et al. Meta-analysis of association between short-term ozone exposure and population mortality in China [J]. Acta Scientiae Circumstantiae, 2016,36(4):1477-1485.

[8] Shang Y, Sun Z, Cao J, et al. Systematic review of Chinese studies of short-term exposure to air pollution and daily mortality [J]. Environment International, 2013,54:100-111.

[9] Tao Y, Huang W, Huang X, et al. Estimated acute effects of ambient ozone and nitrogen dioxide on mortality in the Pearl River Delta of Southern China [J]. Environmental Health Perspectives, 2012,120(3): 393-398.

[10] 杨 毅,朱 云,Carey Jang,等.空气污染与健康效益评估工具BenMAP CE研发[J]. 环境科学学报, 2013,(9):2395-2401. Yang Y, Zhu Y, Carey Jang, et al. Research and development of environmental benefits mapping and analysis program: Community edition [J].Acta Scientiae Circumstantiae, 2013,(9):2395-2401.

[11] 国家统计局.中国统计年鉴 [M]. 北京:中国统计出版社, 2018. National Bureau of Statistics. China Statistical Yearbook [M]. Beijing: China Statistics Press, 2018.

[12] HJ 663-2013 环境空气质量评价技术规范(试行) [S].HJ 663-2013 Technical regulation for ambient air quality assessment (on trial) [S].

[13] GB 3095-2012 环境空气质量标准 [S]. GB 3095-2012 Ambient air quality standards [S].

[14] Chen L, Bai Z. Response to comment on "Assessment of population exposure to PM2.5for mortality in China and its public health benefit based on BenMAP" [J]. Environmental Pollution, 2017,231(1):1212.

[15] Chen C, Zhao B, Weschler C J. Assessing the influence of indoor exposure to "outdoor ozone" on the relationship between ozone and short-term mortality in U.S. communities [J]. Environmental Health Perspectives, 2012,120(2):235-240.

[16] 陈仁杰,陈秉衡,阚海东.上海市近地面臭氧污染的健康影响评价 [J]. 中国环境科学, 2010,30(5):603-608Chen Ren-jie, Chen Bing-heng, Kan Hai-dong. Health impact assessment of surface ozone pollution in Shanghai [J]. China Environmental Science, 2010,30(5):603-608.

[17] Wong C M, Ma S, Hedley A J, et al. Effect of air pollution on daily mortality in Hong Kong [J]. Environmental Health Perspectives, 2001,109(4):335-340.

[18] ICD-10. [EB/OL]. https://icd.who.int/browse10/2016/en.

[19] WHO. World Health Organization, Regional Office for Europe. Air quality guidelines: Global update 2005: Particulate matter, ozone, nitrogen dioxide, and sulfur dioxide [M]. 2019.

[20] Atkinson R W, Yu D, Armstrong B G, et al. Concentration-response function for ozone and daily mortality: Results from five urban and five rural UK populations [J]. Environmental Health Perspectives, 2012,120(10):1411-1417.

[21] 国家卫生健康委员会.中国卫生健康统计年鉴 [M]. 北京:中国协和医科大学出版社, 2018. National Health Commission. China health statistics yearbook [M]. Beijing: Peking Union Medical College Press, 2018.

[22] Hammitt J K, Zhou Y. The economic value of air-pollution-related health risks in China: A contingent valuation study [J]. Environmental & Resource Economics, 2006,33(3):399-423.

[23] Deng X. Economic costs of motor vehicle emissions in China: A case study [J]. Transportation Research Part D: Transport and Environment, 2006,11(3):216-226.

[24] Zhang M, Song Y, Cai X. A health-based assessment of particulate air pollution in urban areas of Beijing in 2000~2004 [J]. Science of the Total Environment, 2007,376(1-3):100-108.

[25] 谢旭轩.健康的价值:环境效益评估方法与城市空气污染控制策略[D]. 北京:北京大学, 2011. Xie X X. Health value: environmental benefit assessment method and urban air pollution control strategy [D]. Beijing: Peking University, 2011.

[26] 曾贤刚,蒋 妍.空气污染健康损失中统计生命价值评估研究[J]. 中国环境科学, 2010,(2):284-288. Zeng X G, Jiang Y. Evaluation of value of statistical life in health costs attributable to air pollution [J]. China Environmental Science, 22010,(2):284-288.

[27] 穆 泉,张世秋.中国2001~2013年PM2.5重污染的历史变化与健康影响的经济损失评估[J]. 北京大学学报(自然科学版), 2015,(4): 694-706. Mu Q, ZHang S Q. Assessment of the trend of heavy PM2.5pollution days and economic loss of health effects during 2001~2013 [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2015,(4):694-706.

Spatial distribution and health effects of ozone pollution in China.

ZENG Xian-gang*, RUAN Fang-fang, JIANG Yi-jing

(School of Environment & Natural Resources, Renmin University of China, Beijing 100872, China)., 2019,39(9)：4025~4032

Based on the real-time monitoring data of 1365monitoring stations in China in 2017, the spatial data statistical model was used to reveal the spatial-temporal distribution of near-ground ozone pollution, and BenMap tool was used to estimate the health loss and health economic value of ozone pollution on the scale of 10km×10km grid. The concentration of O3had a strong seasonal variation, showing an inverted "V" trend, and the spatial distribution showed obvious agglomeration, that was high or low value areas were concentrated, which had a strong positive spatial correlation. In statistical sense, by simulating indoor and outdoor O3exposure by O3exposure coefficient, O3pollution caused 98473 cases of all-cause premature death in China in 2017 (95% CI: 53419~143292), including premature death of cardiovascular diseases, which accounted for 45%. Based on the value of a statistical life estimated by different scholars, the estimated health economic loss ranged from 19.7 to 97.8 billion yuan, accounting for 0.05% to 0.26% of China's GDP in 2017.

ozone；health effect；BenMap；spatial autocorrelation；spatial-temporal variations

X503.1

1000-6923(2019)09-4025-08

曾贤刚(1972-),男,江西九江人,教授,博士,研究方向为环境与资源经济学.发表论文100余篇.

2019-02-18

科技部国家重点研发计划项目(2017YFC0702701)

* 责任作者, 教授, zengxg@ruc.edu.cn