使用多维度危害-暴露-脆弱性框架（2000–2023年）评估中国PM2.5与O3联合风险

《Ecological Genetics and Genomics》：Assessing combined PM 2.5-O 3 risks in China using a multidimensional hazard-exposure-vulnerability framework (2000–2023)

PM2.5和O3污染联合风险评估框架揭示2000-2023年中国污染风险时空演变：PM2.5风险2011年达峰后下降，O3风险2016年后显著上升，联合风险呈现先升后降再升波动。高风险区从北方的PM2.5主导区（如京津冀）扩展至西北的O3新热点（如内蒙古、西藏），政策协同不足导致2021年后O3风险反弹。研究提出分区域动态调控策略，强调多污染物协同治理与健康保护结合。

　　近地表PM2.5和O3是中国环境和人类健康面临的重要挑战。这两种污染物不仅影响空气质量，还对生态系统和人体健康产生深远影响。然而，传统的单污染物风险评估方法往往局限于单一维度，难以全面反映污染对环境和健康带来的综合影响。因此，本研究提出了一种多维风险评估框架，涵盖危害（Hazard）、暴露（Exposure）和脆弱性（Vulnerability）三个维度，以评估PM2.5、O3及其综合污染风险在中国从2000年至2023年的时空变化。该框架整合了卫星遥感数据、GBD的全球疾病负担研究以及人口和死亡率统计等数据，从而提供更全面的污染风险评估视角。

PM2.5和O3的污染模式在不同时间维度上展现出显著差异。PM2.5的风险在2011年左右达到顶峰，随后逐渐下降。而O3的风险则在2016年后显著上升。综合风险呈现出复杂的“上升-下降-上升”模式，表明自2021年以来的协同控制措施尚未完全奏效。从2000年至2016年，PM2.5污染风险较高的区域明显超过O3的高风险区，但自2017年后，O3污染高风险区域显著扩大，特别是在2019年和2023年，其影响范围显著增加。在2000年至2016年期间，PM2.5和O3的综合风险空间分布与PM2.5模式基本一致，但2017年之后，两者开始表现出叠加效应，即同时存在高污染和高脆弱性的区域。

研究结果揭示了PM2.5和O3污染风险的时空分布特征，以及它们如何在不同区域和时间段内变化。这一发现对于制定更加精准和有针对性的污染控制策略具有重要意义。中国作为一个快速发展中的大国，面临着复杂的空气污染问题。尽管实施了多项污染控制政策，如《大气污染防治行动计划》和《蓝天保卫战三年行动计划》，但空气污染相关的健康和环境风险依然显著。近年来，尽管空气质量有所改善，但部分地区因产业结构调整和疫情后经济复苏，出现了污染反弹的现象。因此，仅依赖单一污染物控制的策略难以应对这种复杂情况，需要更加综合和协调的治理手段。

在具体区域分布上，高风险区域主要集中在南方新疆、华北平原的部分地区（如天津、河北、山东、河南）、西部西藏、内蒙古、甘肃北部、山西南部、湖北东部以及长江三角洲北部。这些区域的污染风险较高，尤其在2000年至2016年期间，PM2.5污染风险显著高于O3污染风险。然而，自2017年后，O3污染风险迅速扩展，尤其是在2019年和2023年，其影响范围和强度达到新高。这表明，在某些区域，PM2.5和O3的协同作用可能加剧了整体的健康和环境风险。

本研究不仅揭示了PM2.5和O3污染的时空变化趋势，还强调了其在不同区域的综合影响。通过将危害、暴露和脆弱性三个维度相结合，可以更准确地识别出污染风险较高的区域和脆弱性较高的群体，从而为制定更有效的治理策略提供科学依据。此外，该研究还指出了在某些地区，尽管污染水平已经下降，但脆弱性却有所上升，这可能与疫情后的健康脆弱性以及PM2.5和O3的协同效应有关。因此，针对这些区域，需要采取更加细致的干预措施，以降低其健康风险。

本研究的成果对于推动中国“美丽中国”和“健康中国”战略具有重要意义。通过多维框架，可以更好地理解和应对空气污染的复杂影响，为政策制定者提供科学依据，以优化污染控制策略。同时，该研究也为其他发展中国家提供了借鉴，特别是在面对空气污染和健康风险时，如何采取更有效的协同控制措施。此外，研究还指出了未来研究的方向，包括提高分辨率的脆弱性指标、整合不同人群和社会经济因素的数据，以及开发基于季节变化的污染风险评估系统。

研究中使用的数据包括来自中国高空气污染（CHAP）数据集的卫星遥感污染数据、全球疾病负担（GBD）研究中的死亡率数据以及人口统计数据。这些数据为评估PM2.5和O3的综合风险提供了坚实的基础。通过结合这些数据，研究揭示了不同区域在不同时间点上的污染风险变化，为制定更具针对性的治理策略提供了支持。

在方法上，本研究采用了多维风险评估框架，结合了危害、暴露和脆弱性三个维度，以更全面地反映空气污染的综合影响。该方法不仅考虑了污染物的浓度水平，还分析了其对人口的暴露程度以及社会的脆弱性，从而提供了更精准的风险评估。研究结果表明，这种多维框架能够更好地揭示空气污染的复杂性，为制定更有效的协同控制策略提供了科学支持。

此外，研究还指出，PM2.5和O3的协同效应在不同区域表现出不同的特点。在某些地区，两者共同作用可能加剧健康风险，而在另一些地区，可能由于人口密度较低或暴露程度不高，其综合风险相对较小。因此，需要根据不同区域的具体情况，采取差异化的治理措施，以达到最佳的污染控制效果。

研究还强调了政策制定和实施中的重要性。尽管中国在污染控制方面取得了一定进展，但仍然需要进一步优化协同控制策略，特别是在高风险区域。例如，在南方新疆、华北平原、西部西藏、内蒙古等地区，需要加强PM2.5和O3的协同治理，以减少其对环境和健康的影响。同时，研究建议应建立统一的区域标准、集成监测与决策平台以及污染责任追究机制，以支持跨区域的协同治理。

总之，本研究通过多维框架评估了PM2.5和O3污染风险的时空变化，揭示了其在不同区域和时间段内的复杂动态。研究结果表明，传统的单污染物评估方法难以全面反映污染的综合影响，而多维框架则能够提供更精准的风险识别和干预策略。这不仅对中国空气污染治理具有重要意义，也为全球其他发展中国家提供了重要的参考。未来的研究应进一步提高数据的分辨率，整合更多社会经济因素，并开发基于季节变化的污染风险评估系统，以更好地应对空气污染带来的健康和环境风险。