人为排放驱动中国PM2.5浓度长期演变与健康风险格局

《eClinicalMedicine》：Anthropogenic emissions shape long-term changes in PM 2.5 concentrations and health risks in China

本研究针对中国PM2.5污染源贡献与健康风险评估的长期动态变化问题，构建了2000–2020年源解析PM2.5浓度数据库。研究发现工业源是PM2.5浓度升降的主要驱动者，两阶段大气污染防治行动虽降低全国过早死亡率20.4%，但人口结构与基线死亡率变化抵消了10.6%的健康收益。该研究为精准治污和健康风险防控提供了关键科学依据。

　　

自21世纪初以来，中国在经历经济飞速发展的同时，也面临着严峻的细颗粒物（PM_2.5）污染问题。这种直径小于或等于2.5微米的颗粒物，是影响公众健康的主要环境风险因素之一。为了应对这一挑战，中国相继实施了《大气污染防治行动计划》（2013-2017年，第一阶段）和《打赢蓝天保卫战三年行动计划》（2018-2020年，第二阶段）等强有力的政策措施。这些措施虽然显著降低了全国的PM_2.5浓度，但不同污染源的减排效果存在显著差异，且不断变化的源结构和复杂的健康风险归因，对下一阶段的空气污染精准治理提出了新的难题。一个核心的科学问题是：在过去二十年间，不同类型的污染源究竟如何影响了中国PM_2.5浓度的长期变化轨迹？这些变化又对公众健康造成了怎样的影响？为了回答这些问题，由复旦大学环境科学与工程系、上海大气颗粒物污染防治重点实验室的王一恒、陈国超、杨宇彤、张昭蕾、张茹涵、王鹏、张宏亮组成的研究团队，开展了一项长达21年的系统性研究，其成果发表在《eClinicalMedicine》上。

为了开展这项研究，研究人员主要采用了几个关键技术方法。首先，他们利用改进的源导向天气研究与预报-社区多尺度空气质量（WRF-CMAQ）模型，模拟了2000年至2020年中国地区的空气质量，并通过添加非反应性示踪剂的方法，量化了不同排放源（如工业、交通、居民生活等）对PM_2.5浓度的贡献，这种方法相比传统的“蛮力法”能更好地处理大气化学反应中的非线性过程。其次，他们结合高分辨率的网格人口数据（来自WorldPop）计算了人口加权的PM_2.5浓度，以更准确地评估人群暴露水平。然后，研究团队采用全球暴露死亡率模型（GEMM）来估算因PM_2.5暴露导致的过早死亡人数，并考虑了非传染性疾病和下呼吸道感染（NCD+LRI）。最后，他们运用堆积分解法，剥离了排放、气象、人口增长与结构变化、基线死亡率变化等多个因素对PM_2.5相关健康风险变化的各自影响。

3.1. 模型验证

研究首先对WRF模型的气象输出和CMAQ模型的模拟性能进行了验证，使用的数据来自美国国家环境信息中心和中国环境监测总站。结果表明，无论是气象还是空气污染的模拟结果，都与观测值吻合良好，处于可接受的统计范围内。对于2013年之前缺乏PM₅观测数据的年份，研究人员将模型结果与多个公开数据集进行了比较，结果显示模型在大多数区域表现令人满意，证明了所用排放清单的可靠性。尽管在西北地区存在对PM_2.5浓度的系统性低估，这主要与沙尘源模拟的不确定性有关，但总体而言，模型和源解析结果是可靠的，可用于评估中国PM_2.5源贡献的长期趋势。

3.2. 源贡献的时空变异性

分析结果显示，不同污染源对PM_2.5浓度的贡献呈现出鲜明的空间分布和随时间变化的趋势。人为源在人口密集区域贡献显著，生物源在南方和西南地区贡献较大，而沙尘源则在西北地区占主导地位。从时间上看，2000年至2012年，全国大部分地区PM_2.5浓度上升，这主要归因于人为源贡献的增长。2013年第一阶段大气污染防治行动计划实施后，中国PM_2.5浓度显著下降，尤其在华东地区降幅超过20 μg/m3，这主要得益于人为源（特别是工业源）PM_2.5的大幅减少。2018年第二阶段计划启动后，PM_2.5浓度继续下降，但总体速率放缓。

3.3. 源对人口加权浓度的贡献

从对人群暴露影响更大的人口加权浓度来看，工业和居民生活源是PM_2.5最主要的贡献者。在京津冀和四川盆地，居民源的贡献比例较高（23%-31%），而在长三角、珠三角等经济发达地区，工业源的贡献超过40%。全国人口加权平均PM_2.5浓度在2012年达到峰值，其中工业源的贡献占主导地位（51.8%）。经过两阶段治理，到2020年，全国人口加权PM_2.5浓度降至34.6 μg/m3，城市群浓度下降了39%-51%。值得注意的是，在珠三角地区，尽管PM_2.5浓度已处于较低水平，但由人为和生物源产生的二次有机气溶胶（SOA）的贡献比例持续上升，从2000年的7.6%增至2020年的17.8%，提示随着气候变暖，该区域需更加关注SOA的影响。

3.4. 不同来源的过早死亡率

在健康风险方面，2000年，中国因PM_2.5暴露导致的过早死亡人数约为215.5万，到2012年上升至峰值265.7万，随后在2017年下降至235.1万，2020年略有回升至239.3万。两阶段大气污染控制计划总体上避免了约20.72万例过早死亡，其中第一阶段避免了30.6万例（-11.5%），但第二阶段过早死亡人数却增加了4.18万例（+1.8%）。工业源相关的健康风险自2012年后显著下降，但其在2020年仍是城市群健康风险的最大贡献者（占29.4%-36.8%）。居民源是第二大贡献者（占22.5%）。一个值得警惕的趋势是，自2012年以来，与交通源相关的健康风险大幅上升了61.5%，其导致的过早死亡人数增加了约1.17万例。

3.5. 源特异性PM_2.5死亡率的驱动因素

为了评估纯粹由减排措施带来的健康效益，研究人员固定了2012年的人口和基线死亡率，只让PM_2.5浓度逐年变化。结果表明，若仅考虑排放控制的效果，2012年至2020年间，PM_2.5暴露相关的健康风险下降了20.4%。然而，人口增长、老龄化以及基线死亡率变化等其他因素，导致了10.5%的风险增加，从而部分抵消了减排的健康收益。具体而言，人口增长和老龄化使过早死亡人数增加了23.7%，而基线死亡率的下降则贡献了12.7%的减少。研究还发现一个关键现象：尽管人为源、自然源和其他源在2020年对总PM_2.5浓度的贡献分别为76.9%、15.4%和7.7%，但它们对应的健康风险贡献却分别为87.7%、6.8%和5.5%。这意味着人为源PM_2.5带来的健康风险远高于其浓度占比。进一步分析城市和非城市地区的人群吸入暴露量发现，工业源和交通源相关的暴露在城市地区占比超过70%，表明城市居民承受着不成比例的高水平人为PM_2.5暴露负担。

综上所述，这项长达21年的研究清晰地揭示了中国PM_2.5污染源与健康风险的长期演变格局。研究结论指出，人为排放，特别是工业源，是2000-2012年PM_2.5浓度上升和2012-2020年浓度下降的主要驱动因素。中国实施的两阶段大气污染控制政策取得了显著的公共健康效益，但由于人口结构和基线死亡率的变化，部分健康收益被抵消。尤为重要的是，在整个研究期间，人为源相关的健康风险持续高于其对PM_2.5浓度的贡献比例，这主要是因为这些排放集中在人口稠密的城市地区。这些发现强有力地表明，未来除了实施区域差异化的减排政策外，持续对人为排放（尤其是工业和交通源）实施严格管控，对于最大化未来健康收益至关重要。该研究构建的长期PM_2.5源解析数据库，为评估历史政策有效性和指导未来精准空气污染控制策略提供了坚实的科学基础。随着城市化进程的推进，更多人口将聚集于暴露水平更高的城市地区，这凸显了对所有人为源，特别是工业和交通源，采取更严格减排战略的紧迫性。