高分辨率评估揭示了中国养猪业中氨排放对人类健康风险的低估

《Journal of Cleaner Production》：High-resolution assessment reveals underestimated human health risks of ammonia emissions in China's pig production

中国高分辨率养猪业氨排放与人口健康成本评估显示，低分辨率分析分别低估了5-26%和7-24%的暴露人口与健康成本，5km数据整合性别年龄分层人口和NUFER模型可提升污染热点识别精度，为区域化减排政策提供科学依据。

　　随着中国人口的增长和收入的提升，猪肉需求的快速增长正在推动猪养殖业的迅速扩张。这一趋势带来了显著的环境和健康风险，特别是氨（NH?）排放的增加。氨是猪养殖业的主要污染源之一，主要来源于粪便的储存和管理。过去的研究大多依赖于较低分辨率的数据（如省级或县级数据），未能充分揭示这些风险在空间上的异质性。因此，如何准确评估氨排放对人口的暴露程度以及相关的健康成本，成为亟待解决的问题。

本研究通过整合NUFER-animal模型（Nutrient flows in Food chains, Environment and Resources use-animal）与地理分析，构建了一个高分辨率（5公里）的猪养殖业氨排放空间数据集。该模型能够综合考虑农业系统中的营养流动、环境影响以及资源使用情况，从而更精确地评估氨排放的环境效应。通过将模型与地理信息相结合，我们不仅能够识别氨排放的高风险区域，还能进一步量化这些区域中不同年龄和性别群体的暴露情况。高风险区域被定义为氨氮排放强度超过1吨/平方公里的地区，这些区域的分布对评估人口暴露和健康成本至关重要。

研究结果显示，2000年、2010年和2021年，中国暴露在高风险氨排放区域的人口分别为3.43亿（2.92亿至3.93亿）、3.58亿（3.10亿至4.09亿）和3.86亿（3.34亿至4.39亿）。与低分辨率分析相比，这些数据被低估了5%-26%、7%-20%和6%-14%。同时，与这些暴露人口相对应的健康成本分别达到50.2亿美元（38.2亿至59.8亿美元）、50.8亿美元（39.1亿至60.2亿美元）和57.1亿美元（44.4亿至67.0亿美元），低估幅度分别为7%-24%、7%-19%和5%-13%。这些低估的数值反映了在缺乏高分辨率数据的情况下，对污染热点和健康风险的识别存在偏差，从而影响政策制定的有效性。

此外，研究还考虑了参数不确定性（±10%）对国家层面暴露和健康成本评估的影响。结果显示，国家层面的暴露和健康成本估计在±14.9%至±14.7%以及±23.8%至±19.2%之间波动。参数不确定性主要来源于人口数据和年龄特异性脆弱性系数的差异。这些不确定性进一步说明了在缺乏详细数据的情况下，对污染和健康风险的评估可能存在较大误差。

本研究的意义在于，它通过高分辨率数据集的构建，提高了对污染热点和健康风险识别的精度。这一成果为制定具有地域针对性的缓解政策提供了坚实的科学基础，同时也有助于推动更加清洁、可持续的猪养殖系统的发展。通过将高分辨率的猪养殖分布数据与NUFER-animal模型相结合，我们不仅能够更准确地评估氨排放的环境效应，还能进一步揭示其对不同年龄和性别群体的健康影响。这种综合方法在当前的环境和健康研究中具有重要的应用价值，尤其是在中国这样一个拥有庞大人口和高度集约化农业的国家。

研究还表明，中国猪养殖业的氨排放分布具有高度的空间异质性。例如，超过60%的中国人口暴露在氨浓度超过联合国推荐安全阈值的地区。这些高浓度的氨不仅影响空气质量，还对人类健康造成显著威胁。过去的研究虽然在一定程度上揭示了这种空间异质性，但往往未能将氨排放与人口的年龄和性别结构相结合，从而导致对健康成本的低估。本研究填补了这一空白，通过将高分辨率数据与人口结构数据相结合，提高了对健康风险评估的准确性。

在方法上，本研究整合了多种数据来源，包括猪养殖分布数据、人口密度数据以及人口按性别和年龄分组的数据。通过将这些数据与NUFER-animal模型相结合，我们不仅能够更精确地评估氨排放的空间分布，还能进一步分析其对不同群体的健康影响。研究还采用了校准的年龄特异性脆弱性系数，以确保对健康成本的评估更加科学和准确。此外，研究还通过分析在不同空间分辨率下的数据，揭示了低分辨率分析对暴露和健康成本的低估情况，为政策制定提供了更加可靠的依据。

通过高分辨率数据的构建和应用，本研究为解决中国猪养殖业的环境和健康问题提供了新的思路。首先，它揭示了氨排放的空间分布特征，为识别污染热点提供了数据支持。其次，它量化了不同年龄和性别人群的暴露情况，为制定更具针对性的健康保护措施提供了科学依据。最后，它评估了低分辨率分析对健康成本的低估情况，为政策制定提供了更加准确的参考。这些成果不仅有助于提高对氨排放环境效应的认识，还能够推动更加清洁、可持续的农业发展。

在中国，猪养殖业的氨排放对环境和健康的影响已经引起了广泛关注。例如，2017年，农业相关的氨排放导致了约120万例过早死亡，其中红肉生产贡献了约22万例。这些数据表明，氨排放对公众健康的影响是显著的，尤其是在人口密集或排放强度高的地区。此外，2017年，中国猪养殖业相关的氨排放健康成本达到了60亿美元，而美国在2015年的估计则高达69亿至180亿美元。这说明氨排放对健康的影响不仅在中国，而且在全球范围内都具有重要性。

研究还强调了高分辨率数据在环境和健康评估中的重要性。传统的低分辨率数据（如省级或县级数据）在识别污染热点和健康风险方面存在局限性，可能导致对暴露和健康成本的低估。相比之下，高分辨率数据能够更精确地反映污染的空间分布特征，从而为政策制定提供更可靠的基础。例如，近年来，全球牲畜养殖业的氨排放已经增加了两倍以上，从1961年的14.7亿吨氮（Tg N）增加到2018年的29.8亿吨氮。在中国，牲畜相关的氨排放占农业氨排放总量的一半以上，而猪养殖业的氨排放则超过了所有牲畜相关排放的三分之一。这些数据表明，猪养殖业的氨排放在中国的环境和健康问题中占据重要地位。

通过构建高分辨率数据集，本研究不仅提高了对污染热点和健康风险的识别精度，还为制定具有地域针对性的缓解政策提供了科学依据。例如，中国猪养殖业的氨排放主要集中在一些特定的区域，如 peri-urban（城郊）地区和小规模养殖户密集的地区。这些区域的氨排放强度较高，导致了更严重的健康风险。因此，针对这些区域的政策制定显得尤为重要。此外，高分辨率数据还能够揭示不同地区的人口密度差异，从而为评估健康成本提供更加精确的依据。例如，某些地区的高人口密度可能使氨排放对健康的影响更为显著，而另一些地区则可能因人口较少而影响较轻。

在政策层面，本研究的结果对于制定更加精准的缓解措施具有重要意义。例如，通过识别氨排放的高风险区域，政府可以采取针对性的措施，如加强污染治理、推广环保养殖技术、优化养殖布局等，以减少氨排放对环境和健康的负面影响。此外，通过量化不同年龄和性别群体的暴露情况，政策制定者可以更好地了解哪些人群最容易受到氨排放的影响，从而制定更具针对性的健康保护措施。例如，儿童、老年人和慢性病患者可能对氨排放更为敏感，因此需要特别关注这些群体的健康状况。

研究还指出，随着中国猪养殖业的快速发展，其对环境和健康的影响正在逐步加剧。例如，2021年，中国贡献了全球近一半的猪肉产量，使其成为世界上最大的猪肉生产国和消费国。然而，这种快速增长也带来了更多的氨排放，进而加剧了环境问题和健康风险。因此，如何在保持猪养殖业发展的同时，减少其对环境和健康的负面影响，成为亟待解决的问题。

本研究的成果不仅有助于提高对氨排放环境效应的认识，还能够推动更加清洁、可持续的农业发展。例如，通过高分辨率数据的构建，我们可以更精确地评估氨排放的空间分布特征，从而为政策制定提供更可靠的依据。此外，通过将氨排放与人口结构数据相结合，我们可以更好地了解不同人群的健康风险，从而制定更具针对性的健康保护措施。这些措施不仅有助于减少氨排放对环境的影响，还能够提高公众健康水平，促进农业的可持续发展。

在方法上，本研究采用了多种先进的环境模型和数据分析技术。例如，结合岭回归、核方法和优化算法的模型已被成功应用于水质和空气污染物的预测。此外，遥感技术与机器学习的结合使得污染物的精细尺度映射成为可能，为氨排放的暴露评估提供了方法学上的支持。这些数据驱动的方法强调了在精细尺度上评估污染相关健康影响的潜力，为政策制定提供了更加科学的依据。

本研究的实施过程涉及大量的数据收集和处理工作。例如，我们收集了2333个县的猪养殖业时间序列数据，以及多个空间分辨率（从5公里到县级）的经济社会指标数据。通过整合这些数据，我们能够更全面地了解猪养殖业的发展趋势及其对环境和健康的影响。此外，我们还采用了校准的年龄特异性脆弱性系数，以确保对健康成本的评估更加科学和准确。这些系数反映了不同年龄群体对氨排放的敏感程度，从而帮助我们更精确地评估健康风险。

在研究过程中，我们还面临一些挑战。例如，如何确保数据的准确性和一致性是一个重要问题。由于不同来源的数据可能存在差异，因此需要进行仔细的校对和验证。此外，如何处理参数不确定性（±10%）也是一个关键问题。通过分析参数不确定性对国家层面暴露和健康成本的影响，我们能够更好地理解这些数据的可靠性，并为政策制定提供更加稳健的依据。

总体而言，本研究通过构建高分辨率数据集，提高了对污染热点和健康风险识别的精度，为制定具有地域针对性的缓解政策提供了坚实的科学基础。同时，它还揭示了氨排放对不同年龄和性别群体的健康影响，为制定更加精准的健康保护措施提供了依据。这些成果不仅有助于减少氨排放对环境的影响，还能够提高公众健康水平，促进农业的可持续发展。此外，研究还强调了高分辨率数据在环境和健康评估中的重要性，为未来的相关研究提供了方法学上的支持。