基于动态轨迹的PM2.5暴露评估揭示波士顿地区社会经济差异与居住地方法的局限性

《Journal of Exposure Science & Environmental Epidemiology》：Mobility-driven estimate reveals elevated air pollution exposure and socioeconomic disparities beyond residence-based approaches in Boston

本研究针对传统居住地空气污染暴露评估忽略人群日常流动性的局限，通过整合智能手机GPS轨迹与PurpleAir传感器网络数据，开展了一项基于动态移动模式的PM2.5暴露研究。结果表明，考虑移动性的暴露评估较传统方法平均高出0.10μg/m3（高污染日达0.45μg/m3），并揭示白种人、高收入及在职人群在通勤高峰时段暴露显著升高。该研究为精准环境健康政策提供了时空动态评估框架，对推动环境正义具有重要科学意义。

　　

空气污染作为全球第二大死亡风险因素，每年导致810万人过早死亡，其健康影响已超过烟草使用和饮食风险。传统流行病学研究多采用固定地点的时间聚合污染数据，却忽视了现代城市居民每日超过半数时间处于非居住状态的现实。这种静态评估方法能否真实反映不同人群的实际暴露水平？是否掩盖了潜在的环境不公？波士顿地区的研究团队通过一项创新性研究给出了新的答案。

该研究发表于《Journal of Exposure Science & Environmental Epidemiology》，首次将高分辨率人类移动轨迹与超本地化空气质量监测相结合，揭示了传统居住地暴露评估方法的系统性偏差。研究团队发现，忽略日常流动性会导致PM_2.5暴露水平被显著低估，且这种偏差在不同社会经济群体间存在明显差异。

为开展此项研究，团队整合了两大核心数据源：一是通过波士顿步行研究（BostonWalks）收集的990名参与者智能手机GPS数据，包含155,000条出行记录；二是来自294个校准PurpleAir传感器的PM_2.5测量值，以2分钟为间隔连续采集。研究人员采用4公里空间缓冲区和日平均调整策略，为每个停留位置计算相对暴露值，并通过加权最小二乘回归和空间自相关分析揭示暴露差异的模式与驱动因素。

研究方法关键技术

研究采用智能手机GPS追踪技术获取个体移动轨迹，结合PurpleAir低成本传感器网络采集高频PM_2.5数据。通过空间缓冲区分析（4公里半径）将移动轨迹与空气质量监测点匹配，使用日平均调整法消除时间变异影响，并应用加权最小二乘回归和Moran's I空间自相关分析揭示暴露差异模式。

Spatiotemporal variation of exposure

研究发现工作日移动相关暴露呈现更强的空间聚类（Moran's I=0.4），而周末则较为分散（Moran's I=0.2）。高峰时段暴露水平显著升高，特别是高学历、高收入人群在工作日早高峰暴露比日均值高出0.3μg/m3。不同出行目的分析显示，"其他"、"休闲"和"餐饮"类活动的暴露工作日-周末差异达0.37-0.28μg/m3且统计显著，而工作相关出行差异不显著，反映工作地点污染水平的空间一致性。

Sociodemographic variation of exposure

回归分析揭示暴露水平与社会经济特征的系统性关联。白人群体在工作日早高峰暴露比黑人和亚裔群体分别高0.05μg/m3和0.25μg/m3。高学历人群暴露显著升高，而非就业人群工作日暴露较低。种族间差异呈现复杂模式：黑人群体工作日暴露低于白人，但周末反而更高，反映日常活动模式的群体差异。

Mobility variation of exposure

与传统居住地评估相比，移动性暴露评估平均高出0.10μg/m3，高污染日差异达0.45μg/m3。就业人群差异最大（0.12μg/m3），而45岁以上人群差异最小，与其活动模式的空间一致性相关。暴露差异与日均PM_2.5浓度呈负相关（r=-0.57），表明高污染日低估更为严重。

研究结论强调，忽略人类移动性将导致空气污染暴露水平和相关社会经济差异的系统性低估。移动性暴露评估框架能够揭示传统方法无法捕捉的环境不公，特别是对就业人群和高学历群体的高峰时段暴露负担。这一发现对公共健康政策和环境正义倡议具有重要启示：针对通勤高峰时段的干预措施、高污染走廊的公共交通优化以及弹性工作制度可能有效降低暴露差异。研究建立的动态评估方法为全球城市环境健康研究提供了可推广的范式，其经济价值显著——美国城市PM_2.5每降低1μg/m3可产生16亿美元效益，而中国相应减少可预防每年21,000-36,000例死亡。

尽管存在依赖室外监测数据、研究期覆盖不全等限制，本研究通过整合高分辨率移动数据与传感器网络，为精准环境健康研究开辟了新路径。未来研究需结合室内外污染渗透率与行为背景信息，进一步细化个体暴露评估，为制定更公平的公共卫生干预措施提供科学依据。