住宅建筑多污染物协同净化与健康效益的能耗优化研究

针对室内空气污染物(IAPs)暴露导致的健康风险与能耗矛盾问题，研究人员通过建立动态多污染物浓度控制模型，量化了北京住宅中PM2.5、甲醛等6种IAPs在不同干预情景下的能耗-健康关联。研究发现PM2.5为主导污染物，最优情景P4+B1可减少87.34万DALYs/10万人，为多污染物协同治理提供方法论支持。

　　

随着现代建筑密闭性增强和装饰材料广泛使用，室内空气污染物(IAPs)浓度已达室外2倍以上，全球每年430万人死于室内空气污染，中国相关疾病负担更是欧美国家的2-5倍。尽管空气净化器能有效降低PM_2.5等污染物浓度，但单一污染物控制策略难以应对甲醛、苯等高风险污染物的协同暴露，且能耗与健康效益的平衡机制尚未明确。

针对这一难题，中国研究人员开发了基于质量平衡原理的动态多污染物浓度控制模型，以北京住宅为研究对象，首次系统模拟了PM_2.5、甲醛、O₃、苯、SO₂和NO₂六种IAPs的全年暴露水平。通过非支配排序多目标优化算法，量化了不同干预情景下能耗与健康效益的帕累托最优解。研究发现：在无干预情况下，北京住宅PM_2.5和甲醛浓度分别超标2.4倍和22%；采用PM_2.5单污染物控制情景P1(1-5 μg/m³)可使六种IAPs年均浓度降低84.5%，疾病负担减少36.7%；而多污染物协同控制最优情景P4+B1(PM_2.5 25-35 μg/m³+苯0.01-0.02 mg/m³)最具成本效益，可避免10.89万DALYs，相当于每10万人减少873.4残疾调整寿命年。该成果发表于《Science of The Total Environment》，为全球多污染物协同治理提供了重要方法论支撑。

关键技术方法包括：1) 建立分钟级分辨率的动态质量平衡模型；2) 采用北京2017年实际污染物浓度作为基线数据；3) 应用非支配排序遗传算法(NSGA-II)进行多目标优化；4) 量化DALYs等健康终点指标。

【年度平均浓度】基准情景显示PM_2.5(83.0 μg/m³)和甲醛(97.4 μg/m³)超标严重，其中PM_2.5贡献了72.3%的疾病负担。

【单污染物控制】PM_2.5控制阈值在35 μg/m³时，可降低PM_2.5浓度53.1%，但会意外增加苯等二次污染物浓度。

【多污染物优化】P4+B1情景在能耗与健康效益间取得最佳平衡，苯控制阈值每降低0.01 mg/m³可额外避免2.1万DALYs。

该研究突破传统单一污染物控制局限，首次建立多污染物协同净化框架，证实PM_2.5主导但非唯一关键污染物。通过量化不同情景下能耗与健康效益的量化关系，为制定区域特异性干预策略提供科学依据，尤其对发展中国家室内空气质量改善具有重要指导价值。