PM2.5暴露风险的时空异质性：基于居民移动电话数据的出行行为评估框架

《Landscape and Urban Planning》：Spatiotemporal heterogeneity of PM 2.5 exposure risk: An assessment framework based on residents’ travel behavior using mobile phone data

本研究提出基于手机数据的动态空气污染暴露风险评估框架，整合出行聚合与规律指标，揭示PM2.5暴露风险时空异质性及影响因素，为上海等城市制定差异化环境治理策略提供科学依据。

　　在当今快速城市化和工业化发展的背景下，空气污染已成为全球范围内影响人类健康的重要环境问题。随着对空气质量关注度的提升，研究者们逐渐认识到，仅仅关注污染物的浓度水平是不够的，还需要结合人类活动的空间与时间特征，才能更全面地评估空气污染对健康的潜在影响。因此，暴露评估作为衡量环境污染物对人体健康影响的关键方法，其研究视角和评估手段正在经历深刻的变革。传统的暴露评估方法多基于静态的居住地信息，忽略了个体在不同时间段内的移动行为，从而可能导致暴露评估结果的偏差。近年来，借助移动通信技术的发展，动态暴露评估方法开始崭露头角，能够更准确地反映个体在不同空间和时间中的实际暴露情况。

本研究聚焦于上海这一具有代表性的全球性大都市，旨在构建一个融合个体移动行为与环境介质的动态暴露风险评估框架，以应对现有评估方法在宏观尺度上对暴露风险的识别不足和空间映射能力有限的问题。通过引入两个新的指标——出行聚集度和出行规律性，该框架能够更细致地刻画居民的出行行为特征，并将其纳入空气污染暴露风险的评估模型中。这一创新方法不仅提升了评估的准确性，还为城市规划和环境治理提供了新的视角和决策支持。

上海作为中国的重要城市之一，其空气质量状况受到多种因素的共同影响。一方面，城市中心区域由于交通流量大、工业活动密集以及建筑施工频繁，PM2.5浓度往往较高；另一方面，城市外围区域则可能因为绿化覆盖率高、交通压力小而具有较低的PM2.5浓度。然而，PM2.5污染并不仅仅局限于某些固定区域，而是随着时间和空间的变化而呈现动态特征。例如，在早晚高峰时段，由于通勤需求的增加，人们在城市主要交通干道和工业区的停留时间延长，导致PM2.5暴露风险显著上升。而在非高峰时段，居民的活动范围和频率相对较低，暴露风险则相应减少。

研究发现，出行聚集度和出行规律性是影响PM2.5暴露风险的两个关键因素。出行聚集度指的是某一特定时间段内，居民在某一区域内的集中程度。在高峰时段，出行聚集度高的区域往往对应着较高的PM2.5暴露风险，因为这些区域的交通流量大，污染物排放源密集，且居民在这些区域的停留时间较长。相比之下，出行规律性则反映了居民在不同时间段内活动模式的稳定性。在早晨，出行规律性较高的居民群体更容易受到PM2.5浓度变化的影响，因为他们的出行模式较为固定，容易集中在污染较重的区域。而在其他时段，出行规律性的影响可能相对减弱，因为居民的活动模式更加多样化，暴露风险的分布也更加分散。

此外，研究还揭示了不同区域的高暴露风险区（HERAs）在空间分布和影响因素上的差异性。在上海，HERAs主要集中在市中心区域、主要交通干道和工业聚集区。这些区域由于人口密度高、交通流量大以及工业排放源集中，PM2.5浓度普遍较高。然而，HERAs的具体特征和影响因素在不同地点之间存在显著差异。例如，在市中心区域，高浓度的PM2.5可能更多地受到交通排放的影响；而在工业聚集区，污染物的来源可能更多地来自工厂和生产活动。因此，针对不同类型的HERAs，需要制定差异化的规划和治理策略，以有效降低居民的PM2.5暴露风险。

在研究过程中，我们采用移动通信数据来捕捉居民的出行行为特征，这种方法能够提供高精度的空间和时间信息，从而更真实地反映个体在城市中的移动轨迹。通过分析这些数据，我们不仅能够识别出高暴露风险区，还能够评估这些区域在不同时间段内的暴露特征。例如，在早晨的高峰时段，PM2.5暴露风险与出行规律性密切相关，而在傍晚的高峰时段，高浓度的PM2.5和高出行聚集度则成为主要的影响因素。这种时间维度上的差异性表明，单纯的静态评估方法无法全面反映空气污染对健康的实际影响，而动态评估方法则能够更准确地捕捉到暴露风险的变化趋势。

研究还强调了动态暴露评估在城市规划和环境治理中的重要性。通过将个体的出行行为纳入评估框架，可以更有效地识别出高风险区域，并据此制定针对性的干预措施。例如，在高出行聚集度的区域，可以通过优化交通流量、增加绿化面积或建设污染防控设施来降低PM2.5的浓度水平；而在高出行规律性的区域，可以通过调整居民的出行模式或提供更多的健康防护建议来减少暴露风险。这些措施不仅有助于改善空气质量，还能提升居民的生活质量和健康水平。

值得注意的是，PM2.5暴露风险的评估不仅仅是对污染物浓度的简单测量，还需要综合考虑多种因素，包括居民的出行模式、居住环境、职业特征以及社会经济条件等。例如，老年人、儿童、孕妇以及患有慢性呼吸道疾病或心血管疾病的个体，由于身体机能较弱，对PM2.5的敏感性更高，因此在高暴露风险区中可能面临更大的健康威胁。而低收入群体和弱势社会群体，由于居住在污染较重的区域，且可能缺乏有效的防护措施，其暴露风险也相对更高。因此，在制定治理策略时，还需要充分考虑这些社会经济因素，以确保政策的公平性和有效性。

本研究的框架不仅在理论上有所创新，还在实践中具有重要的应用价值。通过将移动通信数据与空气质量监测数据相结合，我们能够更全面地了解居民在不同空间和时间中的暴露情况，从而为城市管理者提供科学的决策依据。例如，城市规划者可以根据暴露风险的空间分布，合理布局交通网络和工业区，减少污染源与居民区的重叠；环境治理部门则可以根据暴露风险的时间特征，制定更加精准的污染控制措施，如在早晚高峰时段加强交通管理和工业排放监管。此外，该框架还可以为公众提供个性化的健康建议，帮助他们更好地了解自身的暴露风险，并采取相应的防护措施。

在实际应用中，动态暴露评估框架的实施需要克服一系列技术和社会挑战。首先，移动通信数据的获取和处理需要强大的技术支持，包括数据采集、存储、分析和可视化等环节。其次，数据的隐私保护和伦理问题也需要引起重视，以确保居民的个人信息不被滥用。此外，动态暴露评估结果的解读和应用还需要结合当地的具体情况，包括气候条件、城市结构、人口分布等因素，以确保评估的准确性和实用性。

本研究的成果表明，将个体的出行行为纳入空气污染暴露风险评估，能够更真实地反映居民在不同时间和空间中的暴露情况，从而为城市空气质量管理和健康城市规划提供新的思路和方法。通过构建动态评估框架，我们不仅能够识别出高暴露风险区，还能够分析这些区域的主导影响因素，进而提出差异化的治理策略。这种方法为未来的研究和实践提供了重要的参考，同时也为应对全球空气污染问题提供了可借鉴的经验。

总之，空气污染暴露风险的评估是一个复杂而多维的过程，需要结合环境数据、社会经济数据以及个体行为数据等多个层面的信息。动态暴露评估框架的提出，标志着这一领域研究的深入发展，也为实现更精准、更有效的空气污染治理提供了新的工具和方法。未来的研究可以进一步拓展这一框架的应用范围，探索更多类型的污染物和不同城市规模下的暴露风险特征，以期为全球范围内的空气质量管理提供更加全面的支持。