社区尺度空气交换率与学龄儿童吸入污染剂量差异：基于超局部监测和地块级住房数据的PM2.5与O3暴露研究

《Journal of Exposure Science & Environmental Epidemiology》：Neighborhood-scale disparities in air exchange rates and inhaled pollution dose among school-aged children

　　

背景：环境空气污染及其向室内环境的渗透会因交通密度、排放源和住房条件差异而在城市邻里内显著变化；然而，这种变异性在暴露研究中常未被捕获。目的：本研究估算马萨诸塞州切尔西（Chelsea, MA）学龄儿童对细颗粒物（PM_2.5）和臭氧（O₃）的平均每日吸入剂量，并评估暴露的局部差异。方法：将84个空气质量监测仪组成的超局部网络与地块级住房数据以及劳伦斯伯克利国家实验室（LBNL）渗透模型相结合，估算切尔西全市住宅空气交换率（AERs）以及PM_2.5和O₃的每日吸入剂量。结果：全市平均O₃每日剂量范围为1.4至5.0 μg/kg，环境每日平均浓度变化高达39 μg/m³。对于PM_2.5，每日吸入剂量变异较小，范围为0.52至1.4 μg/kg；然而，观察到环境PM_2.5浓度中位数空间差异高达4.4 μg/m³，这仍可能足以影响健康结局。在租金负担更高和西班牙裔/拉丁裔人口更多的街区组中，住宅空气交换率（AERs）更高。意义：地块级数据与高分辨率监测的结合揭示了环境浓度、住房条件和吸入剂量方面的差异，这些差异可能对儿童健康结局产生有意义的影响。影响：该研究利用超局部空气质量监测网络和地块级住房数据评估小学学龄儿童空气污染暴露，发现邻里水平的环境浓度和吸入剂量差异足以影响健康结局。空气交换率在研究区域内变化，并在西班牙裔/拉丁裔人口更多和租金负担更高的街区组中增加。这项工作证明了在暴露研究中使用高分辨率、微尺度空气污染监测仪以及个体住房特征的重要性。

城市空气质量是美国和全球持续公共卫生问题；尽管美国人约90%时间在室内，室外空气污染仍通过建筑渗透造成暴露。渗透程度取决于建筑特征和污染物特定传输过程，导致室内浓度和个人暴露在不同地点和建筑间差异显著。城市邻里常具有较老住房、高交通密度和工业活动，低收入城市环境还叠加社会和环境压力源。既往研究显示城市和邻里内空气污染存在空间变异，但室内渗透依赖建筑年龄、大小和通风，社区内差异大。许多暴露研究依赖监管监测站的环境浓度作为室内空气质量替代，因个人监测成本高；但监管站稀疏，不能捕捉局部和个体差异，可能低估邻里间和邻里内差异。Breen et al. 开发 EPA TracMyAir 工具，纳入住房特征和微环境时间；其核心 LBNL 渗透模型根据建筑面积和年龄等估计住宅空气交换率（AERs，住宅室内外空气交换速率），并在 North Carolina 住宅用全氟碳示踪剂验证，测得与模型 AER 绝对差异40%。Rosofsky et al. 将该模型应用于马萨诸塞州地块，发现多家庭建筑和西班牙裔/拉丁裔人群 AER 更高。但依赖稀疏监管监测仍可能不能捕捉邻里水平环境浓度差异。本研究整合 LBNL 模型与切尔西（Chelsea, MA）84个监测仪组成的超局部环境空气质量传感器网络，估算小学学龄儿童 PM_2.5 和 O₃ 每日总暴露。选择切尔西因其环境与公共卫生负担不成比例。研究人员利用地块级住房数据和连续室外测量，提供城市环境正义社区儿童暴露高分辨率估计，证明考虑空间变异和住房特征的重要性。

关键技术方法概述：研究区为马萨诸塞州切尔西，样本来源包括2023年 City of Chelsea 税务地块地址数据集（仅住宅，1900—2000年建、少于四层）和 iSUPER 传感器网络。网络含84台 QuantAQ MODULAIR 监测仪，测温度、湿度、PM₁、PM_2.5、PM₁₀、CO、NO、NO₂和O₃，5 min 读数，小时均值，IDW（p=2）用0.5 km内最多四个最近传感器插值到地址。研究期2024年10月至2025年9月，排除6—8月，模拟学校年工作日6—10岁学生。用 TravelTime API 计算通学路线，Thiessen 多边形分配传感器。用 LBNL 渗透模型结合地块面积、年份、层数、风速、温度估计 AER；按微环境和活动时间、每分钟通气量（MV，minute ventilation）、体重（BW，body weight）计算吸入剂量。

结果：
空气交换率：AER计算覆盖每个地块。多家庭住宅占建模建筑的86%，所有季节 AER 更高，中位1.0 h^-1；独栋住宅中位0.88 h^-1。两类住宅冬季 AER 最高，秋季最低。相关分析显示，平均 AER 与西班牙裔/拉丁裔人口比例正相关（Pearson r=0.57，p=0.002），与租金负担正相关（Spearman ρ=0.51，p=0.006）。
PM_2.5吸入剂量：研究期 PM_2.5 中位每日吸入剂量为1.0 μg/kg，中位环境 PM_2.5 浓度为5.1 μg/m³。每日吸入剂量季节间相似，中位从秋季0.94 μg/kg 到冬季1.1 μg/kg。各季节西南角吸入剂量较高、最北部较低，与环境浓度模式一致；但这些区域外未见一致空间分布。环境浓度存在地理变异，冬季最高差异平均为3.1至7.5 μg/m³。
O₃吸入剂量：研究期 O₃ 中位每日吸入剂量为3.0 μg/kg，中位环境浓度为66 μg/m³。吸入剂量在城市中部和东部较高，学校附近较高，显示步行对吸入剂量的贡献。环境 O₃ 浓度也在北部和中部较高。季节平均浓度在地址间差异可高达47 μg/m³。O₃ 浓度读数公布不确定度为5 ppb 或约10 μg/m³。
微环境贡献：每日吸入剂量各微环境贡献百分比显示，PM_2.5 中学校中位贡献37%，家庭中位61%，步行中位5.0%，驾驶低于1%（中位0.5%）。O₃ 中学校中位38%，家庭中位59%，步行中位10%，驾驶中位0.5%；O₃ 各微环境贡献随剂量水平变化更大，学校在较低剂量水平占更大比例。住宅 AER 随吸入剂量增加。

讨论部分总结：研究人员评估切尔西学龄儿童住宅 AER 及相应 PM_2.5 和 O₃ 每日吸入剂量。超局部监测和地块级住房数据揭示了暴露研究通常未捕获的社区内剂量差异。尽管环境浓度持续低于美国环保署（EPA）标准，观察值可能足够高且异质以影响全市健康差异。AER 随建筑大小、年龄和位置变化，在西班牙裔/拉丁裔比例更高和租金负担更高的街区组增加；多家庭建筑因单元面积较小和建筑更高而 AER 更高。与 Chu et al. 在切尔西的测量及 Rosofsky et al. 在马萨诸塞州的建模比较，本模型值大体一致，差异可归因于研究设计和采样技术。模型平均 AER 高于 Chu et al. 多家庭0.70 h^-1和独栋0.42 h^-1，但 Chu et al. 年均包括夏季，夏季 AER 通常较低，而本研究未包括夏季。秋季估计多家庭0.74 h^-1、独栋0.62 h^-1，被认为最具代表性比较。Rosofsky et al. 报告冬季多家庭中位1.39 h^-1（duplex/triplex）至1.42 h^-1（4—8单元公寓），与本研究报告的1.36 h^-1相当，但独栋 AER 较小，可能反映城市与郊区独栋建筑大小和遮蔽差异。

空间模式方面，PM_2.5 和 O₃ 与排放源邻近性呈现相似模式。PM_2.5 热点集中在切尔西西南角，邻近大型工业区、主要高速公路、修复中的桥梁和繁忙港口；冬季 O₃ 与 PM_2.5 相关。研究人员指出，高分辨率测量对比较邻里水平 PM_2.5 暴露和吸入剂量差异有意义；但 O₃ 从既往研究和基本原理看应显示与交通相关空气污染（NO 源）相反模式。结果提示 iSUPER O₃ 传感器（测量总氧化物种 O₃+NO₂，再用单独 NO₂ 传感器校正）可能拾取 NO₂，可解释空间发现，这是需未来验证的重要局限。该信息可与其他监测和建模数据结合，如大规模移动监测、卫星遥感和机器学习，增强 PM_2.5、O₃ 和其他污染物时空分辨率。

PM_2.5 平均吸入剂量仅变化1 μg/kg，与环境浓度相对均匀一致。但吸入剂量估计仅反映环境来源，未捕获住宅间差异（如 HVAC 系统或燃气灶）和日常室内活动（如烹饪、吸尘）对个人暴露的实质影响。近期研究提示烹饪和清洁是家庭 PM_2.5 重要来源；燃气灶释放大量 PM_2.5 以及 CO、氮氧化物（NO_x）和 CO₂。即使如本研究城内5 μg/m³ 的 PM_2.5 变异也可能影响健康：每1 μg/m³ PM_2.5 增加与哮喘住院增加0.41%相关，4.16 μg/m³ 增加与每100,000人额外32死亡相关。儿童因呼吸系统发育、相对体重更高呼吸率等更敏感；慢性低水平 PM_2.5 暴露与哮喘发生和加重、肺功能受损、炎症及不良认知和神经发育结局相关。研究人员认为结果可用于支持马萨诸塞州投资切尔西公立学校空气过滤，因为37% PM_2.5 暴露归因于学校微环境，空气净化器已在其他学区降低 PM_2.5；也可帮助家庭采用低成本 DIY 空气过滤器。未来暴露模型需纳入室内 PM_2.5 源。

O₃ 暴露主要受环境浓度影响，社区内每日吸入剂量变异更大，达4.0 μg/kg。季节内环境 O₃ 差异平均44 μg/m³。多项研究显示儿童哮喘住院随环境 O₃ 每增加1 ppb（1.98 μg/m³）而增加；生命前两年 O₃ 暴露增加2 ppb（3.96 μg/m³）与4岁时哮喘增加31%相关。尽管能识别 O₃ 吸入剂量热点，但为每个家庭建模个体吸入剂量有助于更具体减少暴露。O₃ 与 NO₂ 测量可能交叉敏感，且 O₃ 通常缺乏小尺度空间异质性，可能不适合此类分析。未来高分辨率监测网络应纳入 NO 和 NO₂ 等污染物。交通方面，驾驶占每日 O₃ 和 PM_2.5 吸入剂量低于1%，步行贡献更显著，PM_2.5 为1%—11%，O₃ 为2%—25%。本研究假设乘用车；校车暴露未明确建模，可能因路线更长、更不直接、气密性低和巴士排放而超过个人车辆暴露。马萨诸塞州正通过 Clean School Bus 计划转向电动巴士，但高比例校车仍为柴油动力，可增强学龄儿童有害空气污染物暴露。扩展模型包括校车可能引入另一暴露差异。

局限性包括：无法验证主要公路附近高 O₃ 浓度，因潜在 NO₂ 交叉敏感；无法捕获个体建筑特征和家庭活动，需使用平均模型值，可能偏倚 PM_2.5 暴露估计；LBNL 模型主要设计独栋，NL 值来自全国70,000住宅数据库，近四分之三在 Ohio，仅177来自 Massachusetts；使用单一参数值而非探索变异，剂量估计有不确定性；模型可能无法捕获多家庭建筑单元内气流动态；EPA TracMyAir 包括中央空调或热泵信息，但不包括窗式空调、风扇或开窗使用，可能影响夏季结果，但本研究未包括夏季；吸入剂量使用6—10岁平均体重和活动水平，不说明个人差异，可能低估最小儿童、高估最大儿童，但一致应用不影响相对空间比较；CDC 生长图数据2000年发布，可能不反映当前儿童体重，剂量与体重反比，较高体重会降低剂量，因此估计可能保守。切尔西整体哮喘和心血管疾病率分别高于州平均15%和90%，但这些数据未在街区组或人口普查 tract 水平公开。本研究发现社区间实质差异，租金负担更高和西班牙裔/拉丁裔人口更多的街区组经历更高 AER，环境浓度空间差异足以影响健康结局，提示哮喘和心血管疾病负担可能在城市内变化。这些发现强调在暴露评估中纳入个体住房因素和微空间监测的重要性，否则可能忽略有意义暴露差异。超局部监测网络增加的特异性可帮助靶向空气污染缓解，如绿色基础设施、交通管理或室内空气过滤器安装。随着高质量、低成本传感器普及，暴露研究应尽可能利用超局部监测数据，捕捉社区水平差异。

研究结论部分翻译：作为整体，Chelsea 的哮喘和心血管疾病率较高，分别高于州平均15%和90%；然而，这些数据未在街区组或人口普查 tract 水平公开。本研究发现社区间实质差异，租金负担更高和西班牙裔/拉丁裔人口更多的街区组经历更高 AER，并观察到环境浓度空间差异足以影响健康结局，提示哮喘和心血管疾病负担可能在整个城市内变化。这些发现强调在暴露评估中纳入个体住房因素和微空间监测的重要性，因为未这样做可能忽略有意义的暴露差异。此外，超局部监测网络增加的特异性可帮助将空气污染缓解努力，如绿色基础设施、交通管理或室内空气过滤器安装，靶向至优化影响。随着高质量、低成本传感器普及，暴露研究应在可能时利用超局部监测数据，以捕捉社区水平差异。研究人员的发现可用于优先和整合一系列干预机会，可能对 Chelsea 学龄儿童健康产生积极影响，包括在家庭和学校纳入空气过滤器、实施零排放校车，以及最终减少工业和环境空气污染排放源。