基于CFD–GIS–QMRA框架的城市生物气溶胶释放风险评估与医疗需求预测研究

《Sustainable Cities and Society》：A CFD–GIS–QMRA framework for post?release urban bioaerosol risk and healthcare demand assessment

　　

城市生物安保对于可持续城市发展日益重要。然而，许多城市地区仍缺乏足够的能力来评估和缓解空气传播生物释放事件的风险，无论是来自生物安全设施的事故性泄漏、生物技术行业病原体的不当处理，还是蓄意的生物恐怖袭击。预计到2050年，全球超过三分之二的人口将居住在城市，密集的城市结构和复杂的气流模式可能将局部的生物气溶胶释放转变为大范围暴露，压垮公共卫生系统，并对实现"建设安全、韧性和可持续城市"的可持续发展目标构成挑战。

历史事件表明了事故性生物气溶胶释放的严重后果。例如，1979年俄罗斯斯维尔德洛夫斯克军事设施发生的炭疽释放事件导致数百人死亡；2019年中国兰州一家生物制药厂发生的布鲁氏菌释放事件导致超过10,000名居民感染。此类事件产生了大量的医疗需求，包括诊断筛查、住院治疗、重症临床管理以及对医疗人员和医院资源的更高需求。大规模医疗负担可能扰乱常规医疗服务，对城市医疗系统造成持续压力，进而影响城市可持续发展。

城市复杂环境中的生物气溶胶扩散受大气条件、城市几何形态和释放特征之间相互作用的影响，产生高度不确定且难以预测的时空暴露模式。计算流体力学与地理信息科学的集成（CFD–GIS）已成为表征这些复杂扩散过程的有效方法。与高斯烟羽/烟团和拉格朗日粒子扩散模型等较简单的扩散方法相比，CFD能够显式解析建筑尺度的气流及相关扩散过程，包括流动分离、尾流效应和局部回流，从而在城市复杂微尺度环境中提供生物气溶胶传输和暴露的空间分辨信息。在CFD–GIS框架下，GIS衍生的空间数据集（如三维建筑几何和气象数据）可整合到CFD模拟中，以表征城市环境中的气流和生物气溶胶传输。同时，基于GIS的空间分析利用CFD输出结果，有助于表征生物气溶胶扩散模式和空间动态。然而，仅靠CFD–GIS分析仍不足以将物理层面的生物气溶胶扩散转化为定量健康结果及相应的医疗需求，这一脱节限制了其在公共卫生准备和城市生物安保决策中的直接实用性。

定量微生物风险评估（QMRA）提供了一种将生物气溶胶暴露转化为定量公共卫生风险估计的补充方法。现有方法通常整合生物气溶胶扩散、人群暴露和剂量–反应关系等信息。然而，当前生物气溶胶风险评估框架中，瞬态粒子级扩散与空间分辨暴露之间的计算连接仍不完善。特别是，动态粒子传输信息（包括传输过程中的生物衰减和暴露区域内的停留时间）尚未常规地传播到暴露计算中，限制了对瞬态扩散过程进行空间分辨吸入暴露转化的能力。此外，现有生物气溶胶QMRA研究通常止步于感染风险或流行病学负担指标（如感染人数和伤残调整生命年），感染估计对病原体特异性临床结局和医疗系统的影响仍较少被表征。将分析链从感染风险扩展到住院、ICU入住、死亡、护理时长以及相应的病床和医疗人员需求，能够提供感染估计单独无法捕捉的信息，特别是急性生物释放事件后可能需要的医疗资源规模和类型。

为弥补上述不足，研究人员开发了一个集成的CFD–GIS–QMRA框架，将生物气溶胶扩散与公共卫生影响评估联系起来。以生物安全三级（BSL-3）实验室的假设性释放为案例研究，模拟了涉及四种代表性病原体（SARS-CoV-2、H5N1、炭疽芽胞杆菌和布鲁氏菌）和三个释放源（实验室排风口、窗户和地面）的多种释放情景。该框架将瞬态CFD输出与GIS空间分析耦合，以表征生物气溶胶扩散的时空模式，包括热点分布和定向传输。重要的是，粒子级扩散信息随后被纳入扩展的QMRA，该分析考虑病原体特异性剂量–反应关系以及生物学和临床特征，以量化空间显式和年龄分层的感染风险，并估计后续的健康结局和医疗需求。

**基于CFD–GIS–QMRA框架的城市生物气溶胶释放风险评估与医疗需求预测**

**1. 研究背景与问题**

城市生物安保（urban biosecurity）对可持续城市发展日益关键。生物安全设施事故泄漏、生物技术产业病原体不当处理及蓄意生物恐怖袭击等空气传播生物释放事件，均可能对城市公共卫生构成严重威胁。1979年斯维尔德洛夫斯克炭疽释放事件造成数百人死亡，2019年兰州布鲁氏菌泄漏事件导致超过1万名居民感染。此类事件产生大量医疗需求，包括诊断筛查、住院治疗、重症监护及医疗人员与资源投入，可能扰乱常规医疗服务并对城市医疗系统造成持续压力。

当前风险评估存在三个核心瓶颈。其一，计算流体力学与地理信息科学（CFD–GIS）虽能精细刻画建筑尺度气流与生物气溶胶扩散过程，但无法将物理扩散转化为定量健康结局和医疗需求。其二，现有定量微生物风险评估（QMRA）方法中，瞬态粒子级扩散信息——包括传输中的生物衰变和暴露区停留时间——未能系统传递至暴露计算环节。其三，现行生物气溶胶QMRA研究多止步于感染风险或伤残调整生命年等流行病学指标，缺乏对住院、重症监护、死亡及相应医疗资源配置需求的延伸分析。

**2. 研究目的与框架构建**

针对上述空白，研究人员开发了集成的CFD–GIS–QMRA框架，建立"扩散–暴露–健康结局–医疗需求"连续分析链。该框架以位于中国某疾病预防控制中心（CDC）设施内生物安全三级（BSL-3）实验室的假设性释放为案例，覆盖约0.54 km2区域及约1万人口（含四个居住区、一家医院和两所学校）。研究选取四种代表性病原体（SARS-CoV-2、H5N1、炭疽芽胞杆菌、布鲁氏菌）和三个释放源（排风口S1，30 m；窗户S2，16 m；地面入口S3，0.3 m），系统分析了不同释放高度和病原体特性对感染负担及医疗需求的影响。

**3. 关键技术与方法**

**3.1 数据来源与预处理**

研究整合了多源数据：ERA5-Land小时气象数据（2025年，0.1°×0.1°）、2020年中国1 km地表温度数据集、3D-GloBFP三维建筑数据、ASPECT年龄分层人口数据（2020年，100 m分辨率，含0–14岁、15–59岁、>59岁三组）、吉林卫星JL1KF01B遥感影像（2023年，0.5 m分辨率）以及无人机倾斜摄影三维实景数据（2025年，<10 cm分辨率）。研究区年均2 m气温23.15°C、2 m露点温度18.75°C、10 m风速3.26 m/s、盛行风向约20° NNE（北北东）。建筑几何在ArcGIS Pro 3.5.2中构建后导入SpaceClaim 2024 R1进行CFD兼容性处理。

**3.2 CFD模拟方法**

三维气流场求解采用RNG k–ε湍流模型，压力–速度耦合采用SIMPLE算法，控制方程离散采用有限体积法（FVM）且各变量均采用二阶格式。空气–水蒸气混合输运采用组分输运模型，入口水蒸气质量分数按相对湿度设为0.014。生物气溶胶粒子轨迹追踪采用拉格朗日离散随机游走模型，考虑曳力、重力、热泳力、萨夫曼升力和布朗力。粒子粒径遵循Rosin–Rammler分布（最小1×10?? m，最大1×10?? m，平均3.5×10?? m），释放速率0.001 kg/s，初始释放速度0.1 m/s，释放时长30 s，模拟总时长600 s、时间步长1 s。植被以多孔介质表征（孔隙率0.4，粘性系数2.7e5，惯性系数328.1）。

计算域尺寸按5H/10H/5H/5H原则设定（入口、出口、侧面、顶部分别距建筑5H、10H、5H、5H），地面粗糙高度k_s=0.5 m，粗糙常数C_s=0.5。入口风廓线采用指数律U_z=U_ref(z/z_ref)^α（α=0.25，U_ref=3.26 m/s），湍动能和耗散率按标准大气边界层公式给定。空域验证表明边界层廓线水平稳定性良好。

网格无关性验证采用粗、中、细三套结构化六面体网格，中细网格间平均相对误差（MRE）低于10%，最终选用中等网格。时间步长无关性测试（0.25 s、0.5 s、1.0 s）显示粒子归宿和时空分布差异可忽略。模型有效性通过日本建筑学会（AIJ）案例K风洞实验数据进行验证，速度场的分数偏差（FB）、命中率（q）和归一化均方误差（NMSE）三项指标均满足精度要求，气体浓度模拟值与实验数据高度一致。

**3.3 GIS空间分析方法**

CFD输出的粒子局部坐标通过坐标配准转换为CGCS2000 3 Degree GK CM 114E地理坐标，叠加至遥感底图。采用粒子质量加权的核密度分析（搜索半径30 m）表征粒子聚集程度和分布模式；采用标准差椭圆分析（一标准差，约包含63%粒子质量）表征扩散主方向和空间离散程度。

**3.4 扩展QMRA方法**

感染风险评估中，粒子数据聚合至100 m×100 m网格以匹配人口数据分辨率。儿童呼吸带高度取1–1.3 m，成人和老年人取1.5–1.8 m。病原体载量设为病毒2×10? PFU/mL、细菌2×10? CFU/mL。网格级空气活性病原体浓度采用粒子质量加权计算，同时计入病原体生物衰变（SARS-CoV-2 λ=0.011–0.023 min?1，H5N1 λ=0.0006–0.006 min?1，炭疽λ=9.8×10??，布鲁氏菌λ=7×10??）、粒子在网格内停留时间及呼吸区体积。吸入剂量由浓度乘以年龄特异性吸气速率（儿童0.003–0.011 m3/min，成人0.011 m3/min，老年人0.008–0.011 m3/min）和沉积分数（0.3–1）得到。感染概率采用指数剂量–反应模型P=1?e^?rd，不同病原体剂量反应常数r分别为：SARS-CoV-2 0.056、H5N1 0.001、炭疽7.164×10??、布鲁氏菌0.022。

健康结局估算中，死亡数=感染数×病死率，住院数=感染数×住院率，ICU入住数=住院数×ICU入住率。总住院天数=普通病房人数×普通病房住院时长+ICU人数×ICU住院时长。病床需求按对应患者数确定，医护人员需求按标准化人员-病床比计算（普通病房护士0.4、医生1.03；ICU护士3、医生0.8，参考三甲综合医院标准）。所有不确定参数通过蒙特卡洛模拟（10,000次迭代）传播，结果报告为中位数和95%置信区间。

**3.5 敏感性分析方法**

采用单变量一次一因子（one-at-a-time）敏感性分析，评估病原体载量、释放速率、释放时长、初始释放速度、风速和植被阻力六个参数对感染人数和医疗需求的影响。敏感性系数为输出相对变化除以输入相对变化的绝对值，对高值和低值情景取平均得到综合敏感性得分。

**4. 研究结果**

**4.1 气流特征**

建筑诱导的流动修正产生不同高度层的独特垂直和水平气流结构。建筑物背风侧因流动分离和回流形成低速尾流区。风速随高度总体增大，10 m参考风速3.26 m/s条件下，行人层（1.5 m）风速范围为0–4.2 m/s。

**4.2 生物气溶胶沉积空间模式**

粒子归宿分析显示，释放高度降低导致地面沉积增加，相应减少逃逸出计算域边界的生物气溶胶质量。S3（0.3 m地面释放）在CDC附近产生显著沉积；三种释放源的生物气溶胶均在两栋建筑之间的远距离下风向区域产生明显沉积。S1（30 m排风口释放）的沉积主要集中在Building 1左侧屋顶及Building 2下风向屋顶和迎风立面；S3的沉积主要分布在Building 2左侧立面和背风墙以及Building 3迎风墙和屋顶。

**4.3 生物气溶胶扩散模式**

初始150 s内，生物气溶胶主要集中于CDC附近和下风向邻近区域，且释放高度越低近源积累越明显。150 s后烟羽继续下风向扩散并逐步超出研究域范围。标准差椭圆分析显示，三种释放情景的扩散主导方向为17°–33°，与盛行风向高度吻合。

**4.4 感染风险与感染人数**

感染风险在网格间呈现显著空间异质性。成人感染风险一致高于老年人和儿童；SARS-CoV-2和布鲁氏菌产生相对较高的感染风险，H5N1和炭疽感染风险极小。高风险区域主要集中于CDC建筑群内部及相邻建筑间的下风向空间。S2情景下成人感染人数估计为：SARS-CoV-2 551人（95% CI: 351–680）、布鲁氏菌310人（95% CI: 174–417）、H5N1 19人（95% CI: 9–28）。SARS-CoV-2感染人数最多，布鲁氏菌次之，H5N1和炭疽最少。S2情景在三个释放高度中产生最大感染人数。

**4.5 健康结局与医疗需求**

S1情景下感染人数以SARS-CoV-2最高（518人，95% CI: 308–652），布鲁氏菌次之（277人，95% CI: 148–381），H5N1最少（16人，95% CI: 8–23）。总住院天数布鲁氏菌最高（608天，95% CI: 193–1537），SARS-CoV-2次之（582天，95% CI: 89–1430），H5N1再次（139天，95% CI: 63–245）。SARS-CoV-2和布鲁氏菌产生较大的健康影响和医疗需求；H5N1尽管感染人数较少，但产生了较高数量的死亡和ICU入住，以及相当的ICU病床、医生和护士需求。炭疽相关的健康结局和医疗需求可忽略不计。

**4.6 敏感性分析**

较高或较低的风速和植被阻力均未与健康结局和医疗需求估计增加相关。较高的释放速率、较长的释放时长和较大的病原体载量与显著更高的健康结局和医疗需求估计相关。释放速度变化（低于风速）对这些估计无显著影响。风速的综合敏感性得分最高，其次是释放时长、植被阻力、释放速率和病原体载量。总体而言，气流相关参数的敏感性高于释放源相关参数，但该排序可能仅适用于本研究的场景假设和参数范围。

**5. 讨论**

**5.1 研究发现与病原体特异性特征**

CFD–GIS分析揭示了生物气溶胶扩散和感染风险的显著空间异质性，表明建筑诱导气流可使生物气溶胶重新分布并形成局部下风向热点。与仅靠感染数量相比，病原体特异性健康负担特征具有明显差异：SARS-CoV-2的特征是高感染负担（高载量S1情景下感染人数1,130人，95% CI: 966–1,236），布鲁氏菌产生更大的住院负担和总住院天数（2,125天，95% CI: 758–4,657），H5N1则以低感染负担伴随不成比例的高死亡和ICU需求为特征（76例ICU入住，95% CI: 39–110；31例死亡，95% CI: 14–58）。年龄分层分析显示成人感染风险和感染人数高于儿童和老年人。敏感性分析表明气流相关参数和释放源参数均对估计结果有影响，但排序受限于本研究参数范围。

**5.2 普适性与政策启示**

该模块化框架可适应不同空气传播危害物和城市环境，包括生物制药和疫苗生产设施、污水处理厂、垃圾填埋场等生物气溶胶源，以及交通相关空气污染、事故性化学品泄漏和空气传播微塑料等其他危害物。政策方面，网格化感染风险分级为从统一缓冲区转向风险分层管理提供定量基础；病原体特异性负担特征可用于制定层级化准备计划和资源管理清单；年龄分层结果提示应将空间风险与人口脆弱性相结合，考虑公平性问题。

**5.3 局限性**

本研究结果为基于情景的估计，受限于特定气象条件、释放源和粒子特性、流行病学参数及建模假设。模拟仅考虑单一盛行风方向，采用RNG k–ε湍流模型并假设中性大气稳定度。植被介导的粒子沉积未显式建模，可能高估空气中粒子质量。年龄相关的健康影响参数（住院率、病死率、ICU入住率、住院时长）未予考虑。温度、湿度、太阳辐射等影响病原体活性的气象因素未纳入QMRA过程。暴露评估仅关注室外暴露，未纳入室内暴露及室内外传输。100 m静态人口数据可能无法充分捕捉城市人口分布的细尺度时空变化。未来工作应纳入更广泛气象条件、动态人口数据、建筑通风特征和经济影响评估，并扩展到网络分析和多准则决策分析等空间优化方法。

**6. 结论**

本研究开发的集成CFD–GIS–QMRA框架通过计算连接瞬态粒子级扩散与空间分辨暴露和感染风险，并将分析进一步扩展到临床结局和医疗资源需求，建立了连续的"扩散–暴露–健康结局–医疗需求"分析链。研究结果揭示了不同病原体在感染负担、健康结局和医疗资源需求方面的显著差异，表明将健康结局和医疗需求纳入城市生物气溶胶风险评估具有重要意义。该端到端框架为风险知情的城市规划、医疗准备和应急响应提供了可操作的支持，并对多种空气传播危害物和城市暴露情景具有可扩展的适用性。