环境PM1相关的健康负担与死亡率影响因素在中国：历史趋势至未来预测

《Environmental Pollution》：Ambient PM 1-Related Health Burdens and Mortality Influencing Factors in China: Historical Trends to Future Projections

　　

摘要

由于PM1粒径小且具有毒性潜能，其可能对健康造成重大风险。然而，对于中国而言，PM1归因的长期历史及未来健康负担及其影响因素仍然缺乏深入了解。本研究利用极端随机树（ERT）模型估算了2016–2024年中国各地区的PM1暴露水平，基于耦合模式比较计划第六阶段（CMIP6）的共享社会经济路径（SSP）情景预测了2025–2100年的PM1暴露水平，并利用环境效益映射与分析程序（BenMAP）量化了PM1归因的死亡率。我们进一步采用反事实分析来量化PM1浓度、人口规模和年龄结构变化对死亡率变化的独立影响。结果表明，2016–2024年间，中国PM1全国平均浓度下降了45.25%，对应年均下降5.04%（1.37 μg/m3/yr）。在三种SSP情景下，2025至2100年间PM1浓度预计平均下降49.67%。2016年至2024年间，PM1归因的全因死亡率下降了42.66%。预计2025–2100年间，SSP1-2.6情景下的死亡率降幅最大，为59.20%。PM1相关死亡在各省份之间表现出显著的地域差异。PM1相关死亡的最大估算影响因素预计将从PM1浓度转变为年龄结构变化，即历史时期与未来时期之间的转变。这些发现强调了持续降低PM1暴露、追求更清洁的发展路径、采取因地制宜的干预措施以及加强对老年人健康保护的必要性。

引言

PM1是指空气动力学直径≤1 μm的颗粒物，是大气颗粒物污染的重要组成部分（Hu等，2018；Shi等，2014；Zhuang等，2014）。PM1来源在不同地区、季节和排放体制下表现出显著的时空变异性，包括二次气溶胶形成以及来自工业活动、生物质燃烧、交通尾气、燃煤、居民燃烧和其他来源的一次排放（Manikpuri等，2026；Cheong等，2024；Song等，2022）。以往研究采用了多种技术来估算PM1浓度。现有观测表明，2006–2014年间，PM1在中国多个地区的PM2.5质量占比超过80%（Chen等，2017, 2018；Wang等，2015）。得益于国家减排政策的实施，中国PM1年均浓度呈显著下降趋势，从2016年的27.43 μg/m3下降至2024年的17.40 μg/m3。这些全国统计数据来源于中国空气质量监测网络，尽管站点分布不均且西部地区观测稀疏。然而，受技术限制和国家PM1监测站点空间覆盖不足的制约（Guo等，2021a, 2021b），大多数现有PM1相关研究仅限于区域尺度（Huang等，2021；Li等，2020；Qin等，2018）。少数可用的全国尺度PM1暴露研究要么仅纳入了单一年度的气象数据（Chen等，2018），要么依赖于稀疏的PM1监测数据集（Li等，2021），要么仅捕捉到低空间覆盖率的PM1变化（Wei等，2019）。

多项研究表明，PM1与不良健康结局相关（Jiang等，2024；Sun等，2023；Ma等，2023）。具体而言，PM1具有较大的单位质量表面积，并含有大量燃烧衍生的有毒物质和氧化还原活性有机物，毒理学研究表明这些物质赋予其毒性潜能（Daher等，2014；Delfino等，2005；Zou等，2017）。吸入后，PM1颗粒可能转移至循环系统，并可能在肺组织和肺外组织中引发全身性氧化应激和炎症反应，机制和毒理学证据支持这一观点（Chen等，2015；Jheng等，2021；Pan等，2021；Riggs等，2020；Yee等，2021）。近年来，大多数关于环境颗粒物污染相关的公共卫生负担的研究聚焦于PM2.5（Du等，2024；Hermayurisca & Taneepanichskul，2023；Wang等，2025；Zhu等，2019）。然而，PM1归因的长期历史及未来健康影响在中国仍然缺乏系统表征。CMIP6中的共享社会经济路径（SSP）综合考虑了未来社会发展的多个维度，为预测未来PM1相关健康负担提供了有用框架（O'Neill等，2017）。总体而言，对PM1相关健康影响特征的系统评估可为中国的公共卫生保护提供关键证据和见解。

PM1相关的过早死亡受大气PM1浓度、人口规模和人口年龄结构的综合交互效应所调节（Wang等，2022）。针对这些决定因素的针对性社会经济调控和气候适应策略可有效缓解PM1相关的公共卫生负担（Cheng等，2023；Geng等，2021）。现有流行病学证据证实，在大多数历史时期，环境颗粒物浓度是PM归因过早死亡的主要影响因素（Chen等，2021）。与此发现一致，中国持续实施的排放控制政策在近年来减少颗粒物污染和缓解相应死亡负担方面取得了显著进展（Zhang等，2022；Zhao，2022）。然而，中国正在经历深刻的人口转型，其特征是人口持续下降和老龄化加速，这正在逐渐重塑空气污染健康风险的底层人口条件（Bai，2020；Fang等，2020；Wu等，2024）。尽管PM1污染和人口变化的健康影响已得到充分记录，但关于主要影响因素的动态演变仍存在关键知识空白。具体而言，尚不清楚PM1浓度是否将在未来社会经济和排放情景下继续保持其对PM1相关死亡率的主导驱动作用，以及污染物暴露和人口因素在历史时期和未来时期将如何改变其相对影响。因此，系统地定量阐明不同情景下影响PM1归因死亡率的时间变异性主导因素对于支持动态和精准的公共卫生干预策略至关重要。

尽管关于PM1污染不利健康结局的证据日益增多，当前研究仍存在若干关键研究空白。首先，很少有研究生成长期、全国范围、高分辨率的PM1暴露数据集，并系统地刻画中国PM1污染的时空动态。其次，在多种共享社会经济路径（SSP）情景下，涵盖多种疾病结局的历史和未来PM1归因死亡负担的综合评估仍然缺乏。第三，此前没有工作基于针对性的反事实模拟，定量区分PM1浓度、人口规模和人口老龄化在历史时期和未来时期对PM1相关死亡率长期变化的独立效应。针对这些研究不足，本研究的核心目标包括三个方面：(1) 模拟2016–2024年全国尺度的PM1暴露水平，并分析2025–2100年SSP1-2.6、SSP2-4.5和SSP5-8.5情景下中国PM1污染的时空变化；(2) 量化与全因死亡、慢性阻塞性肺病（COPD）、肺癌（LC）和呼吸系统疾病（RD）相关的历史和未来PM1归因死亡负担；(3) 通过逐一反事实模拟评估由三个关键影响因素（PM1浓度、人口规模和人口年龄结构变化）驱动的PM1相关死亡率变化百分比，并进一步比较历史时期（2016–2024年）和未来SSP情景（2025–2100年）之间因素效应的差异。本研究的发现可为制定针对性的空气污染缓解策略、应对气候相关环境变化、减轻PM1相关公共卫生负担以及推动中国生态环境和公共卫生的长期可持续发展提供有价值的科学证据。

章节片段

研究时段与情景框架

研究时段涵盖历史时期和未来时期。历史时期涵盖2016–2024年，在此期间使用监测数据和辅助数据重建PM1浓度。未来时期涵盖2025–2100年，涵盖情景模型比较计划（ScenarioMIP）中的SSP1-2.6、SSP2-4.5和SSP5-8.5情景。ScenarioMIP是CMIP6的主要子项目之一，其情景构成了不同SSP和代表性浓度路径的组合矩阵……

PM1污染特征

图S3展示了2016至2024年的基于样本的交叉验证结果。研究时段内的基于样本交叉验证得到的R2值为0.66–0.76，RMSE范围为6.89–11.76 μg/m3，MAE范围为4.42–7.95 μg/m3。相比之下，2016–2024年的基于站点的交叉验证返回的R2值为0.64–0.68，RMSE为10.23–12.89 μg/m3，MAE为8.34–9.12 μg/m3。在监测覆盖稀疏的中国西部地区，模型性能下降：R2范围为0.34至0.52……

讨论

讨论

我们基于ERT量化了2016至2024年中国PM1暴露的特征。总体而言，我们的模型在中国网格化PM1暴露浓度方面取得了合理的性能，2016年、2017年和2018年的R2值分别为0.76、0.75和0.74。本研究的数值落在Wei等（2019）报告的范围内，他们获得了0.74、0.77和0.76的对应年份数值。两项研究都采用了十折交叉验证。稀疏且不均……

结论

结论

本研究开发了一个综合建模框架，用于估算中国2016–2100年间多种健康终点的历史和未来PM1相关死亡负担，考虑了PM1暴露、人口规模、年龄结构动态、基线死亡率和浓度-响应函数。PM1浓度、人口规模和人口年龄结构变化的潜在效应通过逐一反事实分析进行了考察。我们的发现……

CRediT作者贡献声明

苏蝶：写作 – 审阅与编辑、监督、资源、数据整理。李婧：写作 – 审阅与编辑、监督、资源、数据整理。张凌宇：写作 – 审阅与编辑、资源、数据整理。张星程：写作 – 审阅与编辑、资源、数据整理。陈立：写作 – 审阅与编辑、监督、资金获取。陈光亮：写作 – 原稿撰写、验证、形式分析、数据整理、概念化。刘雨丝：写作 – 审阅与……

未引用参考文献

未引用参考文献

Bai和Lei，2020；Xu等，2022；Zhao和Kim，2022。

数据和代码可用性

数据和代码可用性

本研究中使用的数据和代码可在合理要求下从通讯作者处获得。

利益冲突声明

利益冲突声明

作者声明不存在利益冲突。

竞争利益声明

? 作者声明以下财务利益/个人关系，可能被视为潜在的利益冲突：Li Chen报告中国国家自然科学基金提供了资金支持。Li Chen报告天津市自然科学基金提供了资金支持。如果有其他作者，他们声明不存在已知的可能影响所报告工作的竞争性财务利益或个人关系。

致谢

致谢

本研究由国家自然科学基金（项目编号42477106）和天津市自然科学基金（项目编号22JCYBJC00150）资助。

陈光亮 | 刘雨丝 | 陈立 | 苏蝶 | 李婧 | 张凌宇 | 张星程 | 张辉 | 高双 | Merched Azzi

天津师范大学地理学院，天津 300387，中国