廣州市大氣污染、氣象與逐日人群死亡數(shù)的關系研究.pdf

1、目的：
　　研究廣州市大氣污染、氣象與逐日人群死亡數(shù)的關系。
　　方法：
　　計算各站點之間去趨勢化API的Spearman相關系數(shù)，以揭示API的空間分布特征。采用基于Loess方法的季節(jié)性長期趨勢序列分解法(Seasonal-TrendDecomposition Procedure Based on Loess，STL)分析廣州市2001～2011年API的長期趨勢和季節(jié)性特征。采用小波分析探索API與各氣象因素間

2、的小波一致性(wavelet coherency)。通過給不同污染物(PM10、SO2、NO2)對應的污染指數(shù)賦權構建加權API(APIw)。采用分布滯后非線性模型(Distributed Lag Non-linearModel，DLNM)分析每日API、各污染指數(shù)和APIw與死亡人數(shù)的關系。通過比較API、各污染指數(shù)和APIw與死亡人數(shù)關系的估計值，評價可否應用API向公眾傳達大氣污染的人群健康效應。此外，本研究還構建了包含API與首

3、要污染物交互項的模型，采用F檢驗判斷納入交互項是否能改善模型效果，以進一步揭示首要污染物不同時，API與死亡人數(shù)的關系是否相同。此外，按年齡組、性別、受教育程度和職業(yè)進行分層分析，以期找出受大氣污染影響的脆弱人群。在廣義線性模型中加入PM10和氣溫的非線性交互效應項，用F檢驗判斷該交互項的統(tǒng)計顯著性，并給出PM10分別為0μg/m3、48.6μg/m3（PM10的第25百分位數(shù)）、71.4μg/m3（PM10的第50百分位數(shù)）和102.

4、6μg/m3（PM10的第75百分位數(shù)）時的氣溫效應。此外，根據(jù)PM10日均濃度是否小于50μg/m3（WHO關于PM10的大氣質(zhì)量標準）將數(shù)據(jù)分成兩部分，探索不同PM10水平下，氣溫健康效應的滯后特征及大小。通過比較氣溫為第1百分位數(shù)(7.5℃)相對于第10百分位數(shù)(13.3℃)時死亡超額危險度評價低溫效應。高溫效應則通過比較氣溫為第99百分位數(shù)(31.9℃)相對于第90百分位數(shù)(29.9℃)時的死亡超額危險度來評價。應用的統(tǒng)計分析軟

5、件包括R3.1.2和MATLAB7.6.0，雙側(cè)P＜0.05認為結(jié)果有統(tǒng)計學意義。
　　結(jié)果：
　　2001～2011年期間，廣州市大氣質(zhì)量為優(yōu)的天數(shù)僅占24.6％。在五個監(jiān)測站點中，廣雅中學和市第五中學的API較高，而天河職中幼兒園和麓湖的API較低，PM10是廣州市的主要污染物。五站點逐日去趨勢化API高度相關，相關系數(shù)在0.84至0.89之間(P＜0.001)。API以2004年為界呈現(xiàn)先升后降的趨勢。季節(jié)差異方面，A

6、PI夏季較高，冬季較低。
　　在研究區(qū)間內(nèi)，日平均（最高、最低）氣溫、平均（最低）相對濕度、降雨量和最大風速均與API存在連續(xù)的周期約為一年的顯著小波一致性(P＜0.05)，波動周期呈負相關關系。當時間尺度小于一年時，氣象因素與API存在不連續(xù)的顯著小波一致性。其中，日平均氣溫、日最高氣溫、日最低氣溫與API的波動周期基本呈正相關關系。平均（最低）相對濕度、降雨量和最大風速則與API的波動周期則呈負相關關系。逐日API與風速是逆相

7、的。日溫差(diurnaltemperature range，DTR)和平均（最高、最低）氣壓與API存在連續(xù)的周期約為一年的顯著小波一致性(P＜0.05)，波動周期呈正相關關系。當時間尺度小于一年時，日溫差、平均（最高、最低）氣壓與API存在不連續(xù)的顯著小波一致性，波動周期呈正相關關系。當時間尺度為一年時，日照時數(shù)與API的關系不明確，而當時間尺度小于一年時，日照時數(shù)與API的波動周期基本呈正相關關系。
　　API與PM10、

8、SO2和NO2污染指數(shù)的Spearman相關系數(shù)分別為0.97、0.74和0.87。API與非意外死亡人數(shù)的關系在當天達到最大，收獲效應(harvestingeffect)出現(xiàn)在2天后。API每升高10個單位，人群當天及后續(xù)兩天的累積非意外死亡超額危險度(Excess Risk，ER)為0.88％(95％ CI:0.50，1.27％)，人群當天及后續(xù)15天的累積非意外死亡超額危險度為1.03％(95％ CI:0.26，1.82％)。AP

9、I與非意外死亡人數(shù)當天及后續(xù)15天的關系估計值和各污染指數(shù)與非意外死亡人數(shù)的關系估計值相近。PM10、 SO2和NO2污染指數(shù)每升高10個單位，人群當天及后續(xù)15天的累積非意外死亡超額危險度分別為0.82％(95％ CI:-0.01，1.65％)、1.09％(95％ CI:0.11,2.07％)和1.17％(95％ CI:0.42,1.93％)。盡管APIw對非意外死亡人數(shù)的影響隨首要污染物權重的增大有降低的趨勢，但變化不大，而且API

10、與首要污染物的交互效應無統(tǒng)計學意義(F=1.651，P=0.117)。
　　大氣污染對老年人（年齡≥65歲的人群）、女性、受教育程度低（文盲和小學學歷）的人的影響較大。API每升高10個單位，老年人、女性、受教育程度低的人當天及后續(xù)15天的累積非意外死亡超額危險度分別為1.54％(95％ CI:0.67,2.41％)、1.37％(95％ CI:0.27,2.48％)、1.41％(95％ CI:0.43,2.41％)。
　　氣

11、溫與死亡人數(shù)間存在對數(shù)非線性關系，PM10水平高時的氣溫效應較PM10水平低時的氣溫效應更顯著。不同PM10水平下氣溫對因呼吸系統(tǒng)疾病死亡的人群產(chǎn)生的效應差異不明顯。PM10分別為0μg/m3、其第25、第50及第75百分位數(shù)時，低溫導致的人群當天及后續(xù)20天的累積全死因死亡超額危險度分別為35.49％(95％ CI:22.59,49.75％)、40.69％(95％ CI:28.97,53.47％)、43.20％(95％ CI:30.9

12、7，56.57％)和46.70％(95％ CI:32.66，62.22％)。高溫導致的人群全死因死亡超額危險度則分別為10.76％(95％ CI:0.33，22.28％)、13.97％(95％CI:4.53,24.25％)、15.51％(95％ CI:6.21,25.63％)和17.65％(95％ CI:8.09,28.05％)?？梢?低溫效應高于高溫效應;低溫效應和高溫效應均隨PM10四分位數(shù)的增大而增大。
　　老年人對低溫和高

13、溫效應更加敏感。PM10分別為0μg/m3、其第25、第50及第75百分位數(shù)時，低溫導致老年人當天及后續(xù)20天的累積全死因死亡超額危險度分別為41.38％(95％ CI:26.59，57.91％)、45.02％(95％ CI:31.75，59.64％)、46.77％(95％ CI:32.99，61.97％)和49.18％(95％ CI:33.48，66.72％)。高溫所致的超額危險度分別為16.42％(95％ CI:4.14，30.15

14、％)、19.82％(95％ CI:8.70，32.08％)、21.45％(95％ CI:10.48,33.52％)和23.71％(95％ CI:12.45,36.11％)。男人對低溫效應較女性敏感。PM10分別為0μg/m3、其第25、第50及第75百分位數(shù)時，低溫導致男性當天及后續(xù)20天的累積全死因死亡超額危險度分別為38.92％(95％ CI:22.49,57.56％)、46.97％(95％ CI:31.72,63.99％)、50.

15、91％(95％ CI:34.88，68.85％)和56.46％(95％ CI:37.90，77.52％)。低溫效應的性別差異隨PM10污染程度的加重而增大。
　　PM10和氣溫對全死因死亡人群（F=3.028，P=0.006）、非意外死亡人群(F=3.177，P=0.005)和因心血管疾病死亡人群(F=3.807，P=0.001)的非線性交互效應有統(tǒng)計學意義，而對因呼吸系統(tǒng)疾病死亡人群的非線性交互效應無統(tǒng)計學意義（F=0.745，

16、P=0.614）。
　　在PM10水平高時，高溫效應出現(xiàn)較早。在PM10水平低時，高溫效應通常滯后一天出現(xiàn)，且存在收獲效應。在PM10水平高時，人群的非意外死亡風險和心血管疾病的死亡風險較PM10水平低時高。而人群呼吸系統(tǒng)疾病的死亡風險在PM10水平不同時差異不大。
　　結(jié)論：
　　(1)2001～2011年廣州市大氣質(zhì)量于2004年最差，而后逐步改善。然而大氣污染形勢依然嚴峻。大氣質(zhì)量存在明顯的季節(jié)性，氣象的季節(jié)性波

17、動是API發(fā)生季節(jié)性變化的原因之一。逐日API與氣溫、相對濕度、降水量、風速、日溫差和大氣壓均存在顯著的相關關系。
　　(2) API可用于向公眾傳達大氣污染的人群健康效應。老年人、女性、受教育程度低的人是大氣污染效應的脆弱人群，這些人群應給予更多的關注。
　　(3) PM10與氣溫對人群死亡存在對數(shù)非線性的交互作用。低溫和高溫效應均隨PM10污染水平而增大。不同PM10水平下低溫效應和高溫效應的分布滯后特征存在差異。