大气污染暴露风险防控可视化决策支持平台

谢静 邹滨 李沈鑫 赵秀阁 邱永红

摘 要：針对当前我国大气污染防治正逐步由污染治理转向风险防控，而现有空气质量监测设备和平台服务仅限于环境监测而非暴露监测的问题，设计研发了一套基于B/S架构的可视化综合分析与决策支持平台——大气污染暴露风险测量系统（APERMS）。首先，基于大气污染浓度监测数据和暴露时空行为活动模式，耦合集成污染浓度制图、个体暴露测量、人群暴露测量、暴露风险评价这一完整的大气污染暴露风险测量技术路线;其次，基于高可用和可靠原则，进行系统的总体架构设计、数据库设计和功能模块设计;最终，采用GIS与J2EE Web等技术，完成APERMS开发，实现了大气污染浓度分布高时空分辨率模拟、个体和人群大气污染暴露状况精准评估、大气污染暴露风险水平全方位评价等功能。APERMS主要应用于大气污染监控和环境健康管理行业，为风险规避和污染防控提供有效的技术支持。

关键词：大气污染;暴露评估;风险防控;地理信息系统;Web系统;可视化平台

中图分类号：TP311.1

文献标志码：A

Visual decision support platform for air pollution exposure risk prevention and control

XIE Jing1， ZOU Bin1*， LI Shenxin1， ZHAO Xiuge2， QIU Yonghong3

1.School of Geosciences and Infophysics， Central South University， Changsha Hunan 410083， China;

2.State Key Lab of Environmental Criteria and Risk Assessment（Chinese Research Academy of Environmental Sciences）， Beijing 100012， China;

3.College of Resources and Environmental Sciences， Hunan Normal University， Changsha Hunan 410006， China

Abstract：

Chinas air pollution control policy has gradually shifted from pollution control to risk prevention and control， and existing air quality monitoring equipment and platform services are limited to environmental monitoring rather than exposure monitoring. Aiming at this problem， a comprehensive visual analysis and decision support platform based on B/S architecture—Air Pollution Exposure Risk Measurement System （APERMS） was designed and developed. Firstly， based on air pollution concentration monitoring data and exposure spatiotemporal behavior patterns， the complete air pollution exposure risk measurement technology route of pollution concentration mapping， individual exposure measurement， population exposure measurement and exposure risk assessment was researched and integrated. Secondly， based on the principle of high availability and reliability， the overall system architecture design， database design and functional modules design were carried out. Finally， GIS and J2EE Web technologies were utilized to complete the development of APERMS， realizing the high spatiotemporal resolution simulation of air pollution concentration distribution， accurate assessment of individual and population exposure of air pollution and comprehensive evaluation of air pollution exposure risk levels. The APERMS is mainly used in the air pollution monitoring and environmental health management industries， to provide effective technical support for risk aversion as well as pollution prevention and control.

Key words：

air pollution; exposure assessment; risk prevention and control; Geographical Information System （GIS）; Web system; visualization platform

0 引言

随着我国近几十年来社会经济的快速发展和城市化、工业化的飞速推进，以细颗粒物和臭氧为代表的城市大气污染问题日益突出，频发的大气污染浓度超标事件（如雾霾）严重影响公众的生活与健康，引发了政府、媒体、公众和研究人员的广泛关注。截止2018年，全国338个城市仍有超过64.2%的城市环境大气污染超标，平均超标天数比例为20.7%[1]。浓度超标的大气污染严重危害暴露人群的健康，中国地区因室外大气污染死亡人数为110.8万人，造成的寿命年损失为2-177.9万年[2]。在此严峻的形势下，开发一套高效、精准的大气污染暴露监测、暴露风险评价和防控决策支持的空气质量平台已成为大气污染监控和环境健康管理的重要研究方向。

国外空气质量监测系统起步较早，自20世纪70年代初开始，陆续布设空气质量监测网络并开发配套的空气质量信息管理与发布平台，包括美国的AirNow和挪威的AirQUIS等。我国自20世纪80年代起开展空气质量自动监测系统建设工作，系统已由建设初期的单一数据采集存储逐步发展为服务于公众了解大气污染、政府治理大气污染的新型系统[3-8]。尤其是21世纪以来，随着互联网和大数据等信息化技术日趋成熟，利用Web和移动终端对空气质量数据进行分析处理与可视化发布的应用服务逐渐兴起，空气质量管理系统由传统的C/S模式朝着新型的B/S模式发展，系统功能朝着预报预警、辅助决策与全面公众服务化等方向发展[9-12]，典型平台如全国城市空气质量实时发布平台、真气网、蔚蓝地图等。

稍加分析可知，上述主流的空气质量平台未以“人”为中心，忽略了个体暴露特异性和时空活动模式引发的暴露误差（相对稀疏的固定点位空气质量监测值与人体对于大气污染的真实暴露水平之间的差异）[13-15]。个体大气污染的暴露与个体行为活动模式、不同微环境的停留时间等暴露情景和暴露过程密切相关[16-17]，而上述平台直接将空气质量监测站获取的浓度作为公众暴露结果，难以反映实际的个体/人群暴露水平[18-20]。

同时，目前的空气质量平台缺乏综合评价大气污染暴露风险的技术体系。大气中同时存在多种污染物，评估单一污染物的暴露水平无法反映大气污染对人体健康的综合影响[21]，且不足以满足风险防控的实际需求。在现阶段我国大气污染状况逐渐改善的新形势下，构建集成暴露风险评价技术体系的新型空气质量平台，定量准确评价大气污染对个体/人群健康的综合风险[22-24]，对于管理部门精准采取大气污染防控措施、公众有效减少健康损害具有重要的实践价值。

对此，本文开发了一套大气污染暴露风险测量系统（Air Pollution Exposure Risk Measurement System， APERMS）。APERMS利用地理信息系统（Geographic Information System， GIS）与J2EE Web等技术，实现了大气污染监测数据统计、可视化分析、大气污染制图等主流空气质量平台基础功能;同时基于暴露时空行为活动模式，集成暴露剂量评估模型、人口加权暴露模型和大气污染暴露风险评价模型，实现了独特的个体和人群暴露监测与风险评价功能，为管理部门提供大气污染监控和环境健康管理方面的科学数据与图件，为公众提供了解自身暴露風险的可视化工具。

1 大气污染暴露风险测量原理

大气污染暴露风险是对人体经呼吸道接触多种大气污染物的暴露剂量进行归一化的概念评价， 其测量方法主要包括污染浓度制图、个体暴露测量、人群暴露测量及暴露风险评价4部分，如图1所示。以污染浓度制图模型模拟的大气污染物浓度、监测或匹配到的暴露参数为基础，在暴露剂量评估模型和人口加权暴露模型的支持下，估算个体和人群针对不同大气污染物的暴露剂量，再利用暴露风险评价模型实现不同个体、不同人群的暴露风险综合评价。

1.1 污染浓度制图模型

大气污染浓度制图是利用已知点位的浓度监测数据，为未持监测设备个体和人群进行暴露风险评价提供精细尺度的大气污染物浓度。目前大气污染浓度制图主要采用空间插值和多因素统计建模两种方法，考虑到空间插值制图效果易受监测数据稀疏、分布不均匀的影响，因此选用借助土地利用、气象因子、人口等多因素进行统计建模的制图方法。土地利用回归模型作为其中重要的一种，是基于研究区大气污染浓度监测数据及周围土地利用类型、道路状况和气象因子等其他环境特征变量，借助最小二乘法建立的，用于预测研究区内其他空间位置大气污染浓度的多变量回归模型[25-26]，输入相对简单，同时可实现大气污染浓度空间分布的高分辨率模拟，能有效满足浓度模拟的精度需求和技术实现的可行性。其具体原理是以已知点位大气污染物浓度为因变量，其周围与大气污染相关的环境特征变量为自变量，构建多元线性回归方程，如式（1）所示：

Y=a1X1+a2X2+a3X3+…+anXn+u（1）

式中：Y为大气污染物浓度值，X为最终进入模型的地理要素特征变量，a为未知参数，n为未知参数个数，u为随机误差项。

1.2 暴露剂量评估模型

大气污染暴露剂量评估是描述人体经呼吸道吸收或沉积某种大气污染物的量[27]，是进行个体暴露风险评价的定量依据，能直接反映污染物对人体健康的影响。模型基于目前主要关注的6种大气污染物SO2、NO2、CO、O3、PM10、PM2.5的浓度数据和个体行为活动模式数据，计算各污染物的个体单位体重时均暴露剂量值，如式（2）所示，实现个体真实暴露水平测量，精确度高。

Dp=∑ni=0Cp×IRi×ETiBW（2）

式中：Dp为个体暴露于污染物p的单位体重时均暴露剂量（单位为μg/（kg·h））;Cp为污染物p的浓度值（单位为μg/m3）;IRi为个体呼吸速率;ETi为各运动状态持续时间;BW为个体体重。大气污染物浓度值来自个体持有的空气质量监测设备，对于未持设备者，则提取个体所在位置大气污染物的土地利用回归模拟值;个体呼吸速率来自于《中国人群暴露参数手册》[28-29]，通过性别、年龄、运动状态等条件进行查询。

1.3 人口加权暴露模型

人口加权暴露指标（Population Weighted Exposure Level，PWEL）是一种顾及人口空间分布的大气污染人群暴露评价指标[30]，为人群暴露风险评价提供定量依据。与普通PWEL模型中直接叠加大气污染浓度分布图层和人口分布图层相异，本文使用个体的大气污染暴露剂量来代替污染物浓度，充分考虑人体接触污染的频率与持续时间的影响，更加真实地评估人群的大气污染暴露水平。模型基于人口分布数据和利用式（2）所得的暴露剂量数据，计算空间单元内部格网人群暴露量的大小，如式（3）所示，得到人口加权后的大气污染暴露分布图层。

PWEL=∑ni=0（Pi×Di）∑ni=0Pi（3）

式中：i为网格号，Pi为网格内的人口数，Di为网格内大气污染暴露剂量值。考虑到人群分为儿童、青年、中年、老年等不同类，各类人群的暴露参数参照《中国人群暴露参数手册》中相应统计值，污染物浓度使用土地利用回归模拟值，从而简化式（2）中D的计算。

1.4 暴露风险评价模型

大气污染暴露风险评价指数（Air Exposure Risk Index，AERI），是一种由大气污染暴露剂量构建的单一性概念指数，与空气质量指数（Air Quality Index， AQI）构建方法相似[31]，将多种污染物对人体的健康影响进行了归一化表达，解决了单一污染物的暴露剂量无法综合评价大气污染暴露风险的问题。首先参照大气暴露风险分指数查找表（表1），计算个体在大气污染物p中的暴露风险分指数值，如式（4）所示：

IAEPIp=IAEPIH-IAEPILDH-DL（Dp-DL）+IAEPIL（4）

式中：IAERIp为污染物p的大气暴露风险分指数;Dp为个体暴露于污染物p的暴露剂量值;DH为查找表中与Dp相近的暴露剂量高位值;DL为查找表中与Dp相近的暴露剂量低位值;IAERIH为查找表中与DH对应的大气暴露风险分指数;IAERIL代表查找表中与DL对应的大气暴露风险分指数。

分别计算6种大气污染物（SO2、NO2、CO、O3、PM10、PM2.5）的暴露风险分指数，取分指数最大值作为个体在该时段所受的大气污染暴露风险值，如式（5）所示，高效、准确地评价大气污染对人体的健康影响。

AERI=max{IAERISO2，IAERINO2，IAERICO，

IAERIO3，IAERIPM10，IAERIPM2.5}（5）

对于大气污染人群暴露风险评价指数的计算，只需将个体暴露剂量值D替换为人群暴露剂量值PWEL即可。

2 大气污染暴露风险测量系统设计

2.1 系统总体架构

大气污染暴露风险测量系统以基础地理数据、污染监测数据及暴露参数等数据为核心创建大气污染暴露风险测量时空信息数据库;以大气污染浓度制图、暴露剂量评估、人口加权暴露、暴露风险评价模型为基础，依托GIS技术与J2EE Web技术，按照“污染监测暴露测量风险防控”主线开发特定个体和人群的暴露可视化监测与暴露风险时空统计功能模块。

顾及系统功能特点和操作便捷性，大气污染暴露风险测量系统采用目前流行的模型视图控制器（Model View Controller， MVC）Web技术框架。基于面向服务的软件架构（ServiceOriented Architecture，SOA），采用HTTP协议建立接口，通过JavaScript对象简谱（JavaScript Object Notation， JSON）规范进行数据交换，以达到前后台分离及模块化设计的目的。系统采用包括数据层、业务逻辑层、表现层在内的多层技术架构。数据层负责将数据表的基础操作封装成抽象函数，为业务逻辑层提供数据访问接口， 其中非空间数据通过JDBC（Java DataBase Connectivity）访问底层数据库，空间数据通过空间数据引擎（ArcSDE）中间件存取。业务逻辑层主要基于数据操作接口进行功能业务处理，包括污染制图、暴露测量及暴露风险评价等，为表现层提供支撑。其中涉及到GIS空间分析的业务通过C#基于ArcObjects的方式实现，其他业务逻辑通过Java完成处理。表现层负责响应客户端服务请求，通过HTML（HyperText Markup Language）、CSS（Cascading Style Sheets）和JavaScript等技术对结果数据进行可视化渲染。系统总体架构如图2所示。

2.2 数据库设计

大气污染暴露风险测量时空信息数据库包括业务数据库与空间数据库两部分。业务数据库用以存储描述系统中各类实体属性特征的关系型业务数据，包括个体基本信息、个体监测数据、监测设备信息、站点监测数据及暴露参数等数据，主要采用MySQL关系型数据库进行存储。空间数据库用于存储带有地理空间位置信息的空间数据，包括兴趣点数据、行政区划数据、土地利用数据、道路交通数据及人口分布数据等，主要采用ArcGIS GeoDatabase空間数据库进行存储，并结合ArcSDE进行管理。数据库构建的详细技术路线如图3所示。

2.3 功能模块设计

针对个体和人群大气污染暴露监测与风险评价这一核心功能，大气污染暴露风险测量系统设计了个体暴露可视化监测、人群暴露可视化监测和暴露风险时空统计三大子系统。系统总体功能结构如图4所示。

1）个体暴露可视化监测子系统。通过空气质量监测、实时暴露测量、历史轨迹回放和暴露场景三维可视化功能实现特定个体的暴露状况评估与可视化展示。空气质量监测模块是对监测设备上传的污染物浓度数据进行污染程度分析和实时展示。实时暴露测量模块利用暴露剂量评估模型进行个体所受6种大气污染物的时均暴露剂量计算，在地图上实现每小时更新显示。历史轨迹回放模块是结合数据库中存储的个体出行轨迹数据，即历史点位经纬度数据，经过高精度定位技术改正叠加到道路网中，可视化显示个体出行轨迹及其所受历史暴露剂量。暴露场景三维可视化模块是在发布的虚拟城市三维场景中直观展示个体所处位置的污染情况及其所受暴露信息。

2）人群暴露可视化监测子系统。通过污染浓度制图、人口分布模拟、人群暴露测量和暴露动态分析功能实现人群暴露状况评估及统计分析。污染浓度制图模块利用土地利用回归模型，融合相关地理驱动因子，对大气污染稀疏监测数据进行有效加工，展示全域空气质量情况。人口分布模拟模块是基于城市街道人口静态分布数据，综合城市人群通勤数据、社交网络数据及城市地理兴趣点等多源动态数据，以栅格形式可视化区域内人口分布状况。人群暴露测量模块是提取同一时间尺度的污染物浓度与人口空间分布数据，利用人口加权暴露模型进行精细尺度的人群暴露評估。暴露动态分析模块以小时为刻度动态播放人群暴露制图结果，实现人群暴露的动态展示及时间、空间上的变化分析。

3）暴露风险时空统计子系统。通过个体风险统计、人群风险统计、风险热点排序和风险变化分析功能实现特定个体和人群的全方位暴露风险评估。个体风险统计模块是基于个体暴露测量结果和暴露风险评价模型，计算个体所受大气污染的综合暴露风险值，并生成个体风险排行榜。人群风险统计模块是通过暴露风险评价模型进行不同人群的暴露风险计算及制图展示，同时实现不同人群的对比分析、暴露风险的趋势分析等。风险热点排序模块是基于指定兴趣点类型（公园、学校、医院等），对各兴趣点的人群暴露风险进行对比排序，生成风险热点排行榜。风险变化分析模块以小时为刻度动态播放个体或人群的暴露风险结果，分析其时空变化趋势及地域特征。

3 系统实现

3.1 系统开发环境

大气污染暴露风险测量系统融合GIS技术与J2EE Web技术搭建GIS服务后台与Web服务后台。GIS服务后台以ArcGIS SDE引擎支持的空间数据库为数据基础，使用C#语言基于ArcGIS Engine在Visual Studio IDE编辑器软件环境下开发。Web服务后台基于业务关系型数据库MySQL搭建，使用Java语言结合SpringMVC、Spring、Hibernate等框架在MyEclipse编辑器环境下进行开发。

3.2 系统关键技术实现

1）大气污染浓度制图。

大气污染浓度制图是实现大气污染暴露风险可视化监测的基础。利用C#语言融合ArcGIS Engine组件式GIS技术进行土地利用回归模型的编写与封装，实现六种污染物的浓度分布制图及结果发布功能，界面效果如图5所示。

关键流程如下：

①通过ADO.NET读取大气污染浓度监测数据;

②通过ArcSDE读取土地利用、道路状况、气象因子等环境特征数据;

③输入数据至已封装的土地利用回归模型实现浓度分布制图;

④发布制图结果为影像服务，并使用ArcGIS Server进行服务托管;

⑤利用ArcGIS API for JavaScript技术在前端调取影像服务并进行可视化渲染。

2）个体暴露测量。

个体暴露测量是基于Java语言编写的暴露剂量评估模型，计算特定个体的六种大气污染物暴露剂量，界面效果如图6所示。个体按是否持有空气质量监测设备分为两类，持设备个体直接提取设备监测数据实现暴露测量;而未持设备个体需查询自身所在位置的污染物浓度和与自身匹配的暴露参数，其暴露测量的关键流程如下：

①利用手机APP定位准确获取未持设备个体的实时经纬度坐标，基于ArcGIS Server提供的Rest API服务提取污染浓度制图数据中该位置的浓度数据作为其污染物浓度;

②基于未持设备个体的性别、年龄、区域、运动状态等信息，匹配暴露参数表中相应参数作为其暴露参数;

③调用暴露剂量评估模型，输入浓度和暴露参数数据，实现未持设备个体的暴露剂量计算。

3）人群暴露测量。

人群暴露测量综合考虑了污染物浓度分布、个体行为活动模式与人口空间分布的影响，利用GIS栅格计算、时空统计分析等技术，基于人口加权暴露模型实现特定人群针对不同污染物的精细暴露测量及制图展示，界面效果如图7所示。

关键流程如下：

①通过ADO.NET查询暴露参数表中的该区域特定人群的暴露参数;

②使用ArcEngine中IMapAlgebraOp组件实现大气污染浓度制图栅格数据与暴露参数的栅格运算，得到暴露剂量分布栅格数据;

③利用ArcGIS提供的Model builder工具构建人口加权暴露模型Toolbox，在C#中通过Geoprocessor调用该模型实现暴露剂量分布数据与人口分布数据的叠加，完成人群暴露计算;

④将人群暴露结果数据发布为ArcGIS Server服务，使用ArcGIS API for JavaScript技术实现前端服务调取和可视化渲染。

4）暴露风险时空统计。

暴露风险时空统计是系统实现暴露风险防控决策支持的关键，其中个体风险统计是基于Java语言编写针对个体的暴露风险评价模型，输入个体的6种污染物暴露剂量值实现暴露风险计算，将结果数据在地图上可视化展示，并进行排序分析，生成个体风险日、周、月排行榜，界面效果如图8所示，可方便、快捷地了解大气污染对个体的健康危害程度;人群风险统计是基于C#和ArcEngine组件封装针对人群的暴露风险评价模型，输入人群暴露测量得到的六种暴露栅格结果，利用GIS栅格计算、空间分析等技术，实现特定人群的综合暴露风险计算和制圖可视化。同时，系统通过数据库操作层API查询不同个体或人群的暴露风险，结合图表控件实现不同个体或人群暴露风险的对比分析和趋势分析，为管理部门提供定量化的数据与图件。

4 结语

本文从空气质量监测设备和平台服务仅限于环境监测而非暴露监测的现状出发，耦合集成污染浓度制图、暴露剂量评估、人口加权暴露与暴露风险评价模型，采用GIS与J2EE Web等技术，设计研发了一套面向管理部门和公众的智能化大气污染暴露风险测量系统。系统集空气质量实时与历史查询、大气污染在线制图与发布、个体/人群暴露剂量评估、暴露场景可视化、暴露风险评价与时空统计分析等功能于一体，为管理部门开展大气污染健康损害监控、公众规避大气污染暴露风险提供了一种有效的技术手段。

参考文献 （References）

[1]中华人民共和国生态环境部. 2018年中国生态环境状况公报[R]. 北京： 中华人民共和国生态环境部， 2019. （Ministry of Ecology and Environment of the Peoples Republic of China. Bulletin on Chinas Ecological Environment in 2018[R]. Beijing： Ministry of Ecology and Environment of the Peoples Republic of China， 2019.）

[2]COHEN A J， BRAUER M， BURNETT R， et al. Estimates and 25year trends of the global burden of disease attributable to ambient air pollution：an analysis of data from the global burden of diseases study 2015[J]. The Lancet， 2017， 389（10082）：1907-1918.

[3]罗正伦，胡荣辉，文家成. 大气环境地面自动监测系统——软件设计思想及功能简介[J]. 计算机应用，1986（1）：13-16. （LUO Z L， HU R H， WEN J C. Automatic ground monitoring system for atmospheric environmentbrief introduction of software design ideas and functions[J]. Journal of Computer Applications，1986（1）：13-16.）

[4]于正然. 论我国大气污染自动监测[J]. 中国环境监测， 1988（2）：63-66. （YU Z R. Automatic monitoring of air pollution in China[J]. Environmental Monitoring of China，1988（2）：63-66.）

[5]韩立达. 由空气质量周（日）报看面向公众的环境信息体系的建立[J].中国环境监测， 2000， 16（2）：6-9. （HAN L D. From air quality weekly （daily） report to know establishing environment information system publicoriented[J]. Environmental Monitoring of China， 2000， 16（2）：6-9.）

[6]辛琰，魏振钢，巩丽丽. 基于GIS的环境污染事故预警与应急指挥系统[J]. 计算机应用， 2008，28（S1）：393-395. （XIN Y， WEI Z G， GONG L L. Emergency preparedness and response system of environmental pollution accident based on GIS[J]. Journal of Computer Applications， 2008， 28（S1）：393-395.）

[7]杜培军，张书毕. VB可视化集成环境下空气污染指数计算与分析系统[J]. 环境监测管理与技术， 2002， 14（5）：33-34. （DU P J， ZHANG S B. Calculation and analysis system of air pollution indicators under VB visual environment[J]. The Administration and Technique of Environmental Monitoring， 2002， 14（5）：33-34.）

[8]黎嘉明，付红彬，张志敏. 基于WebGIS和粒子系统的空气污染预测动态可视化展示技术[J]. 中国环境管理， 2012（5）：39-42. （LI J M， FU H B， ZHANG Z M. The air pollution forecasting data visualization researching with Web GIS & particle system[J]. Chinese Journal of Environmental Management， 2012（5）：39-42.）

[9]KOLIOS S， STYLIOS C， PETUNIN A. A WebGIS platform to monitor environmental conditions in ports and their surroundings in south eastern Europe[J]. Environmental Monitoring & Assessment， 2015， 187（9）：574.

[10]沈立峰，赵凌宇. 大气污染事故预测系统的研究[J]. 污染防治技術， 2006， 19（5）：3-6. （SHEN L F， ZHAO L Y. Study on forecast model system of air pollution accident[J]. Pollution Control Technology， 2006， 19（5）：3-6.）

[11]邓婉霞，邹滨，邱永红，等. 顾及空间邻近性的PM2.5暴露评估系统设计与实现[J]. 环境科学与技术， 2014， 37（5）：193-198. （DENG W X， ZOU B， QIU Y H， et al. Design and implementation of spatialproximity based risk assessment system for PM2.5 exposure[J]. Environmental Science & Technology， 2014， 37（5）：193-198.）

[12]方芸，闫超. 基于WebGIS的城市空气质量时空演变动态可视化系统研究[J]. 电脑知识与技术， 2016， 12（20）：205-207. （FANG Y， YAN C. Research on visualization of spatialtemporal evolution about city air quality based on WebGIS[J]. Computer Knowledge and Technology， 2016， 12（20）：205-207.）

[13]符立伟，郭秀锐. 国内空气污染暴露水平评价方法研究进展[J]. 环境科学与技术， 2015， 38（S2）：226-230. （FU L W， GUO X R. A review of air pollution exposure estimation methods in China[J]. Environmental Science & Technology， 2015， 38（S2）：226-230.）

[14]游燕，白志鹏. 大气颗粒物暴露与健康效应研究进展[J]. 生态毒理学报， 2012， 7（2）：123-132. （YOU Y， BAI Z P. Research advances in exposure to ambient particulate matter and health effects[J]. Asian Journal of Ecotoxicology， 2012， 7（2）：123-132.）

[15]PARK Y M， KWAN M P. Individual exposure estimates may be erroneous when spatiotemporal variability of air pollution and human mobility are ignored[J]. Health & Place， 2017， 43：85-94.

[16]段小丽，聂静，王宗爽，等. 健康风险评价中人体暴露参数的国内外研究概况[J]. 环境与健康杂志， 2009， 26（4）：370-373. （DUAN X L， NIE J， WANG Z S， et al. Human exposure factors in health risk assessment[J]. Journal of Environment & Health， 2009， 26（4）：370-373.）

[17]王宗爽，段小丽，刘平，等. 环境健康风险评价中我国居民暴露参数探讨[J]. 环境科学研究， 2009， 22（10）：1164-1170. （WANG Z S， DUAN X L， LIU P， et al. Human exposure factors of Chinese people in environmental health risk assessment[J]. Research of Environmental Sciences， 2009， 22（10）：1164-1170.）

[18]YANG L， LI W， GHANDEHARI M， et al. Peoplecentric cognitive Internet of things for the quantitative analysis of environmental exposure[J]. IEEE Internet of Things Journal， 2017：2353-2366.

[19]ISAKOV V， TOUMA J S， BURKE J， et al. Combining regional and localscale air quality models with exposure models for use in environmental health studies[J]. Journal of the Air & Waste Management Association， 2009， 59（4）：461-472.

[20]CHEN B， SONG Y， JIANG T， et al. Realtime estimation of population exposure to PM2.5 using mobile and stationbased big data[J]. International Journal of Environmental Research & Public Health， 2018， 15（4）： No.573.

[21]黄虹，李顺诚，曹军骥，等. 空气污染暴露评价研究进展[J]. 环境污染与防治， 2005， 27（2）：118-122. （HUANG H， LI S C， CAO J J， et al. Exposure assessment on air pollution [J]. Environmental Pollution & Control， 2005， 27（2）：118-122.）

[22]陈娟，李巍，程红光，等. 北京市大气污染减排潜力及居民健康效益评估[J]. 环境科学研究， 2015， 28（7）：1114-1121. （CHEN J， LI W， CHENG H G， et al. Evaluation of emission reduction potentials of key air pollutants and health benefits for residents of Beijing[J]. Research of Environmental Sciences， 2015， 28（7）：1114-1121.）

[23]SONG C， HE J， WU L， et al. Health burden attributable to ambient PM2.5 in China[J]. Environmental Pollution， 2017， 223：575-586.

[24]LEUNG Y， LEUNG K S， WONG M H， et al. An integrated Webbased air pollution decision support system — a prototype[J]. International Journal of Geographical Information Science， 2018， 32（9）：1787-1814.

[25]MORLEY D W， GULLIVER J. A land use regression variable generation， modelling and prediction tool for air pollution exposure assessment[J]. Environmental Modelling & Software， 2018， 105：17-23.

[26]HOEK G， BEELEN R， de HOOGH K， et al. A review of landuse regression models to assess spatial variation of outdoor air pollution[J]. Atmospheric Environment， 2008， 42（33）：7561-7578.

[27]HERTEL O， de LEEUW F A A M， RAASCHOUNIELSEN O， et al. Human exposure to outdoor air pollution （IUPAC technical report）[J]. Pure & Applied Chemistry， 2001， 73（6）：933-958.

[28]環境保护部. 中国人群暴露参数手册（成人卷）[M]. 北京： 中国环境科学出版社， 2013： 12-815. （Ministry of Ecology and Environment of the Peoples Republic of China. Exposure Factors Handbook Of Chinese Population[M]. Beijing： China Environmental Science Press， 2013： 12-815.）

[29]环境保护部. 中国人群暴露参数手册（儿童卷6～17岁）[M]. 北京：中国环境科学出版社， 2016： 12-865. （Ministry of Ecology and Environment of the Peoples Republic of China. Exposure factors handbook of Chinese population （Children 6～17 years）[M]. Beijing： China Environmental Science Press， 2016： 12-865.）

[30]伏晴艳，阚海东. 城市大气污染健康危险度评价的方法[J]. 环境与健康杂志， 2004， 21（6）：414-416. （FU Q Y， KAN H D. Method for assessing the health risk of urban air pollution[J]. Journal of Environment and Health， 2004， 21（6）：414-416.）

[31]高庆先，刘俊蓉，李文涛，等. 中美空气质量指数（AQI）对比研究及启示[J]. 环境科学， 2015， 36（4）：1141-1147. （GAO Q X， LIU J R， LI W T， et al. Comparative analysis and inspiration of Air Quality Index （AQI） between China and America[J]. Environmental Science， 2015， 36（4）：1141-1147.）

This work is partially supported by the Topics of National Key Research and Development Program of China （2016YFC0206205， 2016YFC0206201）.

XIE Jing， born in 1995， M. S. candidate. Her research interests include environmental geographic information services.

ZOU Bin， born in 1981， Ph. D.， professor. His research interests include spatiotemporal fine simulation and mapping of air pollution， environmental exposure risk assessment and services.

LI Shenxin， born in 1991， Ph. D. candidate. Her research interests include atmospheric environment GIS modeling and exposure risk assessment.

ZHAO Xiuge， born in 1978， engineer. Her research interests include human exposure and health risk assessment to environmental pollution.

QIU Yonghong， born in 1971， Ph. D.， lecturer. His research interests include geographic information system.