成都市大气污染所致青少年健康风险及预测分析

夏依章 李 燃 张 艳 陈 煜

1.成都医学院公共卫生学院，四川成都 610500；2.成都医学院大健康与智能工程学院，四川成都 610500

随着城市化、工业化的进程加快，能源消耗的持续增加，空气污染及其对人体健康的影响逐渐成为全球面临的重大环境和公共卫生问题。经济的高速发展在迅速提升人民生活水平的同时也带来了高温、寒潮、雾霾等极端气候现象，由此所带来的人群健康问题也越来越受到重视[1-5]。以往研究更多地关注了重污染区域如京津冀[6-8]、珠三角[9]等地区成年人群和儿童，对其他城市弱势群体尤其是青少年的研究尚不多见。青少年正处于生长发育期，其呼吸道和免疫系统还不够成熟，新陈代谢更快，其呼吸系统对大气污染具有更高的敏感度[10-13]。因此，定期开展大气污染健康风险评价并评估大气污染物对青少年健康的危害程度十分必要[14]。本文通过对比分析西北六省省会城市主要大气污染物排放特征，采用美国环保局推荐的健康风险评价模型对成都市大气中大气污染物所致青少年健康风险进行评估，利用灰色GM（1，1）模型对成都市2021—2025 年大气污染物所致青少年健康风险进行预测，其结果可以为决策者在制订环保政策提供信息支持和政策依据。

1 资料与方法

1.1 数据来源

PM2.5、PM10、SO2、NO2、CO 和O3的质量浓度数据均来自全国城市空气质量实时发布平台，此平台数据源于国家环境空气质量自动监测点。

1.2 计算方法

采用美国环境保护署（U.S Environmental Protection Agency，EPA）的非致癌效应污染物健康风险评估模型，主要针对成都市大气污染物（PM2.5、PM10、SO2、NO2、CO 和O3）所致青少年的健康风险进行评价；采用MATLAB2020 统计软件中的GM（1，1）模型对成都市2021—2025 年大气污染物所致青少年健康风险进行预测。

1.2.1 暴露剂量计算PM2.5、PM10、SO2、NO2、CO 和O3主要经呼吸途径暴露[15]，且不同年龄和性别人群的日均摄入量不同，因此用公式（1）[16]来计算SO2、NO2、CO和O3经呼吸途径的暴露剂量：

式中：AED 为非致癌物经呼吸道的日均暴露剂量[mg/（kg·d）]；C 为环境中该污染物的质量浓度（mg/m3）；BS 为呼吸速率（m3/d）；ED 为暴露持续时间（d）；HQ 为人体质量（kg）；MT 为平均暴露时间（d）。其中BS 和HQ等参数，参考《中国人群暴露参数手册》[17]，6～17 岁男、女BS 和HQ 分别为11.78、11.36 m3/d 和39、37 kg。

1.2.2 非致癌物（PM2.5、PM10）的健康风险评价模型 PM2.5、PM10的健康风险计算公式如（2）[18]：

式中：Ra 表示PM2.5和PM10产生的健康风险；C 为PM2.5和PM10终生日均暴露剂量（μg/m3）；RfC 为PM2.5和PM10的参考浓度（μg/m3），其分别为25 μg/m3和50 μg/m3。

1.2.3 非致癌物（SO2、NO2、CO 和O3）的健康风险评价模型 SO2、NO2、CO 和O3的健康风险计算公式如（3）[19]：

式中：R 为非致癌性污染物经呼吸途径所引起的健康风险；10-6为可接受危险度水平；RfD 为参考剂量[mg/（kg·d）]，其中，SO2和NO2的RfD 值分别为0.023、0.029 mg/（kg·d），CO 和O3的RfD 值尚未公布，因此采用WHO 发布的空气质量准则中相关浓度限值并结合相关人群的暴露参数计算得到CO 和O3的RfD值；81 为人均寿命（年）。

1.2.4 评价标准 采用瑞典环境保护局、荷兰建设和环境部推荐的最大可接受水平1×10-6/a[20]，作为污染物健康风险评判的依据。

2 结果

2.1 大气污染特征

6 个城市中，西安市PM2.5和PM10年均浓度最高（51.06、90.88 μg/m3），兰州市PM2.5最低（35.39 μg/m3），成都市PM10最低（63.95 μg/m3）；西宁市SO2年均浓度最高（15.37 μg/m3），成都市最低（5.95 μg/m3）；兰州市NO2年均浓度最高（47.13 μg/m3），银川市最低（35.45μg/m3）；兰州市CO 年均浓度最高（975.41 μg/m3），成都市最低（715.42 μg/m3）；西宁O3年均浓度最高（91.89 μg/m3），兰州最低（75.36 μg/m3）。见图1。

图1 2020 年成都市与西北五省省会城市6 种大气污染物浓度特征

2.2 大气污染物健康风险评价

2020 年成都市大气中SO2和NO2所致青少年月均健康风险在0.81×10-9～1.32×10-8及2.70×10-9～1.11×10-8之间，CO 和O3健康风险在0.55×10-8～0.94×10-7及0.47×10-8～0.28×10-7之间，均低于瑞典环境保护局、荷兰建设和环境部推荐的最大可接受水平为1×10-6。SO2所致青少年健康风险全年波动不明显；NO2的健康风险在11 月最高，2 月最低；CO 的健康风险1 月最高，10 月最低；O3的健康风险5 月最高，1 月最低。其中，SO2的健康风险性别影响没有明显差异，CO、NO2和O3对女性的影响均大于男性。见图2。PM2.5和PM10所致青少年月均健康风险分别在8.80×10-7～2.76×10-6及7.60×10-7～1.82×10-6之间，最大值均在1 月，最小值均在7 月。见图3。

图2 2020 年成都市SO2、NO2、CO、O3 逐月健康风险

图3 2020 年成都市PM2.5、PM10 逐月健康风险

2.3 GM（1，1）模型预测结果

调用MATLAB 程序，分别对成都市大气中PM2.5、PM10、SO2、NO2、CO 和O3建立GM（1，1）模型，得到6 种污染物所致青少年健康风险预测模型见表1。

表1 成都市大气中各污染物灰色模型

模型结果显示，成都市2015—2020 年各污染物所致青少年健康风险预测值与实际值的相对误差较小，可以用来预测未来5 年成都市大气污染物所致青少年的健康风险值。经预测，2021—2025 年成都市大气 中PM2.5、PM10、SO2、NO2、CO和O3所致青少年的健康风险均呈下降趋势，2025 年比2021 年分别下降了34.4%、40.1%、60.7%、78.0%、61.8%和11.6%，其中NO2所致青少年的健康风险下降最大，而颗粒物和O3降幅较小。见表2。

表2 成都市2021—2025 年污染物所致青少年健康风险预测值（10-7/a）

3 讨论

研究结果显示，成都市大气污染状况整体较西北六省首府城市良好，主要污染物仍为PM2.5，其冬季最高达189 μg/m3，高于兰州、银川等地。从超标情况来看，成都、西安、西宁、兰州、银川和乌鲁木齐PM2.5分别超标1.10、1.46、1.03、1.01、1.05 和1.37 倍。O3污染位列西北六省会城市首位，尤其春夏季100 μg/m3以上区间值占50%以上，全年O3超标天数高达101 d；成都市NO2排放与乌鲁木齐、西宁等城市比较，也呈现出较高水平。

前期研究成果已经表明，长期吸入颗粒物和O3可导致哮喘、支气管炎和慢性阻塞性肺疾病等呼吸系统疾病的发病率和死亡率升高，尤其对青少年的影响远大于成年人[21-23]。本研究进一步分析污染物所致青少年的健康风险，结果显示，PM2.5和PM10所致青少年健康风险全年呈“U”形变动，除夏季外，均高于最大可接受水平1×10-6，最大值分别达到2.76×10-6、1.82×10-6。其中PM2.5所致青少年健康风险高于PM10，与张永江等[24]的研究结果一致；O3的健康风险全年波动呈倒“U”形，有明显的季节性差异，最大值位于春夏季节，且对女生的影响略高于男生，主要原因是6～17 岁女生呼吸速率小、体重轻，致使其暴露系数值高，因而健康风险差异较为明显。O3严重污染可能是由于春夏季节气温高、气压高等因素影响，逆温层持久不散，使得污染物不易扩散，说明成都市需要加强颗粒物和O3的协同治理，以降低各种青少年呼吸系统疾病的发生。此外预测结果显示，按现有数据，2021—2025 年成都市大气主要污染物所致青少年健康风险将逐年下降，但相较NO2和PM10，PM2.5和O3所致青少年的健康风险降幅较小，仅从2021 年13.93×10-7降至2025 年的9.15×10-7，O3降幅仅为11.6%。这也进一步提示，O3和颗粒物的治理十分重要，建议有关部门从产业结构、能源结构和城市布局等方面入手，通过减少汽车和工业废气的排放，使用清洁能源、环保产品等进一步保障青少年健康水平。

综上所述，从20 世纪80 年代起成都市开始大气污染治理，对改善成都市大气质量起到了很大作用，但受地形、气候及工业化发展速度等条件影响，部分大气污染物的排放量依然高居不下。尤其2020 年以后机动车保有量超过500 万，产生的氢氧化物不断增加使得NO2、O3等污染物排放量显著增长。成都的大气污染防治成果有目共睹，但以PM2.5、PM10和O3为代表的区域复合型污染仍然比较明显，应进一步关注大气污染物对青少年造成的危害。同时，建议尽量使用清洁能源及加快重工业的改造和升级，倡导青少年在雾霾天气尽量减少室外活动，采取一些防护措施，如佩戴口罩；在青少年集中的学校、小区等公共场所使用空气净化装置等[25-26]。

此外，本研究仍存在以下不足：未考虑污染物之间混合效应及细颗粒物中负载的其他有毒有害物质（如多环芳烃、重金属等）所致青少年的健康风险，一定程度上可能会影响评估结果的准确性；预测模型中，样本较小，未能更准确地预测污染物所致人群的健康风险。