我国典型城市空气污染特征及其健康影响和预报研究

摘要

随着工业化的发展和城市化进程的加快，城市空气污染日趋严重，导致近年来雾霾天气明显增多。大气污染对人类健康的影响已经日趋凸显，备受科技界、医疗卫生工作者及广大民众的关注。人们迫切希望政府及相关部门依据天气和大气污染状况及时给出相关敏感性疾病预报，以便提前采取防护等措施最大限度地减少大气污染对人体健康的不良影响。近年来，虽然国内外诸多环境医学工作者在大气污染及其对人体健康影响与机理方面进行了相关研究，但相比于国外，国内仍处于起步阶段，此项研究仍需深入，其预报研究工作还比较少见。基于此，本研究在探明我国空气污染时空分布特征的前提下，选取7个代表城市探析其污染气象成因，进而选取北京和兰州两座重污染城市，研究其污染物浓度变化、气温变化以及二者协同作用对相关敏感性疾病发病的影响。并在上述分析研究的基础上，建立了相关敏感性疾病预报模型，从而为我国开展相关敏感性疾病的预报服务提供理论和技术支持，同时为相关政府部门因地适宜地制定应对大气污染及其对人体健康影响的防控措施提供科学依据。
　　本研究主要内容包括：⑴利用2004-2013年近10年中国大陆120个重点城市API(Air Pollution Index)资料的研究结果显示：API空间分布整体呈现由北向南降低的趋势，北方城市存在几个污染高值中心，分别为乌鲁木齐、兰州和北京，南方城市API全年稳定在60左右；API季节均值整体呈“冬高夏低”的变化特点，呈冬>春>秋>夏的顺序排列，北方城市 API的数值及年内变幅均大于南方城市。从全国来看，PM10作为首要污染物已呈普遍现象。API时间序列呈现明显1年或半年的准周期震荡。⑵利用2015年中国大陆366个城市的AQI(Air Quality Index)资料研究结果显示：就全年而言，北方城市的AQI整体高于南方城市，京津冀地区和南疆盆地为全国污染高值中心。春、夏、秋三季，PM10是我国西北地区的主要污染物；而冬季 PM2.5是华东和华中地区的主要污染物；夏、秋季节部分城市的O3污染也渐趋凸显。⑶通过分析研究我国7个典型代表城市(哈尔滨、北京、兰州、乌鲁木齐、南京、广州)的空气污染气象参数的分布和变化规律及其与API间的关系，发现逆温层厚度年内变化与API呈显著正相关，其年内均值呈冬季厚、夏季薄；最大混合层厚度与API呈显著负相关，其年内变化与逆温层厚度正好相反，呈夏季厚、冬季薄的特征；稳定能量与API呈显著正相关，其最大值出现在冬季，最小值出现在夏初，且北方城市的稳定能量大于南方城市。因此，北方城市冬季污染重，是由取暖引起的污染排放量增加和由污染气象参数反映的大气边界层扩散能力降低双重作用造成的。同时还研究揭示了造成重空气污染的温度阈值，在该阈值附近，大气层结趋于稳定，此时风速易达到最小，稳定能量易接近最大，呈现出最不利于污染物水平输送和垂直扩散的气象条件，可作为空气污染潜势预报的一项重要指标。⑷北京市和兰州市3种主要大气污染物PM10、SO2和NO2对疾病的影响存在滞后效应。北京市上述3种污染物累积2d(5d)的重污染效应对应的呼吸(循环)系统急诊就诊人数增加百分比(ER)值均达到最大，兰州市上述3种污染物累积6d的重污染效应对应的呼吸系统住院人数ER值达到最大，且均通过α=0.01水平的显著性检验，有统计学意义。在上述最显著滞后时间下，PM10、SO2和 NO2浓度每增加10μg/m3，对应的北京市呼吸(循环)系统疾病逐日急诊就诊人数 ER分别为1.72％(1.39%)、1.34%(1.56%)和2.57%(1.18%)；对应的兰州市呼吸系统疾病住院人数ER分别为0.45%、1.35%和3.02%。⑸北京市污染物对儿童(≤14岁)和老年人群(≥65岁)呼吸系统疾病发病率的影响高于成人(15~64岁)；对老年人群循环系统疾病发病率的影响高于儿童和成人。兰州市污染物对儿童和老年人群呼吸系统疾病住院人数的影响高于成人，尤其对儿童，影响最显著。简言之，就呼吸系统疾病而言，污染对老年和儿童脆弱人群影响最显著；就循环系统疾病而言，污染仅对老年人群影响最显著。同时两座城市研究结果均显示，女性对污染物的敏感程度高于男性。⑹平均气温分别与北京市呼吸系统疾病急诊就诊人数和兰州市呼吸系统疾病住院人数的暴露-反应关系呈反“J”型分布，分别存在一个12.0℃和14.7℃的发病率最低的气温阈值点；平均气温与北京市循环系统疾病急诊就诊人数的暴露-反应关系呈倒“V”型分布，存在一个10.7℃发病率最高的气温阈值点；与兰州市循环系统疾病住院人数的暴露-反应关系呈倒“U”型分布，存在一个8.0℃-20.0℃发病率高风险的气温阈值区间。⑺污染物(PM10、SO2和NO2)与气温协同作用对呼吸系统疾病的分析结果显示：低温背景下的高污染，使得北京市呼吸系统疾病急诊就诊人数和兰州市呼吸系统疾病住院人数均最多，表明此种情况对呼吸系统疾病的发病具有加剧效应。对北京市循环系统疾病急诊就诊人数和兰州市循环系统疾病住院人数而言，当气温处于高发阈值区间时，重污染对循环系统疾病的影响呈现出加剧效应。⑻遴选BP神经网络和最小二乘支持向量机(LSSVM)两种预报方法，综合考虑了基本气象要素、污染物浓度和污染气象参数，选择了相关预报因子，分别建立了北京市和兰州市呼吸系统和循环系统疾病预报模型，并优化了相关参数。试预报结果显示：北京市呼吸系统和循环系统疾病急诊就诊人数的BP神经网络模型试预报准确率分别为66.73%和72.16%，其LSSVM试预报准确率分别为79.73%和85.09%；兰州市呼吸系统和循环系统疾病住院人数的BP神经网络模型试预报准确率分别为44.12%和51.54%，其LSSVM试预报准确率分别为54.45%和63.20%。显然，LSSVM模型的试预报效果整体优于BP神经网络模型，具有实用推广价值。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文的研究目的和内容

第二章 资料与方法

2.1 空气污染指数和空气质量指数

2.2 资料来源

2.3 研究方法

第三章 我国空气污染物时空分布特征

3.1 中国大陆重点城市API空间分布特征

3.2 中国大陆重点城市AQI空间分布特征

3.3 API的首要污染物分布及其特征

3.4 AQI首要污染物季节分布百分比

3. 5 我国API的时间变化特征

3.6小结

第四章 典型代表城市空气污染气象成因分析

4.1 边界层特征参数与污染物之间的相关分析

4.2 API与气象条件的相关分析

4.3 小结

第五章 污染物与相关敏感性疾病的关系

5.1 疾病、污染物及气象因素的频率分布

5.2 大气污染物与气象要素间Spearman相关分析

5.3 单项污染物对疾病的健康效应研究

5.4 潜在混杂因素对疾病的健康效应

5.5 多污染物模型

5.6 讨论

5.7 小结

第六章 污染物与气温协同作用对疾病的影响

6.1 气温对北京市相关疾病急诊人数的健康效应

6.2 气温对兰州市相关疾病逐日住院人数的健康效应

6.3 污染物与气温协同作用对北京市相关疾病的健康效应

6.4 污染物与气温协同作用对兰州市相关疾病住院人数的影响

6.5 讨论

6.6 小结

第七章 基于空气污染和气象条件的敏感性疾病预报研究

7.1 基于BP神经网络的相关疾病预报建模

7.2 基于最小二乘支持向量机的相关疾病预报建模

7.3 两种预报方法效果比较

7.4 结论与讨论

第八章 结论与展望

8.1 主要结论

8.2 特色与创新点

8.3 存在的不足及展望

在学期间参加的科研项目和研究成果

一. 参加科研项目

二. 发表学术论文

三. 获奖情况

致谢

参考文献