城市大气污染与人群健康效应的时空分析研究——以深圳市为例

摘要

大气污染作为人类社会与经济发展的副产物已成为全球性的环境问题，备受各国政府以及国内外学者的关注。同时，近几年来频繁出现的灰霾天气也渐渐引起了公众对大气环境污染问题的关注。上世纪70年代以来，世界各的学者纷纷展开了大气污染及其与人类健康关系的相关研究并取得显著的成果，研究领域涉及医院、生物学、毒理学、气象地理学等学科，综合多领域对环境与人体健康的潜在关系进行挖掘。
　　然而，在国内关于大气污染对公众健康效应的研究多集中在污染较严重的城市或地区，对污染程度较低的城市鲜有研究。深圳市地处我国六大核心经济圈之一的珠江三角洲，北部与内陆接壤，南部临海，属于亚热带季风气候。由于其特殊的地理位置和气候条件，深圳市的城市大气环境质量一直保持在国内城市排名的前端。然而近几年来，随着珠江三角洲地区的快速发展，深圳市的大气环境质量逐渐下滑，因此，了解深圳市大气污染状况以及探究大气污染对深圳市居民的健康效应具有重要的科学及现实意义。本研究根据2013年深圳市6种大气污染物的站点监测数据以及深圳市医学信息中心收录的呼吸道疾病住院病例数据，系统分析了该市六种大气污染物（PM2.5、PM10、CO、SO2、O3,和NO2）的时空分布特征，并且采用了广义相加模型以及分布滞后非线性模型分别从单独滞后效应以及累积滞后效应的角度分析了大气污染物对呼吸道疾病住院病例数量的影响。
　　研究结果表明：1）2013年深圳市的气态污染物年均浓度均达到空气质量一级标准，颗粒污染物年均浓度略微超过国家环境空气质量二级标准，是主要的大气污染物，冬季PM2.5污染尤其严重；2）深圳市的大气污染存在明显的季节差异和地域差异，南部的人口密集区在春季与冬季会出现较高比例的NO2污染，罗湖区、龙华新区、光明新区以及龙岗区在秋季会出现较高比例的O3污染；3）风向是对深圳市大气污染水平影响较强的气象因素，由于受到周围地区污染源的影响，来自东北方向的风对深圳市大气污染水平起到明显加重的效果；4）除CO，其他五种大气污染物对呼吸道疾病住院数量的影响存在滞后效应，且均在冷季表现出对呼吸道疾病住院数量的显著影响，在暖季则未表现出显著影响；5）不同大气污染对人群的呼吸道健康影响存在明显的年龄差异，SO2与O3对0-14岁儿童以及65岁以上老年人的影响效应明显高于15-64岁人群的影响，NO2对65岁以上老年人的影响效应明显高于其他年龄段人群的影响，颗粒污染物对0-14岁儿童的影响效应明显高于对其他年龄段人群的影响；6）大气污染对人群呼吸道健康的影响模式存在明显的区域差异，光明新区属于高污染物浓度且高影响效应区域，该区域污染物全年平均浓度水平较高且对呼吸道疾病的危险度也较高，可采取相应的污染物防治措施，降低污染物浓度，进而降低呼吸道疾病发病住院的风险；7）坪山新区、龙岗区南部以及罗湖区属于低污染物浓度但高影响效应区域，该区域污染物全年平均浓度较低，但是污染物浓度的升高对该地区呼吸道疾病的发病住院有较显著的影响，因此需要注意在各别污染物浓度有所升高的天气对当地居民进行提示，采取防护措施。
　　本研究以国家自然科学基金项目为依托，选择大气污染物对城市人群的暴露-反应关系为主题，以深圳市为案例区，运用地理空间分析技术与统计分析模型，从不同尺度上挖掘了城市人群暴露在大气污染物影响的相对危险度时空格局，不仅可以了解到深圳市近年来大气环境的整体污染状况、首要污染物、重点污染区域等信息，为环保部门提供科学的数据参考，还可以更好的理解低污染水平地区污染物与人类健康效应的关系以及不同大气污染物对不同人群影响特点，为城市大气污染与人类健康效应的相关研究提供典型的案例支持。

目录

第一个书签之前

中文目录

英文目录

1 绪 论

1.1 研究背景

1.2 国内外研究进展

1.2.1 大气环境质量综合评价体系总结

1.2.2 大气污染物时空分布模拟方法总结

1.2.3 大气污染与人群健康效应研究的方法总结

1.3 研究目的与意义

1.4 研究内容与技术路线

1.5 论文章节安排

2 数据的获取与处理

2.1 研究区域

2.2 大气污染物数据

2.2.1 大气污染物数据收集与预处理

2.2.2 大气污染物浓度时空模拟方法的选择

2.3 呼吸道疾病数据

2.3.1 呼吸道疾病数据的收集与筛选

2.3.2 呼吸道疾病病例信息空间化

2.4 辅助分析数据

2.4.1 人口数据

2.4.2 气象数据

3 深圳市大气污染物的时空格局分析

3.1 深圳市大气污染物的统计分析

3.2 深圳市大气环境质量的综合评价

3.2.1 空气质量指数的计算与意义

3.2.2 深圳市空气质量指数的计算与应用

3.3 2013年深圳市大气污染物浓度的时空模拟

3.3.1 大气污染物浓度的模拟方法

3.3.2 大气污染物浓度模拟方法的检验

3.3.3 深圳市大气污染物浓度的模拟结果

3.4 深圳市大气污染物浓度的时空格局分析

3.4.1 基于Moran's I的污染物空间自相关分析

3.4.2 基于空气质量指数的污染物时空格局研究

3.5 深圳市大气污染物与气象关联分析

3.6 讨论与小结

4 深圳市呼吸道疾病的时空统计分析

4.1 2013年深圳市全市呼吸道疾病的统计特征

4.2 2013年深圳市呼吸道疾病的分区统计

4.2.1 泰森多边形方法

4.2.2 2013年深圳市呼吸道疾病住院病例构成的空间分布

4.2.3 深圳市2013年呼吸道疾病住院率的空间特征

4.3 讨论与小结

5 深圳市大气污染物对呼吸道疾病影响效应的时空分析

5.1 大气污染物对呼吸道疾病的影响机理

5.2 基于时间序列研究的回归分析模型

5.2.1 单独滞后效应的回归分析模型 – 广义相加模型

5.2.2 累积滞后效应的回归分析模型 – 分布滞后非线性模型

5.2.3 回归分析结果-相对危险度与归因危险度

5.3 单一大气污染物的时间序列回归分析

5.3.1 大气污染物在不同浓度下的滞后效应

5.3.2 大气污染物在不同天数上的滞后效应

5.3.3 大气污染物在不同季节内的滞后效应

5.3.4 大气污染物对不同患病群体的滞后效应

5.3.5 大气污染物对不同病种的滞后效应

5.3.6 大气污染物在不同区域的滞后效应

5.4 多种大气污染物的时间序列回归分析

5.5 讨论与小结

6 总 结

6.1 研究结论与创新点

6.1.1 研究结论

6.1.2 本文创新之处

6.2 不足与展望

参考文献

致 谢

攻读博士期间主要成果