2000年—2017年中國PM2.5污染的健康影響及經(jīng)濟(jì)損失時空分布模式

周夢杰，胡文慶，楊思遠(yuǎn)，朱 翔*，趙琛琛，白紫月

(1.湖南師范大學(xué)資源與環(huán)境科學(xué)學(xué)院，長沙 410006；2.地理空間大數(shù)據(jù)挖掘與應(yīng)用湖南省重點(diǎn)實(shí)驗(yàn)室，長沙 410006)

隨著工業(yè)化和城市化的發(fā)展，空氣污染日趨嚴(yán)重，而PM2.5作為大氣顆粒物的首要組成成分，近年來廣泛受到公眾的關(guān)注.國內(nèi)外已有的流行病學(xué)研究表明，大氣中PM2.5及其成分可引起人體炎癥、心率變異、凝血障礙等急性效應(yīng)[1-3]，與循環(huán)、呼吸系統(tǒng)等疾病發(fā)病率、死亡率的增加成正相關(guān).美國ASC研究顯示PM2.5濃度升高10 μg·m-3，會使全死因死亡、心肺疾病死亡、肺癌死亡風(fēng)險(xiǎn)分別增加4%、6%、8%[4]；Raaschou-Nielsen等[5]一項(xiàng)涉及9個歐洲國家、31萬人，平均隨訪12.8年的研究顯示，PM2.5每增加5 μg·m-3，肺癌發(fā)病風(fēng)險(xiǎn)增加18%；Bowe等[6]發(fā)現(xiàn)PM2.5濃度高于2.4 μg·m-3時，糖尿病風(fēng)險(xiǎn)隨PM2.5濃度增加顯著上升，PM2.5達(dá)到10 μg·m-3后，糖尿病風(fēng)險(xiǎn)隨PM2.5濃度增加平穩(wěn)上升；李娜等[7]發(fā)現(xiàn)PM2.5、PM10、NO2三種污染物濃度每上升1 μg·m-3，研究人群中高血壓患病風(fēng)險(xiǎn)會分別增加2.9%、1.5%、6.9%.PM2.5引起人體健康水平下降，對人群健康及社會經(jīng)濟(jì)造成的損失不容忽視.Cohen等[8]研究發(fā)現(xiàn)2015年全球范圍內(nèi)PM2.5的暴露導(dǎo)致約420萬例死亡，占全球總死亡人數(shù)的7.6%；李慧娟等[9]估算2015年我國62個環(huán)保重點(diǎn)檢測城市PM2.5污染約造成12.51萬人早逝及1 009.59萬人次患病、門診和住院，約占這些城市市區(qū)總?cè)丝诘?.53%；黃德生等[10]估計(jì)2009年京津冀地區(qū)PM2.5濃度若達(dá)到2012年的《空氣質(zhì)量標(biāo)準(zhǔn)》，將產(chǎn)生1 729億元的健康效益，相當(dāng)于2009年GDP的4.68%.測算大氣PM2.5對健康的影響并進(jìn)行貨幣化分析，可以為制定大氣污染防控政策和相關(guān)措施的效益—成本分析提供數(shù)據(jù)依據(jù)，因而具有重要意義.

目前已有的大氣污染健康經(jīng)濟(jì)效應(yīng)研究中，對包括PM2.5在內(nèi)的細(xì)顆粒物濃度數(shù)據(jù)的選取多采用監(jiān)測站數(shù)據(jù).如謝鵬等[11]基于珠三角地區(qū)16個站點(diǎn)觀測的大氣污染濃度，評價了2006年珠三角地區(qū)大氣污染的人群健康影響；謝元博等[12]利用北京市23個大氣環(huán)境監(jiān)測站點(diǎn)的PM2.5濃度數(shù)據(jù)，評估了高濃度PM2.5污染的健康影響.由于我國監(jiān)測站點(diǎn)分布不均衡，大部分位于東部和中部地區(qū)，城市測站也比農(nóng)村更密集，因此以少量站點(diǎn)數(shù)據(jù)估計(jì)總體PM2.5濃度分布存在不合理性.此外，現(xiàn)有的研究尺度多為行政區(qū)劃單元.如李慧娟等[9]對62個環(huán)保重點(diǎn)監(jiān)測城市開展了PM2.5污染的人群健康影響和經(jīng)濟(jì)損失研究；陳仁杰等[13]對我國113個主要城市進(jìn)行了大氣顆粒物污染的健康經(jīng)濟(jì)損失評價.僅以城市為研究尺度，忽略了人口經(jīng)濟(jì)空間分布的異質(zhì)性和復(fù)雜性.此外，現(xiàn)有研究多是對單一年份的靜態(tài)估算，如曾賢剛[14]等估算了2017年我國PM2.5污染的健康效應(yīng)和經(jīng)濟(jì)損失；王桂芝等[15]基于CGE模型估算了2013年北京市PM2.5污染的健康影響.僅對單一或少量年份的健康影響和經(jīng)濟(jì)損失進(jìn)行評估，會使結(jié)果缺乏動態(tài)變化分析.近年來，遙感衛(wèi)星的蓬勃發(fā)展為PM2.5大范圍、長時間的連續(xù)觀測提供了可能，大氣PM2.5遙感定量反演技術(shù)顧及了衛(wèi)星觀測氣溶膠光學(xué)厚度(AOD)與PM2.5關(guān)系的時空異質(zhì)性[16].本研究在5 km×5 km空間格網(wǎng)尺度下，采用遙感反演PM2.5暴露濃度數(shù)據(jù)，通過相關(guān)健康效應(yīng)模型和經(jīng)濟(jì)損失模型，對2000年—2017年全國PM2.5污染的人群健康影響及經(jīng)濟(jì)損失進(jìn)行了估算，獲得了PM2.5污染的健康影響及經(jīng)濟(jì)損失的時空動態(tài)分析結(jié)果.

1 數(shù)據(jù)處理與分析方法

1.1 PM2.5暴露濃度和暴露人口估計(jì)

在以往的研究中，PM2.5暴露濃度數(shù)據(jù)的選擇多采用地面監(jiān)測站數(shù)據(jù)，然而監(jiān)測站建設(shè)成本高、實(shí)施難度較大、數(shù)量較少，難以實(shí)現(xiàn)大范圍連續(xù)監(jiān)測，遙感衛(wèi)星能提供大范圍觀測數(shù)據(jù).鑒于此本文采用大氣PM2.5遙感反演濃度數(shù)據(jù)[17-18].該遙感反演數(shù)據(jù)集是基于大氣化學(xué)傳輸模型(GEOS-Chem)和地理加權(quán)回歸模型(GWR)，估算的中國地區(qū)2000年—2017年0.01°×0.01°年平均PM2.5濃度分布.以2015年為例，PM2.5濃度空間分布如圖1.本文在ArcMap中對數(shù)據(jù)進(jìn)行轉(zhuǎn)換后，得到5 km×5 km空間尺度的PM2.5濃度分布，作為計(jì)算所需要的基準(zhǔn)濃度面.

在PM2.5污染引起的健康影響的估算中，需要擬定作為參考的濃度，即控制濃度，認(rèn)為污染物濃度超過控制濃度時，引起人群的健康效應(yīng).一般來說，控制濃度可以選擇零值、流行病學(xué)研究觀察到的最低作用濃度值或最高無作用濃度值、政府機(jī)構(gòu)制定的衛(wèi)生標(biāo)準(zhǔn)等[19].本文選用我國環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)(GB 3095-2012)中規(guī)定的PM2.5二級濃度限值35 μg·m-3作為控制濃度.

圖1 2015年全國PM2.5濃度空間分布Fig.1 Spatial distribution of national PM2.5 concentration in 2015

本研究所采用的暴露人口數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心[20]，該數(shù)據(jù)是在全國分縣人口統(tǒng)計(jì)數(shù)據(jù)的基礎(chǔ)上，綜合考慮了與人口密切相關(guān)的土地利用類型、夜間燈光亮度、居民點(diǎn)密度等多因素，利用多因子權(quán)重分配法，將以行政區(qū)為基本統(tǒng)計(jì)單元的人口數(shù)據(jù)展布到空間格網(wǎng)上，從而實(shí)現(xiàn)人口的空間化.該數(shù)據(jù)分辨率為1 km.該數(shù)據(jù)集從1995年起始，每五年統(tǒng)計(jì)一次，其他年份數(shù)據(jù)則由已有的人口數(shù)據(jù)和人口增長率換算得到.此外，該數(shù)據(jù)集不包含香港、澳門、臺灣地區(qū).以2015年為例，人口分布如圖2.為了獲得與污染物相同空間尺度的暴露人口分布，本文將人口公里格網(wǎng)分布轉(zhuǎn)換為了人口5 km×5 km格網(wǎng)分布.

圖2 2015年全國人口1 km×1 km空間分布Fig.2 Spatial distribution of national population in 2015

1.2 健康效應(yīng)終點(diǎn)及其基線發(fā)生率

基于國際疾病分類標(biāo)準(zhǔn)，考慮到各疾病發(fā)病率和死亡率資料的有限性，本文選用的健康終點(diǎn)分為死亡、住院兩類.其中，死亡健康終點(diǎn)包含心腦血管疾病死亡、呼吸系統(tǒng)疾病死亡和肺癌死亡；住院健康終點(diǎn)包含心腦血管疾病住院、呼吸系統(tǒng)疾病住院.2000年基線發(fā)生率源于《2001年衛(wèi)生與計(jì)劃生育統(tǒng)計(jì)摘要》，2003至2017年基線發(fā)生率源于當(dāng)年《衛(wèi)生與計(jì)劃生育統(tǒng)計(jì)年鑒》，且由于未發(fā)表《2002年衛(wèi)生與計(jì)劃生育統(tǒng)計(jì)摘要》，故2001年的基線發(fā)生率以2002年的統(tǒng)計(jì)數(shù)據(jù)代替.此外，由于統(tǒng)計(jì)標(biāo)準(zhǔn)更改，2000年相關(guān)健康終點(diǎn)的疾病別少于2003及之后的年份.以2015年為例，基線發(fā)生率數(shù)據(jù)如表1.

1.3 選擇暴露—反應(yīng)系數(shù)

大氣暴露—反應(yīng)系數(shù)用于定量描述大氣污染物濃度變化和人體健康效應(yīng)的關(guān)系，是大氣污染健康影響研究的關(guān)鍵之一.選取流行病學(xué)暴露—反應(yīng)關(guān)系研究文獻(xiàn)應(yīng)有2方面的考慮：一是隨時間推移我國大氣污染物濃度水平和成分會發(fā)生變化；二是國內(nèi)外人群中暴露—反應(yīng)關(guān)系存在差異.鑒于此本文盡量選取研究年份接近本文研究年份，且由國內(nèi)研究報(bào)道的暴露—反應(yīng)關(guān)系分析結(jié)果.最終選取的各健康終點(diǎn)的暴露—反應(yīng)系數(shù)平均值及其95%置信區(qū)間如表1所示[10，21-22].此外，本文取用暴露—反應(yīng)系數(shù)的平均值參與健康影響模型的計(jì)算.

表1 2015年各健康終點(diǎn)的基線發(fā)生率和暴露—反應(yīng)關(guān)系系數(shù)Tab.1 Reference incidence rates and dose-response relationship coefficients of different health outcomes

1.4 人群健康影響估算

基于暴露—反應(yīng)關(guān)系和泊松回歸的比例模型，可以使用以下公式計(jì)算各個健康終點(diǎn)歸因于PM2.5污染的人群健康影響[23]：

ΔYi=Yi(1-e-βiΔX)×POP,

(1)

其中，ΔYi為健康終點(diǎn)i的人群歸因健康影響(例數(shù))；Yi為健康終點(diǎn)i的基線發(fā)生率；βi為健康終點(diǎn)i的污染物濃度變化和健康效應(yīng)的關(guān)系系數(shù)(即暴露—反應(yīng)系數(shù))；ΔX為PM2.5基準(zhǔn)濃度與控制濃度之差；POP為暴露人口數(shù).計(jì)算出暴露人群各個健康終點(diǎn)的健康影響后，各健康終點(diǎn)的健康影響相加即為PM2.5污染的人群總健康影響.

1.5 經(jīng)濟(jì)損失估算

健康終點(diǎn)的人群健康影響乘以該健康終點(diǎn)的單位經(jīng)濟(jì)損失，即該健康終點(diǎn)的經(jīng)濟(jì)損失，各健康終點(diǎn)的經(jīng)濟(jì)損失相加即PM2.5污染的總經(jīng)濟(jì)損失.對于早逝的單位經(jīng)濟(jì)損失估計(jì)，本文通過統(tǒng)計(jì)生命價值法(value of statistical life，VSL)計(jì)算.VSL是支付意愿法(WTP)的一種，VSL并非估計(jì)一個具體的人的價值，而是衡量人群為規(guī)避一定的死亡風(fēng)險(xiǎn)的而愿意付出的價值[24].由于VSL是人們對風(fēng)險(xiǎn)和財(cái)富之間的權(quán)衡，因此會受到個體收入水平的影響，在不同省份和同一省份的不同年份，VSL值有所不同.本文以謝旭軒[25]對2010年北京市統(tǒng)計(jì)生命價值的研究成果168萬元為基礎(chǔ)，結(jié)合省份之間的人均可支配收入比值，通過下式折算得到其他年份各省的統(tǒng)計(jì)生命價值：

(2)

式中，VSLit為省份i在t年的單位統(tǒng)計(jì)生命價值；Iit為省份i在t年的人均可支配收入；e為收入彈性系數(shù)，本文取1.

對于住院的單位經(jīng)濟(jì)損失估計(jì)采用疾病成本法(cost of illness，COI).單位疾病成本等于單位醫(yī)療費(fèi)用加上誤工損失，其基本的計(jì)算公式如下：

Ci=(CPi+GDPi·TLi)·Ii，

(3)

式中，Ci為PM2.5污染造成的健康終點(diǎn)i的單位疾病成本；CPi為健康終點(diǎn)i的單位病例的醫(yī)療費(fèi)用；GDPi為地區(qū)人均生產(chǎn)日均值；TLi為因健康終點(diǎn)i導(dǎo)致的誤工時間(d)；Ii為PM2.5污染造成的健康終點(diǎn)i的健康效應(yīng)變化量.

本文參考北京市2013年相關(guān)疾病住院的單位疾病成本[26]，通過其他年份各省份人均可支配收入與2013年北京市人均可支配收入的比值系數(shù)，得到其他年份各省份的健康終點(diǎn)的單位經(jīng)濟(jì)損失.

表2 北京市各健康終點(diǎn)單位經(jīng)濟(jì)價值Tab.2 Unit economic cost of different health outcomes in Beijing

1.6 EMD距離

EMD(Earth Mover’s distance)距離是度量圖像之間的相似性的一種方法.一般來說，一張圖像可以轉(zhuǎn)換成一個直方圖分布，在EMD方法中，直方圖中的每一根柱稱為特征量，柱高稱為特征的權(quán)重.EMD就是計(jì)算將一個直方圖分布轉(zhuǎn)換為另一個直方圖分布所需要的最小代價.本文利用EMD距離比較不同年份的健康影響和經(jīng)濟(jì)損失空間分布的相似度.EMD的計(jì)算可用如下公式表示：

(4)

式中，P和Q個直方圖分布，包括特征量pi、qi特征權(quán)重wpi、wqi；dij是一個矩陣，每一項(xiàng)表示pi、qi差值的絕對值；fij也是一個矩陣，每一項(xiàng)表示從pi到qi的移動量.以最小工作量為目的，求出每個兩特征量之間的最小移動量fij，再進(jìn)行歸一化，就可以得到兩個分布之間的EMD距離.在圖像對比分析中，EMD值越小，表明兩個直方圖分布差異越小，圖像越相似.本研究中，EMD值越接近零，表示不同年份的健康影響和經(jīng)濟(jì)損失空間分布模式越近似.

2 結(jié)果及分析

通過健康效應(yīng)模型及經(jīng)濟(jì)損失模型，可以計(jì)算出各格網(wǎng)內(nèi)不同健康終點(diǎn)的健康影響和經(jīng)濟(jì)損失，對不同健康終點(diǎn)的健康影響及經(jīng)濟(jì)損失分別求和，得到該格網(wǎng)的總健康影響和經(jīng)濟(jì)損失，再經(jīng)統(tǒng)計(jì)得到2000年—2017年各年份的全國健康影響和經(jīng)濟(jì)損失，如圖3所示.將全國健康影響和經(jīng)濟(jì)損失劃分為9個區(qū)間，計(jì)算各區(qū)間內(nèi)格網(wǎng)數(shù)量占比，如圖4所示.各年份的全國健康影響空間分布圖，如圖5所示；各年份的全國經(jīng)濟(jì)損失空間分布圖，如圖6所示.此外，本文利用EMD距離定量分析不同年份之間健康影響和經(jīng)濟(jì)損失的空間分布差異，計(jì)算得到2001年—2017各年與2000年的健康影響和經(jīng)濟(jì)損失的空間分布相似度，以及2001年—2017各年與前一年之間的健康影響和經(jīng)濟(jì)損失的空間分布相似度，結(jié)果如圖7.

2.1 人群健康影響歷年變化

由圖3分析可知，2000年—2017年，PM2.5污染的健康影響整體可分為兩個階段：2000年—2013年呈波動上升趨勢；2013年—2017年基本為逐年下降趨勢(2017年上升).健康影響人數(shù)最小為2000年的9.07萬例，最大為2013年的71.35萬例，2000年—2017年的平均值為38.51萬例.如圖4所示，在2000年—2017年間，健康影響人數(shù)為0例的格網(wǎng)達(dá)50%以上，側(cè)面反映出我國一半以上地區(qū)年均PM2.5濃度未超過二級標(biāo)準(zhǔn)的限值35 μg·m-3；此外，絕大部分格網(wǎng)的健康影響人數(shù)位于0～30例/25 km2的區(qū)間內(nèi)，大于30例的格網(wǎng)占比極少.結(jié)合統(tǒng)計(jì)數(shù)據(jù)來看：1) 健康影響人數(shù)為0例的格網(wǎng)占比從2000年的73.01%降至2017年的54.18%，平均每年占比62.39%.2) 健康影響人數(shù)大于5例的格網(wǎng)占比從2000年的1.15%增至2017年的9.15%；健康影響人數(shù)大于30例的格網(wǎng)占比從2000年的0.05%增至2017年的0.95%；3) 健康影響人數(shù)在局部年份現(xiàn)了超高值，2010至2017年均出現(xiàn)了超過300例的格網(wǎng)，2013和2015年出現(xiàn)了超過900例的格網(wǎng).

圖3 2000年—2017年全國PM2.5污染的人群健康影響和經(jīng)濟(jì)損失變化趨勢Fig.3 PM2.5-related health impact and economic loss in China from 2000 to 2017

圖4 2000年—2017年全國分區(qū)間PM2.5污染的健康影響和經(jīng)濟(jì)損失變化趨勢Fig.4 PM2.5-related health impact and economic loss by range in China from 2000 to 2017

得到每一年的健康影響空間分布(圖5)后，對不同年份的分布差異進(jìn)行定量衡量.圖7為兩種EMD距離的變化趨勢，其中，從基于2000年的EMD值來看，2001年—2007年的健康影響空間分布變化大致可分為兩階段：1) 2001年—2009年與2000年的健康影響的分布差異基本逐年增大(2002年稍下降)；2) 2010年—2017年與2000年的健康影響分布差異呈波動變化趨勢.期間，2010年—2012年和2015年—2016年兩段時間與2000年的健康影響分布差異逐漸減小；2013年—2014年和2017年兩段時間與2000年的健康影響分布差異逐漸增大.從與前一年的EMD值來看，大部分年份健康影響分布的變化較為平緩，在短時間內(nèi)健康影響分布變化大的年份有2001年、2013年、2016年和2017年.結(jié)合圖5可知，2001年、2013年和2017年相較于前一年的健康影響均大幅增大；2016年的健康影響相較于2015年則大幅減小.

通過圖5進(jìn)一步分析局部的健康影響分布的變化：1) 2000年—2009年多地區(qū)健康影響呈增長趨勢.2009年東北地區(qū)南部、山東、山西、安徽、湖南、江西、江蘇、浙江、上海、重慶、貴州、兩廣地區(qū)的健康影響的分布范圍較2000年明顯擴(kuò)大；2009年京津冀南部、河南省東部、山東省西部地區(qū)的健康影響對比2000年有較大增幅，高密度區(qū)域也逐漸擴(kuò)大.2) 2011和2012年多地區(qū)的健康影響相較于2009年逐漸下降：東北地區(qū)南部、湖北省西南部、廣東省中部地區(qū)的健康影響范圍明顯縮??；京津冀南部、河南省、山東省的健康影響的高密度區(qū)域減小.3) 與2012年相比，2013年北方地區(qū)的健康影響增長顯著：東北地區(qū)南部、山西、陜西、寧夏、甘肅、內(nèi)蒙古西南部地區(qū)的健康影響范圍擴(kuò)大；京津冀南部、山東省西部、河南省東北部地區(qū)的健康影響的高密度區(qū)域明顯擴(kuò)大.南方地區(qū)則有長三角地區(qū)的高密度區(qū)域擴(kuò)大.但2013年貴州省東部和廣西省北部地區(qū)的健康影響范圍較2012年縮小.

圖5 2000年—2017年全國PM2.5污染的健康影響空間分布(5 km×5 km)Fig.5 Spatial distribution of national health impact of PM2.5 pollution in from 2000 to 2017(5 km×5 km)

圖6 2000年—2017年全國PM2.5污染的經(jīng)濟(jì)損失空間分布(5 km×5 km)Fig.6 Spatial distribution of national economic loss of PM2.5 pollution in from 2000 to 2017(5 km×5 km)

Fig.7 2000年—2017年全國PM2.5污染的健康影響分布和經(jīng)濟(jì)損失分布EMD變化趨勢Fig.7 The EMD values of national PM2.5-related and economic loss from 2000 to 2017

此外，2013年人群健康影響是2000年—2017年的首位，占18年來健康影響總數(shù)的10.29%.4)2014年—2016年健康影響總數(shù)逐漸下降，2015年和2016年較2000年的健康影響分布差異連續(xù)縮小.2016年陜甘寧三省、湖南和湖北省西部、兩廣地區(qū)的健康影響范圍相比于2013年明顯縮小，華北平原和長三角地區(qū)健康影響的高密度區(qū)域縮少.2013年也是“大氣十條”政策的推行之年，可認(rèn)為該政策對我國大氣污染的防治起到了一定程度積極效用.5) 值得注意的是，2017年多地區(qū)健康影響范圍有所擴(kuò)大：西北地區(qū)、東北地區(qū)南部和兩廣地區(qū)的健康影響范圍擴(kuò)大較明顯；長三角和安徽省西北部地區(qū)的高密度區(qū)域也有所擴(kuò)大；但京津冀地區(qū)的高密度區(qū)域有所縮小.PM2.5污染問題仍然值得關(guān)注.

2.2 經(jīng)濟(jì)損失歷年變化

由圖3可知，2000年—2017年，全國PM2.5污染的經(jīng)濟(jì)損失總值呈現(xiàn)出波動上升趨勢.經(jīng)濟(jì)損失最小值為2000年的61.93億元，占當(dāng)年GDP總值的0.06%；最大值為2017年的1 961.1億元，占當(dāng)年GDP總值的0.24%.若按經(jīng)濟(jì)損失占當(dāng)年GDP的比重排序，則最小值為2000年的0.06%，最大值為2014年的0.26%.由2000年—2017年經(jīng)濟(jì)損失的各區(qū)間格網(wǎng)占比(圖4)可看出：由于經(jīng)濟(jì)損失模型和健康效應(yīng)模型相關(guān)聯(lián)，每年經(jīng)濟(jì)損失為0的格網(wǎng)也超過了50%；18年間絕大多數(shù)格網(wǎng)的經(jīng)濟(jì)損失分布在0～500萬元/25 km2的區(qū)間內(nèi)；大于500萬元的格網(wǎng)占比極少.結(jié)合具體統(tǒng)計(jì)數(shù)據(jù)可知：1) 經(jīng)濟(jì)損失為0的格網(wǎng)占比與健康損失為0的格網(wǎng)占比相同；2) 經(jīng)濟(jì)損失高于10萬元的格網(wǎng)占比從2000年的4.14%增至2017年的21.5%；經(jīng)濟(jì)損失高于100萬元的格網(wǎng)占比從2000年0.1%增至2017年的9.89%；3) 經(jīng)濟(jì)損失也在局部地區(qū)出現(xiàn)了超高值，2013至2017年均出現(xiàn)了經(jīng)濟(jì)損失超過4億元的格網(wǎng).

經(jīng)可視化后，5 km分辨率的經(jīng)濟(jì)損失空間分布如圖6所示，通過兩種EMD距離定量分析不同年份的經(jīng)濟(jì)損失分布差異如圖7所示.從基于2000年的EMD可以看到：首先，仍然可以2009年為界，將2001年—2017年與2000年的經(jīng)濟(jì)損失分布差異劃分為兩個變化階段.然后，我們也注意到個別年份相較于2000年的經(jīng)濟(jì)損失分布差異與健康影響分布差異不一致的情況，如2003年和2013年差異更大，2008年差異較小.這是因?yàn)椴煌貐^(qū)間的經(jīng)濟(jì)水平差距拉大了這些地區(qū)的經(jīng)濟(jì)損失的差距，造成同一年份不同地區(qū)的經(jīng)濟(jì)損失差異與健康影響的差異的不同.從各年份與前一年的經(jīng)濟(jì)損失分布EMD值可以看出，與前一年分布差異大的年份仍然包括2001年、2012年、2016年和2017年.此外，2003年與2002年、2004年與2003年的分布差異也比較大.較于2002年，2003年華北平原和長三角地區(qū)的經(jīng)濟(jì)損失有較大增幅；較于2003年，2004年長江以南多地區(qū)經(jīng)濟(jì)損失范圍擴(kuò)大.造成以上年份與前一年經(jīng)濟(jì)損失差異與健康損失差異有所不同的原因是，隨時間推移，經(jīng)濟(jì)水平的增長使同一地區(qū)在不同年份的經(jīng)濟(jì)損失差距增大，以至于經(jīng)濟(jì)損失差異大于健康影響差異.

2000年—2017年，經(jīng)濟(jì)損失局部的空間分布的變化可從圖6可知：一方面，由于經(jīng)濟(jì)損失模型和健康效應(yīng)模型之間存在關(guān)聯(lián)，經(jīng)濟(jì)損失的空間分布一定程度上與健康影響的空間分布是一致的，因此歷年各地區(qū)經(jīng)濟(jì)損失范圍的階段性變化可以參考健康影響范圍的變化.另一方面，隨時間推移，各地區(qū)經(jīng)濟(jì)水平的增長使單位經(jīng)濟(jì)損失逐漸增大，造成各地區(qū)經(jīng)濟(jì)損失高值區(qū)域向低值區(qū)域的擴(kuò)張.據(jù)統(tǒng)計(jì)，18年內(nèi)，經(jīng)濟(jì)損失大于50萬元/25 km2的區(qū)域基本呈逐年增大趨勢(2004年、2012年、2016年有所下降)，這些高值區(qū)域主要位于華北平原、長三角、湖南和湖北省東部、四川盆地地區(qū).

2.3 健康影響及經(jīng)濟(jì)損失的空間分布格局

由圖5、圖6可看出，中國PM2.5污染的健康影響和經(jīng)濟(jì)損失空間分布具有相似性，兩者空間分布的區(qū)域性顯著，總體上表現(xiàn)為由東南及西北地區(qū)向西南、東北地區(qū)遞減的格局.

健康影響的低密度區(qū)主要位于福建、云南、海南、四川省西部、青海、西藏自治區(qū)、天山以北地區(qū)、內(nèi)蒙古自治區(qū)東部及黑龍江省北部；健康影響的高密度區(qū)則表現(xiàn)出明顯集聚特征，三大平原及其周圍地區(qū)、四川盆地、塔里木盆地和兩廣地區(qū)是主要集聚區(qū)域.經(jīng)濟(jì)損失的低值區(qū)域與健康影響的低密度區(qū)域基本一致，經(jīng)濟(jì)損失的高值區(qū)域則更集中分布在京津冀南部、華東、華中、四川盆地及珠三角地區(qū)，這也與我國經(jīng)濟(jì)空間格局相適應(yīng).基于健康影響和經(jīng)濟(jì)損失分布的空間集聚性，按地理區(qū)劃統(tǒng)計(jì)各區(qū)域的健康影響及經(jīng)濟(jì)損失，由圖8可知：1) 2000年—2017年，華北、華中、華東地區(qū)的健康損失始終位居前三，三區(qū)域健康損失平均每年占比74.21%.隨時間推移，各區(qū)域的人群健康影響差異不斷擴(kuò)大，18年內(nèi)華東地區(qū)增幅最大，其次為華中地區(qū).2) 對于經(jīng)濟(jì)損失，2000年—2017年仍然是華中、華北、華東地區(qū)位居前三，三區(qū)域經(jīng)濟(jì)損失和平均每年占比80.78%.18年內(nèi)華東地區(qū)增幅最大，其次為華北地區(qū).

Fig.8 2000年—2017年各區(qū)域健康影響和經(jīng)濟(jì)損失變化趨勢Fig.8 PM2.5-related health impact and economic loss in different regions from 2000 to 2017

3 討論

在本研究中，健康影響及經(jīng)濟(jì)損失估算結(jié)果與暴露人口數(shù)、PM2.5暴露濃度、健康終點(diǎn)的發(fā)生率和暴露—反應(yīng)關(guān)系系數(shù)的選取均有關(guān)系，因此也存在如下不確定性.1) 本文所采用的PM2.5濃度數(shù)據(jù)是基于室外環(huán)境，但現(xiàn)實(shí)中人們不會長時間暴露于室外的PM2.5污染下，因此，對于PM2.5室內(nèi)污染的健康經(jīng)濟(jì)效應(yīng)的評估也有必要.此外，選取不同的控制濃度會導(dǎo)致估算結(jié)果的不同.2) 在健康終點(diǎn)的選取中，出于數(shù)據(jù)獲取難度，本文未予包括門診、急性和慢性支氣管炎、哮喘等健康終點(diǎn)，同樣未考慮PM2.5污染引起認(rèn)知功能下降、產(chǎn)生不良生殖等.3) 暴露—反應(yīng)系數(shù)的選擇是評估健康影響的關(guān)鍵要素之一，但出于資料限制，本文使用部分區(qū)域暴露—反應(yīng)系數(shù)的研究結(jié)果來代替全國，可能使估算結(jié)果產(chǎn)生一定偏差，但參數(shù)本身的不確定性對各年份的影響是一致的，因此對各年份PM2.5污染損失結(jié)果的相對大小無影響.4) 對于社會而言，老年人的過早死亡給社會帶來的預(yù)期損失小于青年人或小孩.穆泉等[27]對中國13年內(nèi)PM2.5重污染損失的研究顯示，未考慮過早死亡的年齡結(jié)構(gòu)對健康損失的影響，有可能高估PM2.5污染所致的健康損失額2倍以上，因此年齡結(jié)構(gòu)對健康損失評估的影響應(yīng)納入考慮.