新英文速递 | 实质性降低PM2.5污染导致的死亡人数需要更好的污染防控和医疗保健努力

作者：岳桓陛^1,2,3，何春阳^1,3,4,5*，黄庆旭^1,3，张达^6*，史培军^1,3,4,5，Enayat A. Moallemi⁷，许芳瑾^1,2,8，杨洋^2,9，亓欣¹⁰，马群¹¹，Brett A. Bryan¹²

摘要

本研究旨在利用CMIP6（第六次耦合模式比较计划）中11种地球-气候系统模式模拟的污染物浓度，推算不同情境下的未来PM_2.5浓度，在最新的情景模式比较计划（ScenarioMIP）框架下，产生一套综合、全面和一致的未来DAPP预估结果。研究考虑了四个情景，包括可持续发展（SSP1-2.6）；中间路线（SSP2-4.5）；地区竞争（SSP3-7.0）和化石燃料开发（SSP5-8.5），以探讨在全球154个国家大幅减少DAPP以实现SDG3.9的潜力。情景表示为SSP x–y，其中x代表共享社会经济路径（SSP）描述的社会条件，y代表世纪末对应路径的辐射强迫。本文的研究内容包含三部分。首先，通过将流行病学模型与ScenarioMIP框架下的所有驱动因素相结合，预估了从2015年（联合国2030议程通过）到2050年的全球DAPP，并评估了在三个水平（与2015年水平相比的10%、20%和30%的DAPP减少）下SDG3.9的实现情况。然后，本文利用解构分析方法确定了PM_2.5浓度、人口数量、年龄结构和疾病死亡率变化对DAPP的相对贡献。最后，本文探讨了通过加大空气污染防控（PM_2.5浓度降低20%）和医疗保健改进（疾病死亡率降低20%）来实现SDG3.9的潜在路径。这些结果对于在国家层面制定减缓气候变化、控制空气污染和改善医疗保健方面的政策、实质性减少全球DAPP具有重要的参考价值。

2 研究区和数据

图1 研究区

全球DAPP的估算涉及人口数据、PM_2.5数据、模式输出数据、健康数据和社会经济数据等多项数据。各个国家历史的人口数据来自于联合国发布的全球人口展望2019（World Population Prospects 2019）（https://population.un.org/wpp/），该数据集包含2000~2019年各个国家逐年分年龄段的人口数量。未来的人口数据和年龄结构来自于国际应用系统分析研究所发布的人力资本数据集（WIC2.0）（http://dataexplorer.wittgensteincentre.org/wcde-v2/）。该数据集包含全球2015-2100年每五年不同SSPs下不同年龄段人口的预测结果（Lutz et al, 2018）。

人口空间分布数据来源于PBL荷兰环境评价机构（Netherlands Environmental Assessment Agency）发布的全球环境历史数据集（history database of the global environment, HYDE3.2）（ftp://ftp.pbl.nl/hyde）。该数据集包含过去（2000~2016）和未来（2010-2100）不同SSPs下的人口空间分布数据，空间分辨率为0.1度（约为10km）（Goldewijk et al., 2017）。

历史的PM_2.5浓度数据来源于加拿大达尔豪斯大学大气组分分析团队（atmospheric composition analysis group）发布的全球PM_2.5评估数据集（http://fizz.phys.dal.ca/~atmos/）。该数据集包含全球1998~2018年逐年的年均PM_2.5浓度。空间分辨率为0.1度（约为10km）。此外，该数据集还提供了去除沙尘和海盐的PM_2.5年均浓度数据，用以近似表示人为活动相关的PM_2.5浓度（Hammer et al., 2020）。

未来污染物浓度数据来自于CMIP6的输出结果（https://pcmdi.llnl.gov/CMIP6/），主要包含多个气候模式模拟得到的硫酸盐、黑炭、有机气溶胶、沙尘和海盐等污染物在地表的浓度，空间分辨率约为1度，时间为2015-2100年每月一期。该结果由ScenarioMIP中各个情景对应的排放、气象场和下垫面所驱动，其结果与各个SSPs下的社会经济因素在逻辑上内在一致，相互对应（Turnock et al., 2020）。

历史疾病死亡率数据来自于GBD 2019（http://ghdx.healthdata.org/gbd-results-tool），包含全球各个国家1980~2019年逐年各类疾病分年龄段的死亡率（GBD 2019 Diseases and Injuries Collaborators, 2020）。

社会经济数据主要包含出生率、人均GDP和平均受教育年限。其中，历史和未来的出生率与平均受教育年限均来自WIC2.0数据集（http://dataexplorer.wittgensteincentre.org/wcde-v2/）。历史的人均GDP来自于世界银行的公开数据（https://data.worldbank.org/indicator），未来的人均GDP则来自于SSPs数据集中世界经济合作组织的预估结果（https://tntcat.iiasa.ac.at/SspDb/）(Dellink et al., 2017)。

ScearioMIP提供了8个代表性情景用来描绘可能出现的未来。这8个情景可以进一步根据相对优先级分为排列1和排列2两组，分别代表作者推荐各个ScearioMIP团队模拟时“至少应该考虑的情景”和“尽量考虑的情景”。基于数据的可获取性，DAPP的估算使用了基于排列1涉及的4个优先级较高的情景（表1）。其中，可持续发展（SSP1-2.6）代表社会经济和环境协同发展，中间路径（SSP2-4.5）指延续现有趋势继续前进，区域竞争情景（SSP3-7.0）的特征是全球合作减弱，发展面临巨大的挑战，化石燃料发展情景（SSP5-8.5）则表现为牺牲环境可持续性的社会经济高速发展。

估算DAPP的整体思路是，先构建各个驱动因素长时间序列的变化趋势，然后基于流行病学模型量化DAPP（图2）。在历史时期（2000~2015），相关驱动因素主要得自监测数据和统计数据。而在未来（2015~2050），各项驱动因素需要在ScenarioMIP情景框架下进行进一步的推算。

图2 量化DAPP的思路图

DAPP能够通过可比风险评估（comparative risk assessment）框架来估算。可比风险评估是分析某风险因素所造成的健康影响最常用的方法之一，目前已经广泛应用于WHO和GBD等诸多全球和局地的健康影响评价研究中。该方法的核心输入主要包含人口、年龄结构、年均PM_2.5浓度和疾病死亡率四项。对DAPP估算思路的描述详见第一章。

具体而言，DAPP主要由人群归因分数（population attributable fraction, PAF）、人口、疾病死亡/患病率和年龄结构四项因素决定，其公式如下所示。

式中，RR_a,d为年龄段为a的人群因疾病d死亡的相对风险，即指人群在暴露条件下的患病率与非暴露条件下的患病率之比（WHO, 2016）。当PM_2.5暴露水平越高时，RR越高，两者之间的定量关系可以通过对GBD 2019最新公布暴露-响应函数进行查找来获得。

基于上述公式，即可以在空间分辨率为1度的栅格尺度上估算2000~2050年的DAPP。由于年龄结构和疾病死亡率仅有国家尺度的数据，研究假设各个国家内部年龄结构和疾病死亡率没有空间异质性，各个栅格的数值与全国的总体水平保持一致。

参考Chowdhury等（2018）中的经验公式，不同情景下模拟得到的PM_2.5浓度可以通过各个污染物的浓度来求得，具体的计算公式如下。

式中，m代表特定疾病的死亡率，是线性模型对m的自然对数，即ln(m)的预期，代表不能被线性模型所解释的残差（residual）的预期。

首先，疾病死亡率与各个驱动因素遵循如下的线性关系，可以基于各个因素的变化计算。

式中，Z(x)表示标准化的函数。通过确定三个指标的最佳和最差情况，可以将其分别标准化为一个0到1的值。在此基础上，进一步对标准化后的值求几何平均，即可得到SDI。

DAPP的变化受人口数量、PM_2.5浓度、年龄结构和相关疾病死亡率四项因素的直接影响。例如，人口数量增长、人口老龄化和PM_2.5浓度的增加都会使DAPP增加，而医疗条件的改善则会降低DAPP。参考Cohen等（2017）提出的解构分析方法，可以将DAPP的变化进行分解，量化DAPP变化过程中四个驱动因素的贡献。

解构分析的核心思路是，通过在计算中逐步引入不同的影响因素，确定各个因素对DAPP变化的贡献（图3）。例如，在计算中逐步引入人口的增长、年龄结构的变化、疾病死亡率的变化和PM_2.5浓度的变化，并分别计算DAPP。各个影响因素的贡献可以视为每一步计算结果和上一步计算结果的差值。此外，由于非线性影响和各个因素的相互作用，解构分析的结果可能会依赖于各变量的输入顺序，因此需要对所有24种可能的引入顺序都进行计算，最终各个影响因素对DAPP变化的贡献是24种计算结果的平均值。

图3 解构分析示意图。左侧不同颜色的圆点代表特定驱动因素的组合。黄色、灰色、蓝色和红色分别代表人口数量、年龄结构、疾病死亡率和PM_2.5浓度的变化。公式中的t₀和t分别代表基准年份（本文中为2015年）和目标年份（本文中为2030年）A_t，B_t和C_t为考虑了不同驱动因素的中间变量。

全球DAPP的变化趋势在各个情景下存在明显的差异（图4）。在中间路径情景下，DAPP基本稳定在530万左右，变化幅度相对较小。在可持续发展和化石燃料发展情景下，DAPP呈现下降趋势。DAPP在可持续发展情景下的下降幅度最大，在2030和2050年达到了432万和405万，分别比2015年下降了19%和24%。相反，在区域竞争情景下，DAPP分别于2030和2050年达到605万和699万人，分别比2015年增加了14%和32%。

未来DAPP的变化趋势也存在很大的区域差异。2015~2030年，MAF和LAM地区的DAPP在各个情景下均呈现不同幅度的上升趋势，与此同时，除了在化石燃料发展情景下，OECD地区的DAPP呈现先减少后增加的趋势以外，REF和OECD地区的DAPP在大多数情景下均呈现下降趋势。

图4 PM_2.5污染相关死亡人数（DAPP）的历史变化和到2050年实现可持续发展目标（SDG）3.9的预期达成情况。a 全球尺度DAPP的变化，b–f 区域尺度。实线代表平均估计值，阴影表示未来PM_2.5浓度（来自11个地球-气候系统模型）和疾病死亡率（来自统计模型）的95%置信区间。缩写定义如下：ASIA（亚洲，不包括中东、日本和前苏联国家）、MAF（中东和非洲）、LAM（拉丁美洲和加勒比地区）、OECD（经济合作与发展组织和新欧盟及其候选国）、REF（东欧和前苏联国家的改革经济体）。

多个模型的平均结果表明，超过三分之二的国家（107/154）到2030年难以将DAPP下降20%以上，即难以实现SDG3.9的中等目标（）。当将“实质性减少”的定义放宽到10%（即弱目标）时，实现SDG3.9的挑战仍然存在，超过50%的国家（87/154）在任何情景下都无法在2030年实现SDG3.9。当将目标（30%）收紧时（即强目标），有80%的国家（127/154）未能实现。同时，各个模型分开的分析也显示类似的结果（图5）。即使是在最理想的模型中，基于最宽松的标准，全球也有超过1/3的国家无法在任何情景下实现SDG3.9。

图5 154个国家到2030年和2050年实现可持续发展目标（SDG）3.9的情况。颜色表示在对SDG3.9进行弱、中等和强设置下（分别表示相对于2015年DAPP减少10%、20%和30%），在0、1、3、2和4种可能的情景下，能够达到SDG3.9的国家百分比。

在未来的发展中，老龄化是DAPP增加最主要的驱动因素，而医疗保健的改善则能够在一定程度上抵消DAPP的增长（图6）。解构分析表明，在一切如常情景下，人口老龄化将使全球的DAPP在2015~2030年增加198万人，相比2015年增加了37%。而医疗保健的改善将使DAPP降低213万人，相比于2015年减少了40%，抵消了人口老龄化的作用。其它各个情景中，老龄化和医疗条件的改善对DAPP的影响也存在类似的趋势。在可持续发展和化石燃料发展情景下，老龄化和疾病死亡率对DAPP的影响均比一切如常情景下的结果偏高。而在区域竞争情景下，老龄化和疾病死亡率的影响相对偏低。

空气质量变化对DAPP的影响在各个情景中呈现较为明显的差异。在一切如常情景下，空气质量改善使得DAPP在2015~2030年降低了45万人，相比2015年降低了8.5%。在可持续发展和化石燃料发展情景下，空气质量的改善会使DAPP有着不同幅度的下降。但是在区域竞争情景下，由于空气质量有所恶化，DAPP在2015~2030年增加了9万人，呈现与其它情景相异的趋势。

图6 不同情景下各个驱动因素对于DAPP变化的贡献

在塑造DAPP的四大驱动因素中，PM_2.5浓度和疾病死亡率更容易通过政策措施（如激励措施、监管以及对技术研究、开发和实施的投资）进行修改。因此，我们进行进一步的敏感性分析，以探讨通过加大空气污染控制和医疗保健方面的努力来实现可持续发展目标SDG3.9的可能性。

结果表明，空气污染控制和医疗保健方面的额外努力均能够为实现大幅减少DAPP做出重要贡献。当将PM2.5浓度设置为比不同情景下预测值低20%（即中等SDG3.9目标）时，到2030年，在SSP1-2.6情景下全球DAPP实现了显著减少（-29%）。在SSP5-8.5情景下，DAPP减少了21%。当将疾病死亡率设定为比预测值低20%时，除了SSP3-7.0情景外，在大多数情景下都实现了中等SDG3.9目标。当同时采取这两项措施（即PM2.5浓度降低20%和疾病死亡率降低20%）时，DAPP实现了大幅减少（图7）。

因此，各国实质性减少DAPP需要在医疗保健和空气污染控制方面进一步的努力，从而促进那些在任何ScenarioMIP情景也不能实现SDG3.9的国家减少DAPP。通过将PM_2.5浓度和疾病死亡率设定为比预测值低20%，达到SDG3.9的国家数量约为原始预估结果的一倍，并且几乎90%的世界国家可以在2030年之前在SSP1-2.6情景下实现中等SDG3.9目标。

图7 进一步改善空气污染控制和医疗保健对达到中等可持续发展目标（SDG）3.9的潜在影响。a, b 2015-2030年和2050年PM_2.5污染相关死亡人数的相对变化。c, d 到2030年和2050年实现中等SDG3.9的国家百分比（基于154个国家计算）。图例中的颜色表示，由于空气污染控制和医疗保健的进一步改善，PM_2.5浓度（绿色）和疾病死亡率（蓝色）相对于预估值降低了20%。

本研究的主要贡献是在最新的ScenarioMIP框架下，利用CMIP6的所有11个可用模拟提供了DAPP的全面长期预估，该框架提供了DAPP驱动因素（人口、年龄结构、疾病死亡率和空气质量）集成且内部一致的预估结果。同时，研究在多个尺度上尝试评估实现SDG3.9的潜在挑战和路径。研究表明，未来实现SDG3.9依然存在很大的挑战，即使是在最理想的模型中，基于最宽松的标准，全球也有超过1/3的国家无法在任何情景下实现SDG3.9。人口老龄化是推动DAPP增长的主导因素，医疗保健改善是推动DAPP下降的主导因素。如果能够通过额外的努力将PM_2.5浓度和疾病死亡率在原有基础上降低20%，那么全球将有接近90%的国家在2030年实现中等程度的SDG3.9。

因此，实质性降低PM_2.5污染的健康影响需要可持续发展转型和医疗保健改善的额外努力。果要实现SDG3.9，还需要实施额外的空气污染控制措施，例如推广末端处理设备、用可再生电力替代化石燃料，通过技术升级提高效率。通过加强对健康系统的投资、为老年人建立健康监测系统，以及通过财政支持和提供联合服务来增加医疗可及性等措施，可以进一步降低疾病死亡率。由于减少空气污染和改善医疗保健的途径存在区域和国家上的差异，各国也需要不同的策略来实现SDG3.9。对于像中国这样可以通过遵循基本情景实现SDG3.9的国家，未来发展需要与可持续发展情景的要求保持一致。对于像印度这样在任何基本情景下都无法实现SDG3.9的国家，需要加大减排和改善医疗保健的投资。许多MAF和LAM中的发展中国家即使在医疗保健和空气污染控制方面有额外改进，也难以在大多数情景下难以实现SDG3.9。这些国家将需要发达国家在技术、医药和金融方面提供更多援助。最后，即使在大多数情景下实现SDG3.9的国家，加强空气质量控制和减排也有助于提升居民福祉，抵消潜在的医疗支出。采用碳定价等策略可能是帮助发展中国家减少空气污染的可行途径。

此外，将空气污染控制和公共卫生与气候变化减缓努力、技术创新和能源系统改革结合起来的综合政策可以帮助实现多个SDGs。各个国家应该在未来的发展中通过调整能源结构、技术更新和增加医疗投入占比等手段控制PM_2.5污染的健康效应。同时通过加强国际合作，促进污染防控和医疗技术的普惠。此外，也需要将空气污染控制和公共卫生与减缓气候变化、技术创新和能源系统改革相结合，通过综合政策实现多个SDG的同步实现。

长按识别二维码关注我们

点击下方“阅读原文”查看更多

↓↓↓