儿童接触NO?、SO?和O?评估方法的选择

《Environmental Pollution》：Method Choice in Children’s Exposure Assessment for NO 2, SO 2 and O 3

本研究对比了七种方法评估儿童对NO?、SO?和O?的个人暴露，发现FSM×I/O适用于主要交通污染物，CMAQ×I/O适用于二次区域性污染物，家庭环境贡献最大，需整合I/O比和活动数据提升模型准确性。

　　

作者列表：Raí Silvério Machado、Elisa Valentim Goulart、Jaqueline Knaak、Alexandre Magalh?es Santiago、Karine Klippel、Bruno Furieri、Elson Silva Galv?o、Milena Machado、Jane Meri Santos、Neyval Costa Reis Júnior、Prashant Kumar

巴西埃斯皮里图桑托联邦大学（Vitória, ES）

摘要

由于儿童日常活动的动态变化以及污染物在微环境中的复杂行为，评估他们接触空气污染物的情况仍然是一个关键挑战。本研究比较了七种估算个人接触二氧化氮（NO₂）、二氧化硫（SO₂）和臭氧（O₃）的方法：被动采样器（PS）、固定站点监测（FSM）、CALPUFF模型和CMAQ模型，以及它们的室内外（I/O）比率对应方法。测量工作在四个城市地点进行，结合了基于问卷的活动模式和特定污染物的室内外比率数据。评估指标包括预测值在两倍范围内的比例（FAC2）、归一化均方误差（NMSE），以及通过准确性、数据需求和操作可行性对每种方法进行多标准决策矩阵排序。结果表明，没有一种方法是普遍最优的。对于主要与交通相关的污染物（NO₂、SO₂），FSM × I/O方法在准确性和可行性之间取得了最佳平衡；而CMAQ × I/O方法则最能反映次要的、受地区因素影响的污染物（O₃）。CALPUFF模型能够有效捕捉道路附近的污染物扩散情况，但对局部排放和气象条件的敏感性较高。家庭环境占据了总暴露量的82–91%，其次是学校（8–14%）和通勤路线（<5%）。决策矩阵确认FSM × I/O和CMAQ × I/O方法是适用于以室内环境为主的人群的大规模暴露评估的可靠方法。这些发现表明，将室内外比率数据和人类活动数据整合到暴露模型中是必要的，并为根据污染物特性、数据可用性和研究目标选择最佳方法提供了透明框架。

章节摘录

引言

空气污染仍然是对儿童健康的主要环境威胁，其影响取决于污染物浓度和暴露时间（WHO, 2021）。儿童特别容易受到影响，因为他们呼吸系统尚未发育完全，呼吸频率较高，且更多时间处于污染源附近（Bateson & Schwartz, 2008）。在城市环境中，短期呼吸系统疾病与接触二氧化氮（NO₂）、二氧化硫（SO₂）和臭氧（O₃）密切相关。

研究区域

维多利亚（Vitória）是巴西埃斯皮里图桑托州的首府，面积约为97.123平方公里，2022年估计人口为322,869人，人口密度为3,324人/平方公里。该地区属于大维多利亚都会区（MRGV），包括七个市镇，占该州总人口的约49%（IBGE, 2023）。大维多利亚都会区以城市化和工业化为主，空气质量受当地污染物排放的影响。

结果

为了评估每种监测和建模方法的性能，将污染物浓度和个人暴露估计值与被动采样器（PS）的结果进行了比较，后者被作为参考方法。比较结果见补充材料中的表S1、表S2和图S1–S3。分析分为三个阶段：（i）使用FSM、CMAQ和CALPUFF模型比较室外浓度；（ii）评估个人暴露估计值。

结论

本研究表明，将室内外比率和微环境因素整合到暴露模型中对于准确估算儿童接触二氧化氮（NO₂）、二氧化硫（SO₂）和臭氧（O₃的情况至关重要。通过对七种基于测量和模型的方法进行系统比较，我们发现暴露评估的性能本质上取决于污染物类型，并受到每种方法所代表的空间分辨率和化学过程的影响。利用室内外比率对环境浓度进行修正后，评估结果得到了改善。

作者贡献声明

Prashant Kumar：撰写、审稿与编辑、监督。Neyval Costa Reis Júnior：撰写、审稿与编辑、项目管理、调查。Jane Meri Santos：撰写、审稿与编辑、资源协调、概念构思。Milena Machado de Melo：撰写、审稿与编辑。Elson Silva Galv?o：撰写、审稿与编辑、初稿撰写、方法论制定、数据分析。Bruno Furieri：撰写、审稿与编辑、初稿撰写、监督。Karine

未引用的参考文献

Branco等人，2020；Dai等人，2018；Liu等人，2020；Skamarock等人，2019；Wang等人，2022；Wang等人，2023。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

PK感谢英国研究与创新署（UKRI）资助的RECLAIM Network Plus（EP/W034034/1）、GP4Streets（APP44894）、GreenCities（NE/X002799/1）和GREENIN（APP55977）项目，以及乌拉圭国家公共研究网络（UGPN）和GREENICON项目的支持。KK、EVG、JMS和NCR Jr感谢巴西国家科学技术发展委员会（CNPq）、高等人才培养协调机构（Capes）和埃斯皮里图桑托研究基金会（FAPES）的资助。