在不同气候政策下的空气质量警报、健康影响及适应措施

《Environmental Science & Technology》：Air Quality Alerts, Health Impacts, and Adaptation Implications Under Varying Climate Policy

　　高分辨率图像
下载MS PowerPoint幻灯片

如果不减少排放，气候变化可能会增加美国的臭氧和PM2.5空气污染；然而，我们尚不清楚这将如何影响促使人们待在室内的空气质量警报。在这里，我们使用了一个综合建模框架来预测本世纪初、中期和末期雾霾季节的每日空气质量指数（AQI）分布。考虑到自然变异性，到2100年，气候变化可能导致空气质量警报增加一倍（增加2 ± 0.2倍）。同时超过臭氧和PM2.5警报阈值的天气天数将增加四倍（4.3 ± 1.2倍）。超过1亿人（±4500万人）将经历被认为“对敏感群体不健康”的平均空气污染水平，比2000年增加了7倍（±3倍）。如果人们根据警报待在室内，他们可以减少接触室外产生的污染物。无论警报是由臭氧还是PM2.5引起的，他们的健康益处都是相似的。老年人（65岁以上）通过采取适应措施每天获得的益处要高得多（例如，PM2.5的95%置信区间为4.60至147美元，而18-35岁年轻人的95%置信区间为0.15至4.22美元），平均高出45倍以上。这种不成比例的影响需要针对性的信息和指导，尤其是在与气候相关的风险增加的情况下。

**引言**
室外空气污染会增加暴露人群的发病率（1,2）和过早死亡率（3,4）。在美国，空气质量指数（AQI）（5）报告了与不同污染物相关的“关注水平”（6）。AQI是为每种污染物单独计算的，其中最高的污染物浓度被报告为AQI。AQI的分类标签从“良好”（0–50）到“危险”（301–500）（表S1）。当AQI超过某些阈值时，可能会发布警报，通常为100（“对敏感群体不健康”）或150（“不健康”）（7,8）。臭氧和PM2.5（空气动力学直径小于2.5微米的颗粒物）导致了超过99%的AQI警报（9）。预计气候变化将使美国的空气污染更加严重（9,10），这种效应被称为“气候惩罚”，但对其对AQI警报的影响知之甚少。气候变化会增加干旱（11）、热浪（12）和野火（13），这些都会导致极端的室外臭氧和PM2.5浓度（14,15）。气候系统的自然变异性使得评估气候惩罚对空气质量警报的影响变得具有挑战性（16）。自然或非人为的年度和数十年尺度上的天气变化可能会掩盖气候变化和气候政策对空气污染的影响（17）。要过滤掉这种变异性，需要多年、多个初始条件的集合数据（18）。一项研究预测，即使采取一些减排措施来应对气候变化，到本世纪中叶，超过国家环境空气质量标准（NAAQS）的臭氧非合规区域的人口也可能增加850万（19）。我们只知道有一项研究评估了这些增加对AQI的影响，而且它只考虑了一种污染物（20）。同样，该研究使用多个初始条件集合数据来隔离气候惩罚的影响，发现如果没有减排，到2100年，由于PM2.5导致AQI超过100的天数可能会增加四倍（20）。即使在有气候政策的情况下，适应空气污染仍然有显著的净效益。

**AQI信息建议**
AQI信息建议个人采取适应措施。在给定的一年中，大约37%的美国人知道空气质量差，其中57%的人会改变他们的行为（21）。这意味着大约20%的美国人会对空气质量差作出反应（8）。应对空气质量差的最常见行动是减少户外时间（8,21），我们称之为“避免适应”。其他减少室外污染暴露的策略虽然未在标准AQI指南中提及，包括改进建筑物的机械系统过滤（22,23）、佩戴口罩（24）和使用便携式过滤设备（25）。

**有限的研究**
关于遵循AQI指南所实现的暴露减少的研究很少。支持六项推荐行为改变的证据被认为是“不足的”（26），因此研究不得不依赖于“合理的估计”来评估暴露减少量，因为缺乏定量数据（27）。两项最近的研究量化了避免适应措施带来的暴露减少和健康益处。Buonocore等人（2021年）模拟了65岁以上人群通过避免在臭氧浓度最高的清醒时段暴露于室外环境中的情况（28）。Sparks等人（2024年）考虑了室内和室外环境中的空气污染暴露，但仅针对住宅环境，并且仅针对PM2.5（20）。65岁以上人群的适应尤为重要，因为他们承受了大部分空气污染的健康影响（29）。即使浓度低于NAAQS标准，PM25和臭氧暴露也与老年人死亡风险增加显著相关（30）。人口老龄化（31）预计会加剧气候惩罚的影响（32）。老年人属于“敏感群体”，建议他们在较低的污染水平（AQI > 100）时就采取保护措施，而一般人群的这一阈值是AQI > 150（5）。然而，老年人可能需要不同的阈值、沟通策略和建议。他们获取信息的方式与年轻人不同，大多数老年人（85%）通过电视了解空气质量警报，而34%到50%的人通过报纸了解（7）。由于他们平均户外时间较少（根据我们对2008年至2023年美国时间使用调查数据的分析（33）），他们可能还需要专门的指导。

**本研究**
在这项研究中，我们调查了由于气候惩罚，本世纪AQI平均值和警报如何变化（34）。我们评估了本世纪初、中期和末期雾霾季节美国本土地区臭氧和细颗粒物的模拟每小时浓度。为了考虑自然变异性并隔离气候惩罚的影响，我们使用了具有恒定人为污染物浓度和变化气候的多十年初始条件集合数据。我们确定了哪些污染物导致了AQI警报的变化，以及哪些污染物对健康影响最大。我们通过提供简单的、量化的估计来改进之前的适应研究，这些估计反映了通过避免适应措施减少的室外来源的臭氧和PM2.5暴露量。我们比较了应对由臭氧或PM2.5驱动的AQI警报时的适应效益，并确定了适应措施可以抵消多少未来的经济健康负担。最后，我们量化了适应效益随年龄的变化。这项工作确定了面临空气质量警报风险增加的人群规模和构成，并提供了更符合个人风险的目标阈值和信息。

**方法**
我们使用基于麻省理工学院（MIT）综合全球系统模型（IGSM）（17?19,35）（图S1–S2）的未来臭氧（每日8小时最大平均值）和PM2.5（24小时平均值）浓度预测（图S1–S2）。MIT IGSM框架将经济预测和政策分析（EPPA）模型（36）——一个全球可计算的一般均衡经济模型——与MIT地球系统模型（MESM，37）——一个中等复杂度的地球系统模型联系起来。该模型根据全球碳价格生成全球气候场。这些场与国家大气研究中心（NCAR）社区大气模型（CAM）（38）及其大气化学组件相连（35）。因此，产生的污染物浓度反映了EPPA模型内的人口和经济增长（图S3–S5）。使用这个自洽的框架意味着情景之间的差异是由于政策效应，而不是不同模型或实施方式（39）。该框架之前已被用于模拟21世纪初、中期和末期气候变化下美国本土地区2°×2.5°分辨率的污染物浓度（标记为2000、2050、2100年），在三种政策情景下：（1）不采取任何气候政策的参考情景（REF）；（2）全球平均温度升高限制在工业化前水平以上2.5°C的情景（2.5C）；以及（3）温度升高限制在2°C的情景（2C）（17?19）。每个时期的平均空气质量是使用气候模型的三个十年和五种初始化情况模拟得出的（详细信息见Paltsev等人，2015年（40））。在所有情景中，人为污染物排放量保持在本世纪初的值，以隔离气候变化对环境污染物浓度的影响。生物源排放量对气候变化有所响应，但野火没有在模型中明确考虑。模拟的臭氧浓度经过偏差校正，以解决基于模型的臭氧浓度已知的高偏差问题（41），使用观测到的臭氧浓度（19）。这种偏差校正仅限于5月1日至9月30日，这段时间通常是美国臭氧浓度最高的时期（42,43）。因此，我们在这里关注雾霾季节的警报。历史时期模拟的全国人口加权平均PM2.5浓度与测量值相差7%（17）。预测的臭氧和PM2.5浓度与其他使用不同模型的研究结果一致（18）。

**计算AQI值**
我们根据美国环境保护署（EPA）的方法计算模拟的臭氧和PM2.5数据的AQI值。臭氧和PM2.5在每个AQI类别都有浓度阈值（表S1）。在每个阈值之间，给定污染物p的AQI值（Ip）根据EPA的AQI技术指南计算如下：
$$
I_p = I_Hi - I_LoB_pH_i - B_PLo + I_Lo
$$
其中，$C_p$ 是污染物p的浓度（PM25的24小时平均值，臭氧的每日8小时最大值ppb），$B_PH_i$ 是大于或等于$C_p$ 的浓度阈值，$B_PLo$ 是小于或等于$C_p$ 的浓度阈值，$I_Hi$ 和 $I_Lo$ 分别对应于$B_PH_i$ 和 $B_PLo$ 的AQI值。例如，当臭氧的$B_PLo$ 为71 ppb时，其$I_Lo$ 为101。因此，每日8小时最大臭氧浓度为71 ppb时，AQI为101，会触发对敏感群体的警报。

**计算空气污染变化带来的健康影响**
我们使用BenMAP-CE（44）v1.5根据美国EPA的监管分析来估计暴露于室外来源污染变化带来的健康影响。健康结果的变化（ΔY）计算如下：
$$
\Delta Y = Y_0 \times Pop \times (1 - e^{-\beta \times \Delta C_p})
$$
其中，$Y_0$ 是给定结果的基线发病率，$Pop$ 是受影响的人口，$\beta$ 是风险系数，$\Delta C_p$ 是两种情景之间污染物浓度的变化。我们使用了不同的健康影响函数（方程2）来表示发病率和死亡率，每个函数都有自己的$\beta$ 值。我们使用EPA提供的BenMAP-CE兼容配置文件来量化和评估PM和臭氧的影响（详细信息见表S2）。我们使用修改后的方程2来比较不同年龄组的结果，其中每个参数代表一个年龄组。我们检查了2005年人口中的不同年龄范围（<18岁、18–35岁、36–64岁和≥65岁）。我们使用2005年的人口数据来与经济模型的基准年份对齐。BenMAP-CE提供了按年龄范围划分的当年人口数据，从而得到了每个组和网格单元中的人数（Pop）（基于美国人口普查数据（45）。$Y_0$ 根据人口组（包括年龄）而变化。我们使用了适合年龄组的$\beta$ 值（见表S2）。我们使用两种比较方法来找出污染物浓度的变化（ΔCp）。首先，我们将未来年份与基准行为下的模拟历史年份进行比较。其次，我们将适应行为与给定目标年的常规行为进行比较。这些将在以下部分中详细说明。

**评估健康负担的变化**
我们使用方程3来评估健康结果的变化：
$$
\Delta B = \sum_i C_i \times \Delta Y_i
$$
其中，$\Delta B$ 是健康负担的变化，$C_i$ 与健康结果i相关的成本，$\Delta Y_i$ 是健康结果i的变化次数。我们根据EPA的指南指定了健康结果的成本（46）。我们使用EPA推荐的损害和效益衡量标准（46），即愿意支付（WTP）来降低健康结果的风险。WTP用于确定发病率和过早死亡率变化的经济成本或效益。为了评估过早死亡率，我们使用了统计生命价值（VSL），它表示将风险降低1时的WTP。我们使用美国EPA推荐的VSL值870万美元（2015年美元）（47）。另一种量化$C_i$ 的方法是使用治疗不良健康结果的成本（COI）。使用的COI估计值来自美国环保署（US EPA）。(47) 每种疾病和死亡结果的评估方法在表S2中呈现。在计算未来的健康影响时，我们仅改变浓度，保持人口（Pop）、基线风险（Y0）和成本（VSL或COI）不变。这样设计的目的是为了单独分析气候惩罚对浓度的影响。实际上，未来的浓度是由未来经济中的人口产生的，在这些经济中，污染物排放与温室气体排放一起变化。然而，这种方法将气候惩罚、人口特征和经济增长导致的污染浓度变化混在了一起。(48) 在这项工作中，我们分离了大气成分变化对健康影响和评估的影响。

量化适应措施带来的暴露减少
一个人每天接触环境空气污染物p的暴露量（Edp）的计算公式为：
$$
Edp = \sum_{m} L_m \times I_m \times \frac{F_{INF_{mp}}{C_p}
$$
其中，$L_m$ 是在微环境m中度过的时间比例，$I_m$ 是在微环境m中发生的活动强度与一天中其他时间的比例，$F_{INF_{mp}}$ 是微环境m中室内污染与室外污染的比例，$C_p$ 是污染物p的室外浓度。公式4与之前研究中使用的微环境暴露模型类似。(22,49)
为了确定位置比例（$L_m$），我们将人们的时间分为四个不同的微环境：住宅区、商业区、车辆区和室外。我们使用了2008年至2019年的美国时间使用调查（ATUS）数据来识别人们在每个微环境中度过的时间比例（位置比例），方法类似于Hoehne等人（2018年）的研究。(50)（见表S3–S5）。我们通过为ATUS数据分配代谢当量值（MET）来计算活动强度，如Tudor-Locke等人（2011年）所做。(51)（见表S6）。为了确定每个微环境中的平均活动强度（$I_m$），我们使用该微环境的平均活动强度值与每日平均活动强度值的比率。

我们根据之前的估计来确定穿透室内并悬浮的颗粒物的平衡比例（$FINF$）(52?58)（详见表S7）。对于PM2.5，我们使用国家可再生能源实验室（NREL）的ResStock每小时空气交换次数（ACH）值来计算住宅区的$FINF$：
$$
F_{INF} = P \times ACH + \beta
$$
其中，$P$ 是穿透建筑围护结构的PM2.5的比例（0.73，Zhao和Stephens（55）），$ACH$ 是基于ResStock数据的全国平均每小时空气交换次数，$\beta$ 是PM2.5的沉降速度。商业区和车辆区的$FINF$值来自之前的研究。(57,58) 室外的$FINF$为1，因为室外没有污染防护。

对于臭氧，之前的研究使用室内外比例（I/O）作为$FINF$的代理，因为室内产生的臭氧量很少。(52,53) 我们选择了代表适应条件的值，即门窗应该关闭的情况。我们从Lai等人（2015年）的研究中得出每个微环境的$FINF$值，他们测量了臭氧的I/O，并发现其值为0.09，这代表了住宅区和车辆区的微环境。对于商业区，我们使用了他们的机械通风值0.19。这些值在其他研究中也有报道。(53)

所有参数在典型的非适应日和适应日的值都在表1中呈现。由于缺乏臭氧的空间变化渗透率，我们使用了全国平均值。然而，在敏感性分析中，我们考虑了位置和活动强度的空间变化对适应效果的影响。

表1. 典型非适应日和典型适应日臭氧和PM2.5的花费时间比例、活动强度比以及渗透因子。数值基于美国时间使用调查数据的全国平均值。

我们定义适应措施为将所有在室外微环境中的时间转移到住宅区微环境。这导致位置比例和活动强度比值的改变，从而产生新的（减少的）个人每日暴露量$Edp'$。$Edp'$的计算公式与公式4类似：
$$
Edp' = \sum_{m} L_m' \times I_m' \times \frac{F_{INF_{mp}}{C_p}
$$
适应措施使室外微环境的位置比例（$L_m'$）值变为0，并将这段时间加到住宅区。我们保持转移活动的活动强度不变，正如美国胸科学会所建议的那样。(24) 这增加了住宅区微环境的活动强度比（$I_m'$）。非适应日和适应日之间的渗透因子（$FINF$）保持不变。适应措施下的位置比例、活动强度比和渗透因子显示在表1中。

将暴露变化与室外浓度变化联系起来
健康影响是根据室外浓度的差异（$\Delta C_p$）来估计的。为了将暴露变化转换为健康影响函数中使用的室外浓度变化，我们首先定义了对特定污染物p的适应效果为$Edp'$与$Edp$的比率，即$\Psi_p$：
$$
\Psi_p = \frac{Edp'}{Edp}
$$
使用表1中的位置比例（$L_m$和$L_m'$）、活动强度比（$I_m$和$I_m'$）以及渗透因子（$FINF_{ozone}$和$FINF_{PM2.5}$），我们发现$\Psi_{ozone} = 0.30$，$\Psi_{PM2.5} = 0.06$。这表明平均而言，适应臭氧比适应PM2.5的保护效果要好5倍。

在研究期间，有n个非适应日和k个适应日，我们用j（非适应日）和k（适应日）来索引。我们使用$(1 - \Psi_p)$将给定适应日k的室外浓度（$Cpk$）转换为在非适应日会有的等效暴露浓度（$Cpk'$）：
$$
Cpk' = (1 - \Psi_p) \times Cpk
$$
在整个研究期间，我们可以汇总各个适应措施的效果，以评估其对平均暴露的影响，计算公式为：
$$
Cpk' = \sum_{j=1}^n Cpj + \sum_{k=1}^n Cp'
$$
其中，$Cp'$是适应后的等效季节平均污染物浓度，$Cpj$是非适应日j的室外污染浓度，$Cpk'$是适应日k的等效室外污染浓度，n是雾霾季节的非适应日数量，a是雾霾季节的适应日数量。$n$和$a$的值是根据每个网格单元的当地浓度计算得出的。

我们假设当当地AQI高于选定的阈值时，人口会采取适应措施，模拟我们所说的AQI警报。为了计算适应措施的最大效益，我们假设网格单元中的每个人在每个“警报日”都采取适应措施，从而触发一个适应日。虽然完全遵守措施不太可能，(8,21) 但我们用它来测试适应措施的潜在全部效益。

我们计算$\Delta Cp$为$Cp$和$Cpk'$之间的差异：
$$
\Delta Cp = Cp - Cpk'
$$
$\Delta Cp$用于公式2中计算适应措施的健康效应。

在夏季雾霾季节，根据参考情景（REF，无气候政策），整个美国大陆的平均AQI值有所增加（图1）。在世纪之初，79%（68% - 90%）的人口平均AQI值处于“中等”AQI类别（该范围反映了1981–2010年间五个集合成员的标准差）。剩余的16%（6% - 27%）主要享受“良好”的空气质量，而极少数人（5%（0% - 19%）的平均空气质量处于“对敏感群体不健康”类别（图1(d)）。

图1. 夏季雾霾季节的平均空气质量指数（AQI）。结果显示了世纪之初（REF 2000）(a)、世纪中叶（REF 2050）(b)和世纪末（REF 2100）(c)的参考浓度（即，没有减排情况）。2005年的人口保持不变。子图(d)显示了在“良好”、“中等”或“对敏感群体不健康”类别中经历平均雾霾季节（5月1日-9月30日）的人数。误差条反映了每个政策情景和目标年份（即，围绕世纪开始、中期和末期的三个十年的五个初始化，包括1981–2010年、2036–2065年和2086–2015年）的150次年度模拟得出的标准差。

在国家层面上，这些结果与实际测量的AQI（图S6–S7）吻合良好。我们将世纪之初我们集合中的人口加权AQI值分布与美国环保署使用2000年至2005年的地面观测数据报告的分布进行了比较。在这两种情况下，超过80%的日子AQI < 100，96%的日子AQI < 150。模型在警报预测上略有高估（AQI > 100的日子占17% vs 11%；AQI > 150的日子占4% vs 3%），这可能是由于臭氧的已知高偏差（图S8–S9）。由于模型分辨率较低，空间平滑处理导致一些平均AQI处于“对敏感群体不健康”类别的区域被遗漏。根据现有数据，这包括加利福尼亚州的几个县，其中一些县的AQI刚刚超过100的阈值（图S10）。

到世纪中叶，在参考情景下，气候惩罚可能导致更多人面临“对敏感群体不健康”的平均雾霾季节AQI值。这一类别的人口比例增加到15%（±12%）——是世纪之初的三倍。平均AQI值处于“良好”类别的人口比例略微下降到15%。因此，“中等”AQI的比例下降到70%（图1(d)）。

在世纪末的参考情景（REF 2100）中，“中等”AQI值与“对敏感群体不健康”类别之间的转换持续存在（图1(d)）。一亿人（±45,000,000）在5月1日至9月30日之间的平均AQI值将处于“对敏感群体不健康”类别。这意味着大约三分之一的美国人口的平均AQI值建议采取行动，适用于儿童、老年人和有健康问题的人。从REF 2000年到REF 2100年，这一类别的平均AQI值人数增加了7倍（±3倍）。平均AQI值处于“良好”类别的人口比例从79%（±11%）下降到49%（±12%）。在整个世纪中，气候惩罚增加了美国东部和加利福尼亚州地区从“中等”AQI类别转变为“对敏感群体不健康”类别的可能性（图1(a)(b)(c)）。如果排放量不减少，雾霾季节的高空气污染事件预计会影响更多的人，并且持续时间更长（图2）。图2显示了在参考情景下，世纪之初、中期和末期，根据每个目标年份的150次年度模拟（例如，2050年的2036–2065年的五种初始条件），按人口加权计算的不同污染物和阈值水平的空气质量警报频率。频率是根据2005年的人口在整个美国大陆上计算的。

图2. 不同污染物和阈值水平的全国人口加权空气质量警报天数频率。频率计算为臭氧、PM2.5或两种污染物超过定义阈值的天数比例，基于2005年的人口。

图2(a-c)显示了对敏感群体的警报（当AQI > 100时发出）。在世纪之初，这些警报主要由臭氧引起，而PM2.5引起的警报天数在整个季节中逐渐增加，并在8月中旬达到峰值。从大约7月1日到8月中旬，“对敏感群体不健康”的AQI的人口加权概率在30%左右达到峰值。在季节开始时，发布警报的概率明显上升，而在高峰期之后则下降。尽管在雾霾季节结束时，发布“对敏感群体不健康”警报的概率比开始时更高。我们发现，大多数警报（77%）是由臭氧浓度超标引起的。其余的17%是由PM2.5引起的，7%是由这两种污染物同时超过空气质量指数（AQI）阈值造成的。由于模型中对臭氧浓度的估计偏高（见图S8），因此臭氧的影响可能被高估了；然而，基于PM2.5的高AQI天数与观测结果相符（见图S9），这表明对这两种污染物同时超过阈值的天数的估计是合理的。气候变化增加了敏感群体面临警报的风险。到本世纪末，全国范围内“对敏感群体不健康”警报的平均概率接近50%，并且从6月底到8月底这一概率一直保持高位。这意味着，如果不减少排放，脆弱人群在整个雾霾季节面临警报的风险几乎是一半。此外，多污染物共同作用的风险也在增加，即臭氧和PM2.5同时引发警报的天数也在增加（见图2中的“两者”部分）。

对于普通人群来说，AQI警报的概率增加的幅度大于敏感人群。这一点可以通过比较图2（a-c）中的“不健康”警报概率和图2（d-f）中的“对敏感群体不健康”警报概率来看出。在本世纪初，这些警报在5月之前很少见，仅在6月有所增加，并在8月初达到峰值。在2050年的参考情景下（见图2（e）），由臭氧引起的“不健康”警报天数略有增加，但在雾霾季节高峰期，由PM2.5引起的警报天数显著增加，“两者”同时发生的警报天数也在增加。到2100年（见图2（f）时，基于人口加权的“不健康”AQI天数的平均概率超过了20%，是本世纪初峰值的两倍多。气候变化可能导致雾霾季节期间敏感群体面临警报的天数平均增加28天（±5天）（见图3（b）），这相当于本世纪初的两倍（见图S10）。同时高臭氧和PM2.5浓度导致的警报天数从本世纪初的2天（±1天）增加到8天（±2天），增加了6天，增长了300%（见图S11）。

将全球变暖限制在2.5°C或2°C的气候政策可以减少敏感群体的警报数量（见图3（b）），因为它基本上遏制了警报数量的上升趋势。到本世纪末，2.5°C政策使AQI警报减少了30%（±8%），与参考情景相比。2°C政策产生的结果非常相似，两种气候政策都将同时发生的警报数量从7天（±2天）减少到3天（±1天）。“对敏感群体不健康”警报的增加在空间分布上与图1相似，加利福尼亚州和美国东部的地区增幅最大（见图3（a））。这些地区从气候政策中获益最多（见图3（c）），在2°C浓度下，每年可避免超过30天的额外AQI警报。然而，即使在有气候政策的情况下，气候惩罚仍可能导致空气质量警报和相关健康负担的增加。图3（d）显示了与本世纪初相比，每种情景下室外空气污染造成的额外健康相关经济负担。虽然臭氧引起的警报更多，但室外来源的PM2.5暴露导致了94%的经济负担（见图3（d）。

两种气候政策对警报天数和经济负担的影响相似。尽管2°C情景下的警报数量和健康负担平均来说都低于2.5°C情景，但考虑到自然变异性，两者的范围有所重叠（见图3（b））。我们通过使用集合平均值来估计健康负担，以排除自然变异性。尽管如此，由于健康和经济评估的不确定性，这些政策的负担与本世纪初的条件有所重叠，2.5°C情景下负担变化的95%置信区间为-400亿至5000亿美元（2010年美元），2°C情景下为-80亿至2900亿美元（2010年美元）（见表S9）。

避免适应措施可以减少发病率和死亡率。图4基于5000次蒙特卡洛模拟显示了避免适应措施的平均健康相关经济效益，这些模拟考虑了健康结果和经济评估的不确定性（所有情景的95%置信区间均具有统计学意义，详见表S10）。具体来说，它展示了通过在警报期间待在室内来减少暴露从而降低发病率和死亡率的价值（见方程8）。假设所有经历“不健康”空气警报的人群将他们的户外时间减少到零（即转为室内时间）。实际完全遵守规定的比例远高于这一假设（见图4），因此这个假设提供了适应措施效益的上限。

当人们采取适应措施时，他们主要通过减少臭氧暴露来降低发病率风险（见图4（a）和（b））。当人群适应臭氧引起的警报时（见图4（a）），这一点是预期之中的；对于PM2.5引起的警报也是如此（见图4（b））。部分原因是，待在室内通常比减少室外PM2.5暴露更有效（减少了30%的暴露）。同时，臭氧引起的警报数量也多于PM2.5引起的警报数量。适应所有臭氧引起的警报和所有PM2.5引起的警报可以避免类似的过早死亡人数（见图4（c）–（d））。气候政策减少了警报数量，从而减少了适应措施带来的潜在收益。具体来说，如果在本世纪初完全遵守规定，每年可节省约150亿美元（95%置信区间：20亿至51亿美元）；而在2050年，这一数字增加到200亿美元（95%置信区间：56.4亿至145亿美元）；到2100年，在参考情景下则可节省高达450亿美元（95%置信区间：110亿至270亿美元）。在适应臭氧引起的警报时，适应效益在臭氧和PM2.5暴露减少之间平均分配（见图4（c）；而在适应PM2.5引起的警报时，适应效益主要由减少PM2.5暴露带来（见图4（b）和（d））。避免适应措施带来的效益在图4（a）和（b）中显示，避免死亡率的效益在图4（c）和（d）中显示。95%置信区间见表S10。

当人们采取适应措施时，他们主要通过减少臭氧暴露来降低发病率风险（见图4（a）和（b））。当人群适应臭氧引起的警报时（见图4（a）），这一点是预期之中的；对于PM2.5引起的警报也是如此（见图4（b））。部分原因是，待在室内通常比减少室外PM2.5暴露更有效（减少了30%的暴露）。适应所有臭氧引起的警报和所有PM2.5引起的警报可以避免相似数量的过早死亡（见图4（c）–（d））。气候政策减少了警报数量，从而减少了适应措施带来的潜在收益。例如，在本世纪初，完全遵守规定每年可节省约150亿美元（95%置信区间：20亿至51亿美元）；而在2050年，这一数字增加到200亿美元（95%置信区间：56.4亿至145亿美元）；到2100年，在参考情景下可节省高达450亿美元（95%置信区间：110亿至270亿美元）。在适应臭氧引起的警报时，适应效益在臭氧和PM2.5暴露减少之间平均分配（见图4（c）；而在适应PM2.5引起的警报时，适应效益主要由减少PM2.5暴露带来（见图4（b））。然而，在本世纪内，由于气候惩罚，即使在室内待着也无法完全抵消健康风险的增加。适应措施可能带来的健康效益只是污染增加带来的健康负担的一小部分（见图3（d））。即使在“不健康”空气警报期间完全遵守规定，也无法完全抵消气候带来的风险增加。在参考条件下，完全遵守“不健康”空气警报只能抵消气候带来的风险增加的15%（估计值为600亿美元）。在2°C气候政策下，完全遵守空气质量警报可以避免40%的额外健康负担（95%置信区间：300亿至1634亿美元）。

大部分与空气污染相关的健康负担落在老年人身上。图5（a）显示了所有情景下各年龄组所承受的健康负担比例。尽管老年人仅占人口的12%（见图5（a）），但他们承担了65%的空气污染死亡负担。36至64岁年龄段占负担的29%，占人口的39%；而18至35岁和18岁以下年龄段合计仅占空气污染健康负担的5.6%（见图5（a）。

不同年龄组的适应健康效益各不相同。图5（b）显示了每个年龄组通过避免适应措施获得的相关健康经济效益。效益基于各情景下的平均浓度，以反映组间平均差异。95%置信区间反映了健康反应和评估的不确定性。对于老年人来说，效益远高于成本（见图5（b））。老年人平均每天在户外待43分钟。先前关于通过待在室内进行适应的成本研究估计平均为每小时32美元（$32/h，$10.15-$75.65/h）（见参考文献（20））。按适应时间43分钟计算，平均每次适应的成本为23美元。这低于每次适应的健康相关效益，分别为80美元（95%置信区间：$5至$161）和$74美元（$3至$102），适用于PM2.5和臭氧的“不健康”AQI阈值。为了获得净效益，老年人需要在平均AQI值为71时采取适应措施（基于过早死亡率）。考虑到发病率或臭氧相关的效益，这个平均值会降低实现净效益的AQI值。

老年人从避免适应措施中获得的效益高于年轻成人组。即使考虑到臭氧和PM2.5的95%置信区间，老年人的效益也更高（见表S11）。平均而言，老年人因PM2.5而获得的效益是年轻成人组的47倍（17至459倍）和62倍（22至652倍）。这主要是由于基线死亡风险的差异，随着年龄的增长，死亡风险呈指数级上升（见图5（a））。这些结果使用了全国平均活动和住房数据。当考虑空间上不同的时间使用和活动强度时，适应PM2.5所减少的暴露量（ΨPM2.5）对所有年龄组来说约为0.06，与我们使用的全国平均值相符（见图S11）。对于18岁以下年龄段，ΨPM2.5接近0.12。这表明，尽管儿童对总空气污染健康负担的贡献最小，但他们从适应措施中获得的效益可能高于这里估计的值。

在气候变化的情况下，我们预计高臭氧和PM2.5浓度的天数会增加。我们发现，在不减少排放的情况下，空气质量警报的情况变得更加普遍，导致到本世纪末美国人口的警报数量翻了一番（±20%），其中33%（±15%）在雾霾季节经历“对敏感群体不健康”的空气质量状况，高污染期持续时间更长，影响更多人。到本世纪末，某些地区的气候惩罚可能导致每年出现两个月的“对敏感群体不健康”警报。气候政策可以减少每个季节的警报数量以及污染物造成的不良健康影响，但这里探讨的政策无法完全抵消气候变化的影响。避免和适应措施可以进一步降低健康风险。虽然大多数警报是由臭氧引起的，但适应措施带来的大部分好处来自于减少室外来源的PM2.5暴露。我们假设所有人口都会遵守警报规定，这可能会高估适应措施的好处，从而突显出减缓气候变化的必要性。

对于空气质量指数（AQI）警报的影响：像AQI这样的单一污染物指数在多种污染物同时升高时掩盖了适应措施的好处。我们的研究结果表明，适应臭氧带来的大部分好处实际上来自于减少PM2.5的暴露，反之亦然。考虑到多种污染物，空气质量警报的预期好处会显著增加。像加拿大的空气质量健康指数这样的多污染物指数具有优势，尤其是在臭氧和PM2.5同时高发的情况下。

基于适应措施的净效益，目前的警报可能无法充分保护敏感群体的健康。气候惩罚可能会加剧这种情况，增加PM2.5和臭氧同时达到不健康水平的天数，并降低老年人能够从适应措施中获益的AQI阈值。提供更加个性化的适应指导，根据个人情况计算和实施，可能会促进更有效的适应。

与其他研究的比较：将本世纪末的升温限制在2.5°C和2°C，可以在2050年分别减少33%和41%的气候惩罚经济负担，在2100年则分别减少70%和83%。这与之前的研究（Saari等人，2019年）结果一致，该研究发现气候政策可以在2050年将气候惩罚对健康的负担减少50%，在2100年减少88%。我们的研究结果有所不同，主要是因为使用了不同的浓度-响应函数以及最近发布的、对极端臭氧浓度表现更好的数据。我们的量化适应效果与以往研究中的数值不同：我们估计的通过待在室内减少PM2.5暴露带来的效益为6%，低于Brook等人（2024年）使用的35%；而我们对臭氧和PM2.5的减排数值高于Buonocore等人（2021年）的研究结果。这部分解释了为什么我们发现的适应效益更高（最高可达每小时14美元）。其他差异还可能源于不同的浓度数据、人口数据和健康影响函数。我们的研究首次使用详细的时间使用和住房数据来描述不同微环境中多种污染物的暴露情况。

**局限性与未来工作**：我们的研究仅分析了未来气候条件下室外空气污染变化对静态人口的影响。未来更大规模、年龄更大的人群以及更富裕的经济体将导致空气污染相关的经济负担比目前报告的高出6倍（见图S13），同时适应措施带来的好处也会增加（见图S14）。迁移、人口变化等因素也可能改变人们对警报的暴露情况，尽管使用2005年和2020年人口数据时结果差异相对较小（见图S15至S17）。为了进行多次未来年度模拟，我们的研究采用了相对粗糙的网格分辨率，这可能导致空间上的平滑处理，从而难以捕捉极端空气污染情况。与历史数据的比较显示，我们的结果与美国各地AQI分布基本一致，但对臭氧相关的警报有所高估。使用更精细的分辨率可能会在某些地区增加警报频率，在其他地区减少警报频率。我们的研究主要关注雾霾季节的臭氧和PM2.5情况，这低估了所有AQI污染物导致的年度总警报数量约20%。尽管之前的浓度评估发现我们的数据与实际测量空气质量和其他气候惩罚预测相符，但使用大型多模型集合可以减少模型的不确定性。虽然我们模拟了气候变化对生物源空气污染的影响，特别是野火的影响可能会增加AQI警报的数量。由于我们对AQI警报感兴趣，因此主要关注室外来源的污染暴露。臭氧主要来源于室外，但吸烟和烹饪等活动也可能在室内产生较高的PM2.5浓度。如果适应措施期间室内污染源增加，将会限制适应措施带来的好处。未来的工作应考虑这种潜在的反馈及其对所有AQI污染源总暴露量的影响。我们使用健康影响函数将浓度变化与健康影响联系起来。研究选择、浓度-响应函数形状、数据汇总和阈值浓度的不同可能导致不同的结果。通过纳入额外的年龄特定基线风险、年龄对效果的影响以及随年龄变化的疾病风险和成本，可以改进与年龄相关的分析。减少户外活动是最常见的适应措施，但还应评估其他减少室外污染暴露的策略（如提高建筑气密性、使用便携式空气净化器和改善过滤系统）的好处。空气质量警报的效果取决于个人的意识和遵守情况。其他策略可能更能抵御这些行为因素的影响，包括适应疲劳。此外，还应探索更加个性化的指导方法，考虑个人风险、适应能力和偏好。