中国2020-2060年PM2.5和O3污染的长期情景演变、驱动因素分解以及健康与经济综合效益评估

《Journal of Environmental Chemical Engineering》：Long-term scenario evolution, driver decomposition, and health-economic co-benefits assessment of PM 2.5 and O 3 pollution in China, 2020-2060

PM2.5和O3污染协同治理对中国健康经济影响评估。研究基于CMIP6 SSP情景，整合WRF-CMAQ模型和GEMM/CRF方法，预测2020-2060年污染物浓度变化及驱动因素。结果显示PM2.5浓度从30.2μg/m3降至4.7μg/m3，人为减排贡献率从55.7%升至81.6%；O3浓度波动下降至72.5μg/m3，气象影响占比下降。健康影响方面，PM2.5相关死亡减少3197万例（心脑疾病占51.8%），经济损失避免1.01万亿人民币；O3相关死亡减少16.7万例（心血管疾病占90%），经济损失避免857亿。研究提出需强化区域化减排策略，统筹气候适应与污染治理政策。

　　

张汉宇|单文星|王凯|葛茂发|杜浩珍|严梅琳|姚志良

北京工商大学环境科学与工程学院，北京100048，中国

摘要

由于PM_2.5和O₃对公共健康的协同威胁，减轻这两种污染物的污染仍然是中国面临的一个长期且关键的挑战。本研究通过整合化学传输模型、全球暴露-死亡率模型、浓度-响应函数和支付意愿方法，分析了2020-2060年间未来气象因素和人为排放对PM_2.5和O₃贡献的变化，并评估了相关过早死亡和经济损失。结果显示，全国平均PM_2.5浓度从2020年的30.2μg/m³稳步下降到2060年的4.7μg/m³，而O₃浓度从86.3μg/m³下降到72.5μg/m³，尽管存在波动，但仍表现出区域差异。人为排放成为PM_2.5减少的主要驱动力，其贡献比例从55.7%上升到81.6%。气象变化对O₃变化的贡献从49.8%下降到37.4%，到2060年人为排放占O₃变化的50%-60%。到2060年，因PM_2.5导致的过早死亡人数减少了319.7万（95%置信区间：281.3-377.2万），避免了1.0107万亿元（95%置信区间：859.1-1.1623万亿元）的经济损失。与O₃相关的死亡人数减少了16.7万（95%置信区间：14.696-19.706万），其中90.0%是由于心血管疾病。人为排放的减少导致因PM_2.5导致的死亡人数减少了257.1万（95%置信区间：226.2-303.4万），而气象变化导致因O₃导致的死亡人数减少了10.1万（95%置信区间：88.88-119.18万）。研究结果强调了持续和针对具体地区的排放控制策略的必要性，为减轻环境污染、改善空气质量管理和制定适应气候的政策提供了重要的科学依据。

引言

中国的快速工业化和城市化导致了大量的能源消耗，从而产生了严重的空气污染，PM_2.5和臭氧（O₃成为主要的污染物和健康影响指标。这两种污染物破坏了大气环境的平衡，影响了生态系统的稳定性，并与气候变化相互作用，加剧了环境压力[1]、[2]、[3]、[4]。2024年中国环境状况公报显示，25.7%的城市超过了PM_2.5标准，23.9%的城市超过了O₃标准[5]。经济合作与发展组织（OECD）报告称，到2060年，中国、韩国和印度将面临最严重的经济损失和过早死亡，城市人口将暴露在升高的PM_2.5/O₃浓度下，威胁公共健康[6]。长期暴露于PM_2.5/O₃已被证明会增加疾病风险，诱发急性和慢性疾病，并导致过早死亡[7]、[8]、[9]。解决PM_2.5和O₃问题并预测它们对未来健康和经济的影响对于推进大气环境的可持续性至关重要。此外，污染的严重性需要量化PM_2.5和O₃的主要驱动因素。人为排放被广泛认为是浓度变化的主要驱动力，而气候变化也对它们的长期变化产生了显著影响[10]、[11]、[12]、[13]。尽管中国采取了诸如1996年《大气污染防治法》和2013年《行动计划》等减排措施[14]，但当前的污染水平仍难以与发达国家相比[15]。不充分的气候缓解措施将通过极端天气加剧空气污染对健康的影响[16]、[17]、[18]。因此，了解由气候变化驱动的PM_2.5/O₃浓度变化对于制定适当的适应/缓解策略至关重要。

耦合模型比较项目第六阶段（CMIP6）引入了共享社会经济路径（SSPs），这些路径被广泛用于评估未来的气候影响[19]、[20]。与CMIP5相比，CMIP6的SSP情景提供了对未来变化更全面的解释[21]。值得注意的是，SSP1（可持续性）和SSP5（传统发展）假设了最快速和最全面的空气污染控制，SSP2（中等路径）反映了适度的进展，而SSP3（地区竞争）和SSP4（不平等）则代表了较弱的控制努力[22]、[23]、[24]。预测表明，在SSP1下，全球地表O₃浓度可能减少超过3.5 ppb，而在SSP3下，亚洲地区的O₃浓度可能增加6 ppb[25]。同样，在控制措施较弱的情景（SSP3/4）下，全球PM_2.5浓度明显高于控制措施较强的情景（SSP1/5）[26]。这些在不同SSP下的空气质量预测趋势对区域政策规划和公共卫生结果有直接影响。尽管中国的碳中和承诺设定了到2030年达到PM_2.5标准（35μg/m3）的目标，但为了在2060年前将浓度降至10μg/m3以下，还需要采取更严格的措施[27]。

空气污染的健康影响评估是排放控制策略和公共卫生保护之间的关键纽带，因为它量化了污染造成的实际人类和经济成本，为政策优先级提供了可操作的依据。鉴于长期暴露于PM_2.5和O₃在中国带来了巨大的疾病负担和社会经济压力[28]、[29]，对其健康影响的精确评估对于证明严格污染控制措施的合理性、优化资源分配以及使空气质量治理与国家公共卫生和碳中和目标保持一致至关重要。PM_2.5和O₃的社会经济驱动变化直接影响公共卫生风险。为了量化这些影响，方法论框架主要依赖于暴露-响应系数和人口暴露数据。前者依赖于人口属性数据，后者利用空气污染物毒性数据进行健康风险评估。前者通过多种精确的方法实现了稳健的分析，依赖于暴露-响应系数和人口暴露水平。常用的模型包括全球暴露-死亡率模型（GEMM）、综合暴露响应函数（IER）和比较风险评估（CRA）。例如，GEMM和CRA分别估计2017年中国因长期暴露于PM_2.5和O₃导致的过早死亡人数为280万和14.3万[30]。杨等人[31]预测，如果中国达到第三阶段工业排放标准，因PM_2.5和O₃导致的死亡人数将分别减少15万和1800万。IER和健康影响函数（HIF）分析显示，2013-2018年间因PM_2.5导致的死亡人数减少了近5.31万（长期）和3万（短期），而因O₃导致的死亡人数分别增加了1.98万和9100万。浓度-响应函数（CRF）建模发现，2015-2018年间因O₃导致的死亡人数从5.4×10⁴增加到10.6×10⁴[32]。此外，统计生命价值（VSL）评估已被用于量化相关的经济损失，近年来这约占中国国内生产总值（GDP）的4%[33]。因此，健康风险评估对于减轻健康和经济损害[34]、[35]、[36]以及制定综合气候-污染政策至关重要。

然而，以往的研究存在一些局限性，包括CMIP6数据在中国地区的空间分辨率较低、未来气象和排放贡献的分离不完整、短期单一情景预测以及粗略的健康-经济评估。为了解决这些问题，我们整合了动态降尺度的天气研究和预报（WRF）和社区多尺度空气质量（CMAQ）模型、GEMM/CRF模型以及特定省份的VSL方法，建立了“情景模拟 - 驱动因素隔离 - 影响评估”框架。我们分析了2020-2060年间在CMIP6 SSP情景下PM_2.5和O₃的时空演变，量化了气象、排放和人口动态对死亡率和经济损失的贡献，并细化了特定疾病的健康评估和区域化策略。这项工作将气候变化、空气质量与公共卫生联系起来，为协调治理提供了精确的科学支持。

数据收集

数据收集

2020年（基线）、2030年（SSP585）、2035年（SSP245）、2050年（SSP245）和2060年（SSP126）的人口数据来自共享社会经济路径（SSP1?5_v2）下的国家和省级人口与经济预测数据库，分辨率为0.5°×0.5°，未来预测与排放情景保持一致[37]。每个目标年份的人口预测与CMAQ模拟中使用的排放情景进行了对齐，以确保社会经济假设的一致性

未来情景下PM_2.5和MDA8 O₃的变化预测

2020年，全国平均PM_2.5浓度为30.2μg/m³，存在明显的区域差异（图1）。高浓度主要集中在中国的中部和东部地区，其中华北平原（NCP）、长江三角洲（YRD）、四川盆地（SB）和汾渭平原（FWP）的部分地区浓度高达45-55μg/m^{33，这归因于人为排放较少[38]。到2030年，高PM_2.5浓度区域有所减少}

结论

本研究系统地预测了2020-2060年间中国PM_2.5和O₃浓度的时空分布，分离了气象变化和人为排放变化的影响，并评估了它们导致的过早死亡和经济损失。通过整合动态降尺度的气候数据、WRF-CMAQ模型、GEMM/CRF模型和VSL方法，研究了CMIP6共享社会经济路径（SSPs）下的这些影响

CRediT作者贡献声明

姚志良：撰写 – 审稿与编辑，监督，概念构思。严梅琳：监督，资源管理，数据整理。杜浩珍：资源管理，调查。葛茂发：撰写 – 审稿与编辑，资金获取。张汉宇：撰写 – 审稿与编辑，初稿撰写，资金获取，正式分析，概念构思。王凯：正式分析，数据整理。单文星：可视化，验证，方法论研究，调查。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

本研究得到了中国国家重点研发计划（2022YFC3701003）、国家自然科学基金（42130606, 52200120）以及北京工商大学青年学者研究基金（RFYS2025）的支持。