基于卫星遥感数据的细颗粒物暴露水平对人群死亡急性效应影响研究

Epidemiological studies have established associations between fine particulate matter (PM2.5, Particulate matter less than 2.5 micrometers in aerodynamic diameter) and increased mortality rate of circular and respiratory disease. Lack of long-term PM2.5 ground monitoring data in China, it is urgent to make good use of remote sensing data in the PM2.5 related health effects studies. In this study, based on Moderate Resolution Imaging Spectroradiometers (MODIS) data, air pollution data, ground meteorological data and mortality data, we first calibrate remote sensing data aerosol optical depth (AOD) using two methods: (1) establish a nonlinear model between remote sensing data and ground PM2.5 data, then the model is used to estimate ground PM2.5 concentration; (2) calibrate AOD directly using meteorological index. Secondly, using time-series method, the two estimation dataset are used to build the exposure-response model with cause-specific mortality data. Based on the exposure-response model, the more suitable method, transforming remote sensing data into evaluating ground PM2.5 effects on helath, is explored. This study will provide crucial basic data to scientifically and quantitatively evaluate the health impacts of PM2.5 in China.

流行病学研究显示，空气动力学直径≤2.5μm的细颗粒物(PM2.5)与暴露人群循环系统和呼吸系统疾病死亡率增加有密切关系。由于我国缺乏长期的PM2.5地面监测数据资料，亟需将卫星遥感数据应用于细颗粒物对健康效应的研究中。本课题拟使用中分辨率成像光谱仪数据，污染物数据，地面气象数据和死亡数据等资料，首先采用两种方法对中分辨率成像光谱仪数据产品大气气溶胶光学厚度(AOD)进行校正：（1）利用地面数据建立两者之间的非线性关系模型，然后利用该模型反演地面PM2.5浓度；（2）利用气象因素将AOD校正后，其数值直接反映地面细颗粒物水平。然后结合时间序列方法，分别将所得的数据与人群病因别死亡率之间建立暴露-反应关系模型，探讨将遥感数据应用于估计细颗粒物健康效应的最适校正方法，为科学和定量的评价细颗粒物对我国人群的健康影响提供重要方法和基础数据。

背景：细颗粒物（PM2.5）对健康的影响已经引起了广泛的关注。但国内PM2.5暴露评价中存在历史数据缺失和空间分辨率较低的问题。本研究拟探讨卫星数据用于PM2.5对健康影响研究的合适校正方法。.研究内容：1. 选择两种方法对AOD进行校正：1）利用大气边界层高度及气溶胶吸湿因子对AOD进行垂直及湿度校正，并比较AOD、校正AOD与地面大气PM2.5质量浓度对北京市病因别死亡的影响；2）以AOD值为主要预测指标，考虑气象、人口、道路及土地利用信息等参数的同时，建立基于线性混合模型、广义相加混合模型等预测PM2.5浓度。2.利用第二种算法反演的PM2.5时空分布数据，采用广义相加混合效应模型，调整时间趋势、星期几效应、气温等因素的基础上，估计细颗粒物对死亡的急性效应。3. 基于卫星数据反演的10km水平PM2.5数据，对其在全国水平上造成的慢性效应进行了评估，并估算不同污染源的贡献值。4.考虑到死亡数据未能够反映死亡人群的寿命损失，探讨了颗粒物对寿命损失年的影响。 .结果：1.第一种方法得到的校正AOD的量纲和PM2.5不同，需标化后比较与地面PM2.5相比，结果显示其对于捕捉大气污染对居民每日死亡的滞后效应及累积滞后效应更为敏感。2.北京市和宁波市基于高分辨率AOD反演的大气PM2.5对非意外、呼吸及循环系统死亡均造成不良的急性效应，且和北京市相比，细颗粒物对宁波市的非意外死亡和循环系统死亡影响较大。3.2013年归因于PM2.5的超额死亡人数约为107万人，其中煤炭和机动车排放来源的PM2.5贡献最大。4.颗粒物对寿命损失年造成不良效应。.关键数据及其科学意义：.1. 经过垂直湿度校正后的AOD可以作为衡量大气污染的指标，在地面监测站缺失的地区，可将其作为大气污染标志物来评价大气污染的健康效应。2.基于高分辨率卫星数据的反演模型可有效应用于PM2.5浓度的预测，为环境监测及流行病学研究提供了基础。3.PM2.5对于人群病因别死亡及寿命损失年均有不良效应，且其长期效应明显，需持续地降低PM2.5污染水平。4.煤炭和机动车来源的PM2.5对健康不良效应最强。.