中国社区建成环境优化与PM2.5可归因死亡减少:基于空间异质性与未来预测的全国土健康影响评估

《Ecotoxicology and Environmental Safety》:Community built environment optimization and avoidable PM2.5-attributable mortality in China: A nationwide health impact assessment with spatial heterogeneity and future projections

【字体: 大 中 小 】 时间:2026年07月03日 来源:Ecotoxicology and Environmental Safety 6.6

编辑推荐:

  该研究旨在从健康角度考量建成环境设计,以降低人群对PM2.5(空气动力学直径≤2.5 μm的可吸入颗粒物)空气污染的暴露水平。然而,在中国,关于社区层面建成环境干预措施在减少PM2.5相关疾病负担方面的健康效益量化证

  
该研究旨在从健康角度考量建成环境设计,以降低人群对PM2.5(空气动力学直径≤2.5 μm的可吸入颗粒物)空气污染的暴露水平。然而,在中国,关于社区层面建成环境干预措施在减少PM2.5相关疾病负担方面的健康效益量化证据,尤其是在考虑空间变异的情况下,仍然有限。研究人员首先开展了一项定量健康影响评估,以刻画2013-2019年中国社区尺度PM2.5可归因死亡的时空模式与差异。通过整合机器学习与空间统计的三阶段分析框架,研究人员识别了环境PM2.5浓度的关键建成环境决定因素,并在考虑地理异质性的条件下,估定了建成环境改造情景下可预防的PM2.5可归因死亡数。最后,研究人员预测了2050年中国在不同共享社会经济路径(Shared Socioeconomic Pathways, SSPs)下的PM2.5相关疾病负担,凸显了优化社区建成环境的重要性。尽管2013-2019年间全国PM2.5可归因死亡呈下降趋势,但显著的空间差异依然存在。在解释PM2.5浓度基线空间变异方面,人口密度是最重要的特征,其次为NDVI(归一化植被指数,Normalized Difference Nifference Vegetation Index)和建筑密度。在标准化反事实情景(调整至第75百分位数)下,增强社区绿化水平(NDVI)这一可应用于43.4%社区的干预措施,预计每年全国可减少约47,838.0(95% CI: 46,906.1-48,768.9)例死亡。相比之下,针对人口密度和建筑密度的干预措施因空间适用性更受限制,分别可减少18,763.8(95% CI: 18,397.7-19,130.3)例和12,626.6(95% CI: 12,380.7-12,872.6)例死亡。所有干预措施的健康效益均表现出显著的空间异质性,例如,提高NDVI与死亡率降低的关联幅度从京津冀地区的0.6%到汾渭平原的5.5%不等。2050年的未来预测表明,即使在雄心勃勃的可持续发展路径(SSP1-2.6)下,估计的死亡率降幅也未能达到可持续发展目标(Sustainable Development Goal, SDG)的要求。该研究表明,优化社区建成环境可作为现有PM2.5可归因死亡降低策略的有价值补充,其效益具有高度区域特异性,需要制定空间定制化的策略以有效减轻疾病负担。
该研究发表于《Ecotoxicology and Environmental Safety》,聚焦中国社区尺度PM2.5可归因死亡负担的时空格局、建成环境干预潜力及未来预测,为空气污染治理和"健康中国"战略提供了空间显式的循证依据。

研究背景方面,PM2.5是中国疾病负担的主要危险因素之一,实现联合国可持续发展目标3.9(大幅降低空气污染相关死亡)仍面临严峻挑战。建成环境(built environment,即人类生活的人工物理环境)作为公共健康干预的关键前沿领域日益受到重视。世界卫生组织与联合国人居署报告将城市规划重新界定为健康风险治理的核心组成部分。现有证据已将建成环境属性与空气质量相关联,绿地、人口密度等特征可调节PM2.5的健康影响。然而,关键证据缺口仍然存在:第一,中国境内建成环境干预的健康效益(即可避免死亡数)尚未量化,阻碍了循证优先排序;第二,现有研究多假定空间同质化效应,但建成环境与PM2.5的关系存在地理变异,统一政策可能无法 equally effective;第三,社区尺度分析仍然缺乏。社区是日常活动、城市更新和"健康中国"行动的基本单元,社区尺度评估可实现靶向干预并识别环境不公平。为此,该研究回答了三个核心问题:中国社区层面PM2.5可归因死亡的时空模式与差异如何?哪些建成环境决定因素驱动PM2.5,优化这些因素可实现何种死亡率降低,且这些效应如何空间变异?2050年未来负担如何,是否需要额外努力?

研究方法上,该研究采用三阶段框架整合机器学习、空间统计与健康影响评估。第一阶段量化2013-2019年中国社区PM2.5可归因死亡的时空模式与差异;第二阶段通过整合机器学习与地理加权回归(Geographically Weighted Regression, GWR)识别关键建成环境决定因素及其空间异质性;第三阶段估计建成环境反事实情景下的死亡减少量,并预测2050年四种共享社会经济路径-典型浓度路径(SSP-RCP)情景下的疾病负担。数据来源包括:中国高分辨率大气污染物数据集(ChinaHighAir Pollutants, CHAP)提供的1 km分辨率PM2.5浓度数据;WorldPop提供的100 m分辨率分年龄段、分性别人口数据;全球疾病负担研究2021(GBD 2021)提供的疾病死亡率;以及涵盖道路网络、土地利用与可达性、人口密度、建筑密度与高度、蓝绿基础设施等五类建成环境指标的开源地理空间数据。未来PM2.5浓度来源于九个国家气候中心耦合模式比较计划第六阶段(Coupled Model Intercomparison Project Phase 6, CMIP6)模型的偏差校正集合数据。

主要研究结果方面,"2013-2019年PM2.5可归因负担的空间分布与差异"显示:研究期间全国无社区达到世界卫生组织2021年PM2.5年均指导值(5 μg/m3);2019年全国PM2.5暴露导致1,674,000例(95% CI: 1,391,000-1,934,000)可归因死亡;年龄标化死亡率(Age-Standardized Death Rate, ASDR)从2013年的236.96/10万显著降至2019年的163.39/10万,但社区级ASDR变异范围为57.88-263.49/10万,全局Moran's I达0.89(P<0.001),表明显著空间自相关。绝对差异(P99-P1)从127.48 modestly 降至120.71,但无统计学意义;相对不平等加剧,社区ASDR排名稳定性高(R2=0.897, P<0.001),基尼系数上升,洛伦兹曲线发散。

"社区建成环境与PM2.5暴露的关联"部分:通过LASSO(Least Absolute Shrinkage and Selection Operator,最小绝对收缩和选择算子)回归与XGBoost(Extreme Gradient Boosting,极端梯度提升)-SHAP(SHapley Additive exPlanations,沙普利可加性解释)值分析的特征选择框架,识别出关键决定因素。LASSO回归仅保留NDVI为显著预测因子;SHAP分析则识别人口密度为解释PM2.5空间变异的最重要特征,其次为NDVI、建筑密度和蓝色空间。GWR模型揭示所有建成环境因子与PM2.5的关联均存在空间异质性:NDVI升高与华中、华东和华南显著PM2.5降低相关,但在东北部分地区呈弱或正关联;人口密度在西部主要与PM2.5升高相关,在东部某些地区则呈负相关。

"建成环境优化的健康影响分析"显示:国家层面,增强社区绿化(NDVI)适用范围最广(43.4%社区),预计每年可减少47,838.0例(95% CI: 46,906.1-48,768.9)PM2.5可归因死亡,相当于全国死亡率降低2.86%。人口密度和建筑密度干预的空间适用性更为受限,分别可减少18,763.8例和12,626.6例死亡。NDVI优化的绝对和相对效益最大省份为浙江(7,120.8例,9.65%),温州和西安位列城市前十。区域层面,NDVI增高的死亡率降幅在京津冀最小(0.6%),汾渭平原最大(5.51%),长三角居中(2.79%),这与人口密度、建筑密度干预效益最大区域呈现空间错配。

"2050年不同情景下PM2.5相关健康负担预测"表明:多模型集合预测显示,尽管ASDR显著下降,但绝对死亡数与历史基线相比无实质性减少。即使在最雄心勃勃的可持续发展路径(SSP1-2.6)下,实现SDG 3.9健康目标仍然不太可能,DAPP仅预计降低21.9%(95% CI: 20.3-23.5%)。区域竞争路径(SSP3-7.0)下DAPP平均增加10.5%。高风险情景下,2050年山东预计负担最重(173,800例),其次为河南、广东和江苏。广东(+45,400例)、新疆(+21,300例)、黑龙江(+16,900例)和吉林(+15,400例)为未来负担增幅最大的关键热点。

讨论部分,研究人员首先阐述了疾病负担的持续空间不平等:北方和西北方高负担与近期评估一致,绝对差异小幅下降但相对不平等加剧,反映经济排放结构的路径依赖、人口老龄化和污染物协同效应。绝对差异缩小可能源于针对性空气政策,但持续的相对不平等呼唤补充性本地化干预。

关于建成环境效应的空间异质性,研究人员指出NDVI-PM2.5关系受复杂情境依赖机制调节:植被可通过沉降去除PM2.5,但也可能阻碍扩散并在特定城市配置下加剧局部污染。研究发现NDVI净效应在中国大部分地区显著为负,但存在显著区域变异——华中、华东和华南保护效应最强,东北最弱甚至 reversed。这一空间梯度与植被物候(常绿vs落叶)、湿度介导的沉积速度、温度逆温频率及扩散条件的气候生态差异密切相关。研究还强调了区分因素解释力与干预有效性的重要性:人口密度虽是解释基线PM2.5空间分布的首要诊断特征,但其作为政策杠杆的价值受空间适用性限制;增强绿化因适用范围广而成为最具普适性的策略,而密度 reduction 则是针对特定区域的情境化精准工具。

未来预测与政策含义方面,该研究采用最新ScenarioMIP框架和CMIP6多模型数据,通过内部一致的DAPP驱动因素假设提升预测准确性。研究发现即使SSP1-2.6情景下SDG目标仍难以实现,凸显靶向干预(包括城市规划策略)的重要性。研究人员提出四项区域定制化政策建议:京津冀优先降低建筑和人口密度;长三角和汾渭平原聚焦绿化空间扩展;东北结合建筑密度降低与街道通风改善;西部省份通过规划城市化控制人口密度增长并整合工业区绿色缓冲带。

研究局限性包括:暴露评估和健康效应计算存在不可避免的不确定性;全国死亡率数据可能掩盖亚省级变异;未来PM2.5投影中NH4+化学计量估算简化了复杂气溶胶化学;GBD MR-BRT模型统计综合引入不确定性;健康影响模型无法分离PM2.5与其他风险因子的交互效应;未来情景未纳入潜在政策干预或重大公共卫生中断;GBD相对风险函数假设全国社区统一的暴露-反应关系;2013-2019年时间趋势分析假设社区边界稳定;部分建成环境指标(如容积率)因数据限制未能纳入。

研究结论为:该全国性社区尺度研究为缓解中国空气污染健康负担提供了面向规划的视角,超越了单纯的差异记录而提供了靶向干预的可操作框架。关键方法论洞见在于区分因素对现有污染模式的解释力与其实际公共卫生干预效力。增强社区绿化(NDVI)是适用范围最广的策略,而人口和建筑密度干预则是针对特定区域情境的精准工具。所有因素效应的深刻空间异质性要求摒弃"一刀切"政策,转向区域定制化处方。鉴于2050年预测凸显的PM2.5相关死亡持续挑战,建成环境优化的已证实健康效益表明,其 proactive 实施应纳入未来空气质量管理考量。整合这些空间定制化策略可为减轻疾病负担和支持"健康中国"愿景提供有价值的补充途径。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号