研究背景与意义

近期，南京信息工程大学胡建林教授大气污染REACH研究组在《EnvironmentalPollution》发表论文《EffectsofusingdifferentexposuredatatoestimatechangesinprematuremortalityattributabletoPM2.5andO3inChina》，应用我们团队中国高分辨率高质量近地表空气污染(CHAP)数据集，评估了不同空气污染暴露数据集对过早死亡的影响。

人口暴露浓度是影响空气污染健康效益评估的要素之一。先前的研究中选取的浓度数据源主要包括地面观测数据、空气质量模型模拟数据、卫星反演数据以及融合数据，然而不同数据源评估空气污染变化导致的相关过早死亡人数变化的结果存在较大差异。近年来我国细颗粒物和臭氧变化较为明显，因此有必要衡量利用不同PM2.5和O3数据源导致的健康风险变化差异。

数据源

[1]CHAP空气污染数据集(PM2.5和O3)

[2]国家环境监测中心观测数据

[3]WRF-CMAQ空气质量模拟数据等

研究方法

我们利用泰森多边形领域插值法和克里金插值法对地基观测数据对进行空间插值；之后将观测数据与空气质量模型模拟数据进行融合；然后，又进一步融合了卫星遥感反演产品。接下来分别计算了中国和年PM2.5和O3的人口加权浓度(PWC)，以及由于PM2.5和O3暴露所导致的过早死亡人数。

研究结论

[1]研究发现利用不同数据源评估PM2.5和O3健康风险的空间分布与变化趋势基本相同，但不同数据源评估PM2.5导致的过早死亡人数变化的差异可达40%，O3导致过早死亡人数变化的差异可达30%。

图1.不同PM2.5(a-f)和O3(g-l)数据导致的过早死亡空间分布

[2]-年期间，我国PM2.5年均浓度下降明显，相反，O3年均浓度增长迅速。整体上，由于不同暴露数据源导致过早死亡人数的最大差异出现在人口密度约为10^3人/平方千米的地区，特别是中国中部。因此，暴露数据源显著影响死亡率估计，在健康负担评估中必须仔细考虑。

图2.不同人口密度网格中PM2.5和O3年均浓度变化及不同人口密度网格中不同数据源PM2.5和O3导致的过早死亡变化

数据共享

中国高分辨率高质量近地表空气污染数据集(CHAP)免费对外开放，包含近地表PM1、PM2.5、PM10、O3、NO2、SO2和CO共7种空气污染物数据，欢迎大家联系下载使用！

数据链接：