北京市丰台区气候 2012～2015年北京市丰台区PM2.5与居民总逝世关联性的调查研究

郭永超+李洁+谢俊卿+周慧霞+胥芹+郭秀花

[摘要] 意图 经过搜集2012年3月～2015年2月北京市丰台区气候数据、细颗粒物（PM2.5）的污染数据、居民总逝世数据，剖析PM2.5对居民形成的超量逝世危险，为丰台区居民的疾病防治供给科学根据。 办法 使用SAS9.2软件对PM2.5污染状况、气候要素以及居民总逝世水平进行描述性剖析以及相关性剖析；使用R3.0.3软件树立散布滞后非线性模型（DLNM）剖析PM2.5对居民形成的超量逝世危险。 成果 PM2.5年均匀浓度为91.94 μg/m3，居民总逝世数为23 138人；PM2.5与均匀温度呈负相关联系（r=-0.10，P<0.01），PM2.5与相对湿度和气壓均呈正相关（r=0.38、0.03），可是PM2.5与气压的相关性无计算学含义（P>0.05），PM2.5与总逝世数呈正相关联系（r=0.11，P<0.01）；PM2.5对居民总逝世水平的影响无计算学含义（P>0.05）。 定论 2012年3月～2015年2月北京市丰台区PM2.5的污染严峻，2013年PM2.5的污染最严峻；居民总逝世呈冬天最高的趋势；PM2.5浓度与居民总逝世数呈正相关联系。

[关键词] PM2.5；居民全逝世；散布滞后非线性模型；时刻序列；关联性

[中图分类号] R56；X51 [文献标识码] B [文章编号] 1673-9701（2016）28-0131-05

PM2.5是重要的大气污染物之一，2011年北京灰霾和沙尘期间PM2.5日均质量浓度别离高达301.8 μg/m3和284.8 μg/m3，是美国EPA PM2.5日均质量浓度限值（35 μg/m3）的8.62倍和8.14倍[1]。居民逝世率及其逝世原因的改变是反映人群健康状况的重要目标之一，是拟定卫生方针、点评卫生作业质量和干涉作用的科学根据，也是研讨人口天然改变规则的重要内容，因而世界各国都非常重视逝世材料的计算剖析。咱们将进行“2012～2015年北京市丰台区PM2.5与居民总逝世的时刻序列剖析”，经过搜集2012年3月～2015年2月PM2.5污染数据、气候数据、居民总逝世数据，进行描述性剖析和相关性剖析，树立散布滞后非线性模型剖析PM2.5对居民形成的超量逝世危险，为丰台区居民的疾病防治供给科学根据。

1 材料与办法

1.1材料来历

PM2.5浓度材料从丰台区内PM2.5三个监测点（丰台花园、云岗、南三环）取得；气候材料从北京市气候局取得气温、气压、相对湿度等；居民总逝世材料从“人口逝世信息挂号陈述办理体系”中丰台区各级医疗机构陈述的逝世信息和区民政局、区公安局以及街/乡镇政府供给的逝世信息中取得。

1.2研讨目标

以2012年3月～2015年2月北京市丰台区居民逝世病例作为研讨目标。

1.3材料收拾

本研讨的研讨时刻为2012年3月～2015年2月，为了便利后文叙说，本研讨将2012年3月～2013年2月划分为2012年度、2013年3月～2014年2月划分为2013年度、2014年3月～2015年2月划分为2014年度。在描述性计算部分，根据我国北方气温改变状况，本研讨按时节分组，即3～5月为春季；6～8月为夏日；9～11月为秋季；12月～次年2月为冬天。

1.4计算学办法

选用SAS 9.2软件对2012年3月～2015年2月北京市丰台区PM2.5浓度、气候要素和居民总逝世水平进行描述性剖析及相关性剖析，对PM2.5、温度、相对湿度、气压进行正态性查验，若是满意正态性，则选用Pearson相关剖析研讨PM2.5与温度、相对湿度、气压的相关性，若是不满意正态性，则选用Spearman秩相关剖析办法。对PM2.5与总逝世数的相关性选用Spearman秩相关进行剖析。使用R3.0.3软件树立散布滞后非线性模型，剖析2012年3月～2015年2月北京市丰台区PM2.5对居民形成的超量逝世危险。

2成果

2.1 描述性计算剖析

2.1.1 PM2.5的描述性剖析 2012年3月～2015年2月北京市丰台区PM2.5均匀浓度为91.94 μg/m3，超越国家规定二级规范（75.00 μg/m3）22.49%，其间每年度均匀有180 d超越国家规定二级规范，超支率为49.59%。日均浓度最高为475.00 μg/m3，是国家二级规范的6.33倍，最低为3.00 μg/m3。时节散布呈冬天最高，春、秋季次之，夏日最低的特色，见表1、图1。

2.1.2 气候要素的描述性剖析

2.1.2.1 气温的描述性剖析 2012年3月～2015年2月北京市丰台区均匀气温12.69℃，最高气温为31.00℃，最低为-12.00℃。整体呈夏日最高，春、秋季次之，冬天最低的特色，见表2、图2。

2.1.2.2 气压的描述性剖析 2012年3月～2015年2月北京市丰台区均匀气压为101.61 kPa，最高气压为104.30 kPa，最低为99.40 kPa，整体呈冬天最高，春、秋季次之，夏日最低的特色，见表3、图3。

2.1.2.3 相对湿度的描述性剖析 2012年3月～2015年2月北京市丰台区均匀相对湿度为52.89%，最高相对湿度为98.00%，最低相对湿度为8.00%，整体呈夏日最高，冬天次之，春、秋季较低的趋势，见表4、图4。

2.1.3 居民总逝世数的描述性剖析 2012年3月～2015年2月居民总逝世数为23 138人，居民全死因逝世均匀每日20.8人，每日逝世人数最小值为0人，最大值为38.0人。2012年度、2013年度和2014年度的均匀每日逝世人数差异不大，别离为20.7人、20.9人、20.9人。其间2012年度有358个值，缺失7 d，占1.92%。见表5。

2.2 相关性剖析

2.2.1 PM2.5与气候要素的相关性 对PM2.5以及气候要素（温度、相对湿度和气压）进行正态性查验，成果见表6。Kolomogorov-Simirnov（K-S）查验成果显现4个变量均不满意正态散布（P<0.05）。从表6中可看出，PM2.5呈正偏态、高峰度（S>0，K>0）；气压和相对湿度呈正偏态和低峰度（S>0，K<0），温度呈负偏态、低峰度（S<0，K<0）。4个变量的频数散布直方图成果，见图5。

2012年3月～2015年2月北京市丰台区PM2.5、气候要素之间的Spearman 相关剖析成果见表7。即PM2.5與均匀温度呈负相关联系（r=-0.10，P<0.01），PM2.5与相对湿度和气压均呈正相关（r=0.38、0.03），可是PM2.5与气压的相关性无计算学含义（P>0.05）。均匀温度和相对湿度呈正相关联系（r=0.38，P<0.01），气压与均匀气温和相对湿度均呈负相关联系（r=-0.88、-0.36），差异有高度计算学含义（P<0.01）。

2.3 PM2.5与居民总逝世数的联系

Spearman秩相关剖析成果显现，PM2.5与居民总逝世数呈正相关联系（r=0.11，P<0.01）。树立散布滞后非线性模型，操控长时间趋势、“星期几效应”等时刻要素的影响，并考虑滞后效应，剖析PM2.5对总逝世水平的影响。如图6所示，在污染当日，PM2.5对总逝世水平影响的RR值大于1，差异无计算学含义（P>0.05）。

在上述模型的根底上，操控温度、湿度、气压等稠浊要素的的影响，剖析PM2.5对总逝世水平的影响，如图7所示，PM2.5对总逝世水平的影响依然无计算学含义（P>0.05）。

2.4 PM2.5与总逝世的露出反响联系

在研讨期间内，操控时刻的长时间趋势、星期几效应、温度、湿度、气压等要素的影响后，剖析PM2.5与污染当日全死因逝世的露出反响联系，由图8可见，露出-反响联系在低浓度时（约80 μg/m3）和较高浓度时（约300 μg/m3）别离存在一个拐点，当PM2.5的浓度约到达300 μg/m3时，人群总逝世的危险会显着添加。

3评论

2012年3月～2015年2月北京市丰台区PM2.5均匀浓度为91.94 μg/m3，超越国家规定二级规范22.49%，其间每年均匀有180 d超越国家规定二级规范，超支率为49.59%；2013年度北京市PM2.5年均匀浓度为100.02 μg/m3，超越国家规定二级规范33.36%，超支率为55.07%。同北京市数据比较[2]，北京市丰台区大气PM2.5污染水平较北京市低。2013年丰台区PM2.5污染最严峻，与2013年的气候条件密切相关，安稳的大气环流局势为污染的继续供给了有利环境，风速较小、湿度较大、继续逆温影响大气污染物的分散，是形成严峻污染的重要原因[3]。

2012年3月～2015年2月北京市丰台区PM2.5浓度与气候要素中的日均匀相对湿度、日均匀气压呈正相关联系，与日均匀气温呈负相关联系。与周洪霞等[4]成果PM2.5浓度与日均匀相对湿度呈正相关联系大致相同；与刘晓剑等[5]研讨成果显现PM2.5浓度与日均匀相对湿度呈负相关联系，与日均匀气压呈正相联系比较不同，形成其成果不同的原因或许是：北京市归于大陆性季风气候，相对湿度与风速呈负相关联系，当相对湿度较大时，风速较小，地上大气层处于较安稳的状况，不利于大气污染物的分散；而深圳市归于亚热带海洋性气候，雨量充分，湿度较大，降雨能有用的铲除大气颗粒物[6]。

PM2.5的短期露出与居民逝世的联系，已经在全球不同地址、不同大气污染布景、不同人群取得了类似的成果，而且开始得到了证明[7-9]。本研讨选取北京市丰台区作为研讨现场，成果发现PM2.5对总逝世人数的影响无计算含义，这与以往的研讨成果是不一致的。例如：美国国家空气污染与逝世率和发病率联系的研讨，对美国 20个城市近5000万人的材料剖析显现，人群逝世率与逝世前日颗粒物浓度相关[10]。在我国沈阳市[11]、广州市[12]和深圳市[13]的研讨也发现，PM2.5污染与人群总逝世率出现正相关，且PM2.5对总逝世率的影响在65岁以上的晚年人群更为显着。

本研讨的研讨成果提示，PM2.5与居民逝世的露出反响联系出现必定的非线性联系。以往在欧美等发达国家的研讨成果提示，颗粒物污染与逝世/发病的露出反响联系出现近似的线性联系[14-16]。例如：美国Schwartz等[17]学者运用层次模型发现PM2.5与全死因逝世的露出反响联系出现线性联系并没有阈值效应，这一成果在欧洲的一个行列研讨中也得到了证明，该研讨提示，即便在低于欧洲现在的年均规范限值（<25 μg/m3）的状况下，PM2.5依然与全死因逝世率相关[18]。

本次研讨只是归入一个区的数据，每日各类其他逝世人数较少，这对模型的安稳性会发生必定的影响，还有或许是因为北京市大气污染物水平长时间较高形成的人群适应性添加，污染源类型差异形成污染物结构成分的不同，以及人群的年纪构成和居民对污染物的灵敏程度的不同。

4定论

2012年3月～2015年2月北京市丰台区PM2.5的污染严峻，2013年PM2.5的污染最严峻；2012年3月～2015年2月北京市丰台区居民总逝世呈冬天最高的趋势；2012年3月～2015年2月北京市丰台区PM2.5浓度与气候要素中的日均匀相对湿度、日均匀气压呈正相关联系，与日均匀气温呈负相关联系；PM2.5浓度与居民总逝世数呈正相关联系。

PM2.5对居民总逝世水平的影响无计算学含义，研讨人员可进一步深入研讨PM2.5与详细死因间的关联性，找到PM2.5对居民健康影响的要点疾病，为进一步的健康教育、疾病的干涉供给根底，为公共卫生作业供给根据，为城市大气污染健康效应点评、维护人群健康供给根据。

[參考文献]

[1] 王志娟，韩力慧，陈旭锋，等. 北京典型污染进程PM2.5的特性和来历[J]. 安全与环境学报，2012，12（5）：122-126.

[2] 王琪， 孙巍， 张新宇. 北京地区PM2.5质量浓度散布及其与气候条件影响联系剖析[J]. 计算机与应用化学，2014， 31（10）：1193-1196.

[3] 程念亮，李云婷，张大伟，等. 2013年1月北京市一次空气重污染成因剖析[J]. 环境科学，2015，3（4）：1154-1163.

[4] 周洪霞，蒋守芳，郭忠，等. 唐山市大气污染对居民心血管疾病日门诊和日住院人数的影响[J]. 现代防备医学，2015，42（12）：2138-2141.

[5] 刘晓剑，吴永胜，付英斌，等. 深圳市空气PM2.5与心脑血管疾病逝世的广义相加模型剖析[J]. 中华疾病操控杂志，2016，20（2）：207-209.

[6] 李军，孙春宝，刘咸德，等. 气候要素对北京市大气颗粒物浓度影响的非参数剖析[J]. 环境科学研讨，2009，22（6）：663-669.

[7] Dai L，Zanobetti A，Koutrakis P，et al. Associations of fine particulate matter species with mortality in the United States：A multicity time-series analysis[J]. Environ Health Perspect， 2014，122（8）：837-842.

[8] Lee H，Honda Y，Hashizume M，et al. Short-term exposure to fine and coarse particles and mortality：A multicity time-series study in East Asia[J]. Environ Pollut，2015，207：43-51.

[9] Lee M，Koutrakis P，Coull B，et al. Acute effect of fine particulate matter on mortality in three Southeastern states from 2007-2011[J]. J Expo Sci Environ Epidemiol，2016， 26（2）：173-179.

[10] Samet JM，Dominici F，Curriero FC，et al. Fine particulate air pollution and mortality in 20 U.S. cities，1987-1994[J]. N Engl J Med，2000，343（24）：1742-1749.

[11] Ma Y，Chen R，Pan G，et al. Fine particulate air pollution and daily mortality in Shenyang，China[J]. Sci Total Environ，2011，409（13）：2473-2477.

[12] Yang C，Peng X，Huang W，et al. A time-stratified case-crossover study of fine particulate matter air pollution and mortality in Guangzhou，China[J]. Int Arch Occup Environ Health，2012，85（5）：579-585.

[13] Zhang F，Liu X，Zhou L，et al. Spatiotemporal patterns of particulate matter（PM）and associations between PM and mortality in Shenzhen，China[J]. BMC Public Health，2016， 16：215.

[14] Daniels MJ，Dominici F，Zeger SL，et al. The National Morbidity，Mortality，and Air Pollution Study. Part III： PM10 concentration-response curves and thresholds for the 20 largest US cities[J]. Res Rep Health Eff Inst，2004（94 Pt 3）：1-21， 23-30.

[15] Schwartz J，Coull B，Laden F，et al. The effect of dose and timing of dose on the association between airborne particles and survival[J]. Environ Health Perspect，2008，116（1）：64-69.

[16] Zheng S，Wang M，Wang S，et al. Short-term effects of gaseous pollutants and particulate matter on daily hospital admissions for cardio-cerebrovascular disease in Lanzhou：Evidence from a heavily polluted city in China[J]. Int J Environ Res Public Health，2013，10（2）：462-477.

[17] Schwartz J，Laden F，Zanobetti A. The concentration-response relation between PM（2.5） and daily deaths[J]. Environ Health Perspect，2002，110（10）：1025-1029.

[18] Beelen R，Raaschou-Nielsen O，Stafoggia M，et al. Effects of long-term exposure to air pollution on natural-cause mortality：An analysis of 22 European cohorts within the multicentre ESCAPE project[J]. Lancet，2014，383（9919）：785-795.

（收稿日期：2016-08-02）