2018, Vol. 10
2. 南京大学国际地球系统科学研究所, 江苏南京, 210023
2. Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, International Institute for Earth System Science, Nanjing University, Nanjing 210023, China
我国迅猛发展的工业化、城市化进程以及不断增加的化石燃料消耗，严重影响了环境空气质量[1]。大气污染问题已经成为我国现阶段最严重的环境问题之一，引起了国内外的广泛关注[2-4]。近年来，随着机动车保有量的快速增长，机动车污染物排放量居高不下，严重影响了环境质量的持续改善，已经成为我国城市经济发展中的一个重要环境问题，引起人们的极大重视。有效控制交通污染，已经成为提高城市环境空气质量的关键因素之一。
经济有效的空气质量管理要求了解空气污染的主要来源及其对健康的影响。近年来，我国关于大气污染对健康影响的研究越来越多[5-8]，但对于特定污染源空气污染导致的疾病负担研究相对缺乏[9]。对特定污染源空气污染导致的疾病负担进行评估是支持大气污染控制的关键一步。本研究在大气PM2.5健康效应研究基础上[8]，应用空气质量模型模拟了交通污染源对我国不同区域PM2.5浓度的贡献，并进一步分析了交通源污染导致的PM2.5的健康影响，研究结果可以为有效控制机动车污染的环境健康影响提供科学依据。
1 我国交通源的大气污染现状1990—2016年，我国①民用汽车保有量由551.4万辆增加到18 575.5万辆(图 1)，27年间增加了33倍[10]。2014年，我国的机动车千人拥有量首次超过100辆，这是一个关键的时刻，因为日本(1966—1978)和韩国(1991—2003)都仅用了12年的时间使其千人机动车保有量从100增加到300辆[11]。2016年我国平均每千人汽车拥有量为134辆，与发达国家还有很大差距，从这一角度来看，国内汽车消费市场在未来发展潜力巨大。有关研究指出[12-15]，我国在2030年之前仍将处于工业化和城市化同步加速发展的阶段，国民经济仍会保持较快发展，汽车消费将进一步升级，到2030年机动车保有量将达到3.6亿~5.4亿辆。
① 本文所涉及的全国范围数据，由于统计数据获取原因，未包括港澳台地区。
|
图 1 1990—2016年全国民用汽车保有量[10] |
随着机动车保有量的快速增长，机动车的污染物排放量居高不下，对城市大气环境质量的影响越来越大[16-20]。原环境保护部发布的《中国机动车环境管理年报2017》 [21]显示，2016年，全国机动车四项污染物排放总量初步核算为4 472.5万吨。其中，CO排放3 419.3万吨，HC排放422.0万吨，NOx排放577.8万吨，颗粒物(PM)排放53.4万吨。机动车尾气排放的污染物，除了CO、HC、NOx、PM等常规污染物之外，还含有大量被称作移动的空气毒气(MSATs)的污染物，如苯、甲醛、乙醛等。所有的这些气态污染物在大气中通过一系列复杂的光化学反应生成氧化性很强的二次污染物，如臭氧(O3)、二次PM2.5等。我国越来越多的城市空气质量正由传统的煤烟型污染转化成燃煤、汽车尾气与二次污染物相互叠加的复合型污染[22-25]，严重影响了人民的生活和身心健康，制约了环境经济社会的可持续发展。
我国已经完成的第一批城市大气细颗粒物(PM2.5)源解析结果表明[21]，虽然大多数城市PM2.5浓度的贡献仍以燃煤排放为主，但某些地区，特别是北京、上海等特大城市以及中东部人口密集区域，移动源对PM2.5浓度的贡献已经高达20%~45%[26]，如图 2所示。北京市2012—2013年度PM2.5来源综合解析结果显示，在本地污染贡献中，机动车超过燃煤和工业生产，成为本地大气环境中最大的PM2.5贡献者，占31.1%。上海市同期的数据显示，大气PM2.5的本地来源中，移动源(包括机动车、船舶、飞机等燃油排放)占29.2%，高于工业生产所占的28.9%。南京、武汉、长沙和宁波的机动车排放已经成为这些地区大气PM2.5的第二大污染源。南京市环保局公布的数据显示，大气中的PM2.5约有24.6%来源于机动车尾气，稍低于燃煤贡献率27.4%；而武汉、长沙、宁波则分别占27.0%，24.8%和22.0%。
|
图 2 机动车对城市大气环境中PM2.5浓度的贡献比例(%)[21] |
而且，由于机动车大多行驶在城市人口密集的区域，考虑到尾气中的污染物主要通过机械扩散和热湍流扩散在近地面传播，交通工具内、道路两侧等交通微环境下的污染物浓度要远高于环境背景浓度，大大增加了居民暴露在高浓度污染物中的健康风险。《大气污染防治行动计划》中也指出：我国面临重大挑战，要解决以高浓度PM2.5为特征的区域空气污染，机动车污染的控制是关键因素之一。可以说，交通源污染正在成为我国城市大气环境污染治理中最突出和最紧迫的问题。
2 方法与数据首先，应用美国国家环保局研发的多尺度空气质量模型(community multiscale air quality modeling system，CMAQ模型)，基于我国多尺度、分行业的排放清单数据(EMEIC，http://www.meicmodel.org)[27]，评估交通源对不同区域大气PM2.5浓度的贡献。具体过程如下：①采用基准年(2010年)排放清单进行环境空气质量模拟，得到全国PM2.5年均浓度及其分布；②通过敏感性模拟，把交通源排放量(ETran)从排放清单中移出，并应用CMAQ模拟去除交通源排放之后的PM2.5年均浓度及其分布(CCMAQ, MEIC-Tran)；③通过分析标准模拟和敏感性模拟之间的差异来评估交通源对大气PM2.5浓度的贡献率，如下式所示：
|
(1) |
为了降低CMAQ模拟时的误差，我们应用卫星反演的大气环境PM2.5浓度[28]修正了交通源对环境空气质量的影响[29]。即应用CMAQ模拟的交通源的网格化贡献率AFs乘以卫星反演的高分辨率大气PM2.5浓度(CSat)，得到交通源所致大气PM2.5的浓度(CSat, Tran)。本研究选取卫星反演的大气PM2.5浓度数据来源于加拿大达尔豪斯大学van Donkelaar的研究成果，该课题组根据近17年(1998—2015年)全球PM2.5近地面浓度的变化趋势，建立了全球环境PM2.5浓度的空间分布图(包括总源和人为源)[28, 30]。
本研究遵循全球疾病负担(Global Burden of Disease, GBD)提出的直接比例法[9]，评估交通污染源相关的大气PM2.5过早死亡人数。直接比例法是基于相对风险变化与浓度变化呈线性关系的假设，GBD的前期研究已经应用数学推导证明了这一假设[9]。目前，直接比例法已经被广泛应用于评估污染源或者控制政策的环境健康影响研究[31-33]。交通源排放相关的PM2.5所导致的过早死亡人数(MTran)的计算方法如下式所示。其中，MTotal表示中国由于环境PM2.5污染所造成的人群过早死亡总数，来自我们之前的研究成果[8]。
|
(2) |
本研究通过CMAQ模拟得到的交通源对大气PM2.5的贡献率乘以卫星反演的高分辨率大气PM2.5浓度，得到交通源所致的大气PM2.5浓度。根据本研究的评估，2010年由于交通源排放贡献的PM2.5的年平均浓度为1.49 μg/m3。交通源所致的PM2.5浓度高值主要集中在中东部，特别是京津冀地区(河北、河南、北京、天津等省市)、长三角区域(江苏、安徽、上海等)、珠三角区域(深圳、广州等)以川渝地区(四川、重庆等)。如果将各个省份所有的网格浓度算数平均的结果作为各个省份的交通源贡献的PM2.5年均浓度，最高的5个省市(见图 3)分别为河南(6.65 μg/m3)、山东(5.13 μg/m3)、北京(4.77 μg/m3)、天津(4.92 μg/m3)、重庆(4.24 μg/m3)，明显高于全国平均浓度(1.49 μg/m3)。这些区域作为国家经济发展的中心以及城市化进程的聚焦点，机动化发展进程快速，路网密度、人均机动车拥有量较高，这些现象导致了机动车的高排放强度[34]，使得这些区域的交通源贡献的环境PM2.5浓度相对较高。
|
图 3 2010年不同省份的交通源贡献的大气PM2.5浓度 |
根据本研究的评估，2010年，我国交通源排放所致的PM2.5污染造成约11.69万人过早死亡，占当年PM2.5总的健康负担(125.54万过早死亡)[8]的9.31%。其中，不同健康终端的过早死亡人数呈现一定的差异，中风死亡人数为6.31万人，慢性阻塞性肺疾病死亡人数为1.32万人，肺癌死亡人数为0.98万人，缺血性心脏病死亡人数为3.08万人，分别占我国2010年交通源所致的这四种健康终端总过早死亡人数的53.9%、11.4%、8.3%和26.4%。
图 4展示了2010年我国不同省份交通源排放相关的PM2.5导致的过早死亡人数。从省份层面来看，我国交通源所致的健康负担较大的前5个省份分别为河南(15 900)、四川(11 800)、山东(11 400)、河北(8 400)和广东(6 600)，这5个省份占到全国交通源排放相关的PM2.5过早死亡人数总数的46.25%。可以看出，我国交通源导致的健康负担不仅聚集在交通污染源严重的区域，还广泛分布在人口稠密的地区。我国机动车排放污染呈现出明显的区域特征[34]，如广州、江苏等地由于其机动化程度比较高，车辆使用频繁，机动车尾气排放强度高于全国平均水平，因此交通源排放相关的空气污染健康负担较重。而山东、河南等区域其交通源排放相关的空气污染健康负担较重，主要是因为健康效益的发生同人口密度有密切的联系。山东、河南等区域的人口相当稠密，即使其交通源污染贡献比重不是很大，但其导致的健康负担仍然较重。
|
图 4 2010年不同省份的交通源排放相关的PM2.5导致的过早死亡人数 |
随着经济的发展，我国的机动车保有量迅猛增长，交通源污染排放成为城市空气污染的重要来源。本研究的结果表明，在2010年因暴露于交通源相关的PM2.5污染导致的过早死亡数量巨大，严重影响了人们的健康。为了减少机动车的污染及其带来的影响，我国在20世纪90年代开始实施机动车排放控制措施，并且标准不断严格。然而目前，我国机动车排放控制管理一般将目光聚焦在经济发达区域(如京津冀、长三角、珠三角等)，这也不可置否，毕竟这些区域承担了我国很大一部分经济发展需求，所投入的环境代价和承担的健康负担也是不可估量的。但是，对于经济相对落后，但人口密度较高的区域，交通源污染也造成极大的健康负担，应该引起重视。为减轻交通源污染造成的健康负担，避免由于地区之间经济和技术等因素差异所造成的环境不公平现象，本研究建议从以下几个方面做出努力：
(1) 严格控制排放标准和提高燃料质量。提高新车排放标准以及优化燃料质量一直是机动车减排的关键举措。目前我国绝大多数地区的道路交通源排放控制主要依靠国家的排放标准体系，缺乏本地化的排放标准和管理措施，尤其是在中西部一些经济相对落后但是机动车污染健康影响严重的区域。在实行国家统一制定的排放标准的同时，也应根据机动车污染的健康影响，鼓励地方执行更加严格的新车控制标准。同时，我国存在明显的“燃油标准滞后排放标准”问题，在机动车保有量迅猛增长的现状下，逐步加严新车排放标准的同时，也应匹配相应的油品质量标准。
(2) 完善各地区机动车管理机制。交通源污染防治是一项系统工程，应加强“车—油—路”统筹，采取法律、行政、经济、技术等综合措施进行防治。淘汰老旧车及黄标车，加强在用车管理，一直是城市机动车管理的重点任务。除了北京、上海等沿海发达城市，成都、重庆等中西部城市的机动车保有量也很大。随着国家西部大开发的推进，中西部城市机动车保有量会进一步增长，相关的大气污染问题可能会愈加凸显。而且，这些区域由于缺乏系统的机动车管理措施，并且人口密度较高，其健康负担会不断加重。因此，各地区需完善机动车管理机制，制定合理的交通源污染防治规划方案，避免或者减缓由于机动车保有量不断增长可能造成的空气污染及健康损害等问题。
(3) 从居民个体角度减缓交通大气污染及其影响。首先，要深刻认识空气污染对人体健康的危害，通过网络、新闻媒体等渠道了解PM2.5的理化性质、作用机制和途径，并做好宣传和推广；其次，培养良好的生活习惯，出行尽量选择公众交通，减少私家车的使用频率，同时，鼓励使用新能源车，进一步减少有害尾气的排放；最后，做好个人防护措施，尤其是敏感人群，要主动关注官方部门发布的空气质量指数和首要污染物信息，合理调整日常交通出行方式和室外停留时间。
| [1] |
CHAN C K, YAO X H.
Air pollution in mega cities in China[J]. Atmospheric environment, 2008, 42(1): 1-42 |
| [2] |
HUANG R J, ZHANG Y L, BOZZETTI C, et al.
High secondary aerosol contribution to particulate pollution during haze events in China[J]. Nature, 2014, 514(7521): 218-222 DOI:10.1038/nature13774 |
| [3] |
ZHU T.
Air pollution in China:scientific challenges and policy implications[J]. National science review, 2017, 4(6): 800-800 DOI:10.1093/nsr/nwx151 |
| [4] |
杨锦锦, 张凯山, 毛红梅, 等.
城市大气中臭氧浓度控制的困难与挑战——以成都市为例[J]. 环境工程, 2017, 35(2): 83-88.
|
| [5] |
LIU M M, HUANG Y N, MA Z W, et al.
Spatial and temporal trends in the mortality burden of air pollution in China:2004-2012[J]. Environment international, 2017, 98: 75-81 DOI:10.1016/j.envint.2016.10.003 |
| [6] |
LU X C, LIN C Q, LI Y, et al.
Assessment of health burden caused by particulate matter in southern China using high-resolution satellite observation[J]. Environment international, 2017, 98: 160-770 DOI:10.1016/j.envint.2016.11.002 |
| [7] |
SONG C B, HE J J, WU L, et al.
Health burden attributable to ambient PM2.5 in China[J]. Environmental pollution, 2017, 223: 575-586 DOI:10.1016/j.envpol.2017.01.060 |
| [8] |
XIE R, SABEL C E, LU X, et al.
Long-term trend and spatial pattern of PM2.5 induced premature mortality in China[J]. Environment international, 2016, 97: 180-186 DOI:10.1016/j.envint.2016.09.003 |
| [9] |
GBD MAPS Working Group.Burden of Disease Attributable to Coal-Burning and Other Major Sources of Air Pollution in China[R].Boston: Health Effects Institute, 2016.
|
| [10] |
中国统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2017.
|
| [11] |
W UY, ZHANG S J., HAO J M, et al.
On-road Vehicle emissions and their control in China:A review and outlook[J]. Science of the total environment, 2017, 574: 332-349 DOI:10.1016/j.scitotenv.2016.09.040 |
| [12] |
LU H P, MA H, SUN Z Y, et al.
Analysis and prediction on vehicle ownership based on an improved stochastic gompertz diffusion process[J]. Journal of advanced transportation, 2017, 2017: 4013875 |
| [13] |
WANG Y S, TETER J, SPERLING D.
China's soaring vehicle population:even greater than forecasted?[J]. Energy policy, 2011, 39(6): 3296-3306 DOI:10.1016/j.enpol.2011.03.020 |
| [14] |
HAO H, WANG H W, YI R.
Hybrid modeling of China's vehicle ownership and projection through 2050[J]. Energy, 2011, 36(2): 1351-1361 DOI:10.1016/j.energy.2010.10.055 |
| [15] |
HUO H, WANG M.
Modeling future vehicle sales and stock in China[J]. Energy policy, 2012, 43: 17-29 DOI:10.1016/j.enpol.2011.09.063 |
| [16] |
HAO J M, HE D Q, WU Y, et al.
A study of the emission and concentration distribution of vehicular pollutants in the urban area of Beijing[J]. Atmospheric environment, 2000, 34(3): 453-465 DOI:10.1016/S1352-2310(99)00324-6 |
| [17] |
CUI H Y, CHEN W H, DAI W, et al.
Source apportionment of PM2.5 in Guangzhou combining observation data analysis and chemical transport model simulation[J]. Atmospheric environment, 2015, 116: 262-271 DOI:10.1016/j.atmosenv.2015.06.054 |
| [18] |
WANG H K, CHEN C H, HUANG C, et al.
On-road vehicle emission inventory and its uncertainty analysis for Shanghai, China[J]. Science of the total environment, 2008, 398(1/3): 60-67 |
| [19] |
ZHONG S P, BUSHELL M.
Impact of the built environment on the vehicle emission effects of road pricing policies:a simulation case study[J]. Transportation research part A:policy and practice, 2017, 103: 235-249 DOI:10.1016/j.tra.2017.06.007 |
| [20] |
GUO S, HU M, ZAMORA M L, et al.
Elucidating severe urban haze formation in China[J]. Proceedings of the national academy of sciences of the United States of America, 2014, 111(49): 17373-17378 DOI:10.1073/pnas.1419604111 |
| [21] |
中华人民共和国环境保护部.中国机动车环境管理年报(2017)[EB/ot].(2017-06-30).http://www.zhb.gov.cn/gkml/hbb/qt/201706/t20170603_415265.htm.
|
| [22] |
YANG F, TAN J, ZHAO Q, et al.
Characteristics of PM2.5 speciation in representative megacities and across China[J]. Atmospheric chemistry and physics, 2011, 11(11): 5207-5219 DOI:10.5194/acp-11-5207-2011 |
| [23] |
FU X, WANG S X, ZHAO B, et al.
Emission inventory of primary pollutants and chemical speciation in 2010 for the Yangtze River Delta region, China[J]. Atmospheric environment, 2013, 70: 39-50 DOI:10.1016/j.atmosenv.2012.12.034 |
| [24] |
ZHAO B, WANG S X, LIU H, et al.
NOx emissions in China:historical trends and future perspectives[J]. Atmospheric chemistry and physics, 2013, 13(19): 9869-9897 DOI:10.5194/acp-13-9869-2013 |
| [25] |
李培, 王新, 柴发合, 等.
我国城市大气污染控制综合管理对策[J]. 环境与可持续发展, 2011, 36(5): 8-14.
DOI:10.3969/j.issn.1673-288X.2011.05.003 |
| [26] |
上海市环境保护局.北杭广深大气污染首要污染源机动车[EB/OL].(2015-04-02).http://www.sepb.gov.cn/fa/cms/shhj/shhj5082/shhj2254/2015/04/89130.htm.
|
| [27] |
LI M, ZHANG Q, KUROKAWA J, et al.
MIX:a mosaic Asian anthropogenic emission inventory under the international collaboration framework of the MICS-Asia and HTAP[J]. Atmospheric chemistry and physics, 2017, 17(2): 935-963 DOI:10.5194/acp-17-935-2017 |
| [28] |
VAN DONKELAAR A, MARTIN R V, BRAUER M, et al.
Global estimates of fine particulate matter using a combined geophysicalstatistical method with information from satellites, models, and monitors[J]. Environmental science & technology, 2016, 50(7): 3762-3772 |
| [29] |
WANG H K, ZHANG Y X, ZHAO H Y, et al.
Trade-driven relocation of air pollution and health impacts in China[J]. Nature communications, 2017, 8(1): 738-738 DOI:10.1038/s41467-017-00918-5 |
| [30] |
VAN DONKELAAR A, MARTIN R V, BRAUER M, et al.
Use of satellite observations for long-term exposure assessment of global concentrations of fine particulate matter[J]. Environ health perspect, 2015, 123(2): 135-143 DOI:10.1289/ehp.1408646 |
| [31] |
ZHANG Q, JIANG X J, TONG D, et al.
Transboundary health impacts of transported global air pollution and international trade[J]. Nature, 2017, 543(7647): 705-709 DOI:10.1038/nature21712 |
| [32] |
CHAFE Z A, BRAUER M, KLIMONT Z, et al.
Household cooking with solid fuels contributes to ambient PM2.5 air pollution and the burden of disease[J]. Environmental health perspectives, 2014, 122(12): 1314-1320 DOI:10.1289/ehp.1206340 |
| [33] |
CHAMBLISS S E, SILVA R, WEST J J, et al.
Estimating sourceattributable health impacts of ambient fine particulate matter exposure:global premature mortality from surface transportation emissions in 2005[J]. Environmental research letters, 2014, 9(10): 104009 DOI:10.1088/1748-9326/9/10/104009 |
| [34] |
吴潇萌.中国道路机动车空气污染物与CO2排放协同控制策略研究[D].北京: 清华大学, 2016.
|