表征城市内部黑炭和亚微米级颗粒物季节变化的暴露评估模型

第一作者：徐翔宇

通讯作者：段小丽

通讯单位：北京科技大学

合作单位：中南大学

               纽约州立大学

               杜克大学

               中国医学科学院肿瘤医院

研究简介

环境空气污染，特别是颗粒物暴露已被大量研究证实可增加人类患病和死亡的风险。研究表明，相比于被广泛关注的PM2.5，更细小的颗粒物暴露可能与这些不良的健康影响更为密切相关。亚微米颗粒（PM1）和黑炭（BC）是PM2.5的主要组成部分，占到PM2.5总质量的80%以上。然而，鉴于目前这两种污染物尚未被环境管理部门列为常规监测的污染物类型，导致缺乏足够的数据信息以支持PM1和BC的暴露评估和流行病学研究。

近日，在国家自然科学基金（41977374）和科技部国家重点研发计划项目（2016YFC1302501）的资助下，由北京科技大学环境暴露与健康研究团队段小丽教授（通讯作者）团队完成的“Development of season-dependent land use regression models to estimate BC and PM1 exposure”论文在Science of the Total Environment发表。本研究的合作团队还包括：中南大学地球科学与信息物理学院邹滨教授团队、中国医学科学院肿瘤医院张亚玮教授团队，以及来自美国杜克大学和纽约州立大学的研究人员。

【引用】

Xu Xiangyu, Qin Ning, Qi Ling, Zou Bin, Cao Suzhen, Zhang Kai, Yang Zhenchun, Liu Yunwei, Zhang Yawei, Duan Xiaoli., Development of season-dependent land use regression models to estimate BC and PM1 exposure. Science of The Total Environment, 2021. 793: p. 148540.

研究方法

     本研究以我国山西省太原市的核心城区（如图1所示）作为中国典型的高密度大城市的代表，在2019年11月至2020年10月期间开展了多次移动监测活动，测量了该地区的PM1和BC浓度数据，分别开发了冬季、秋季和夏季的多时段（白天、夜间和全天）土地利用回归模型，并映射为高分辨率浓度表面以估计暴露水平的季节变化特征。其中在模型开发过程中，除了使用常用的土地利用、土地覆盖、人口、交通路网、气象等作为预测变量信息之外，还在预测变量中引入了城市内部的建筑物形态参数（建筑体积、面积、高度等）和一些兴趣点的位置信息（加油站、车站、教育机构、商场、餐厅等）以确保能够解释高密度城市内部的污染物的变化。

主要发现

                                                                                                                     图2 PM1和BC移动监测的结果

      从移动监测的结果来看，我们发现了PM1和BC相似的季节性变化特征。如图2所示，在冬季和秋季时，PM1和BC的夜间浓度总是高于白天的浓度，然而在夏季这一现象发生了逆转。这种变化模式与之前其他研究中发现的PM2.5的变化模式是一致的，主要归因于秋冬季节低边界层高度和夜间气流停滞的作用，造成污染物的夜间累积。

两种污染物的LUR模型分别解释了68%和52%的PM1和BC的变化。其中，PM1模型调整后的R²范围为0.45~0.80，冬季、夏季和秋季模型平均解释72%、67%和64%的PM1变化。BC模型调整后的R²范围为0.39~0.66，冬季、夏季和秋季模型平均解释了55%、55%和46%的BC变化。然而，PM1和BC模型中包含的预测因子则出现了明显的差异。其中，所有的BC模型中都包含一个或多个交通变量相关的预测因子，特别是缓冲半径100米以下的“主干道长度”变量；而PM1模型中出现的最高频次的变量则是气象相关的变量。通过总结以前的研究发现，PM1受到气象因素（温度、相对湿度和气压）的影响显著，但对交通量的敏感度低于较小的颗粒物（超细颗粒物和BC）；另外，PM1的形成主要与大气中的二次气溶胶和燃烧排放有关，而汽车排放对BC的贡献更大，这可能是PM1与BC的模型组成出现差异的重要原因，尽管二者均为PM2.5的组成成分。基于开发的LUR模型，绘制了高分辨率的PM1和BC的季节浓度表面地图（图3 、4）。PM1和BC的空间变化特征明显不同，前者呈现出明显的季节性变化，而BC则以城市内部的空间变化更为明显。

研究价值及意义

     该研究构建了精细化暴露模型，发现了PM1和BC在中国典型高密度城市内部的时空变化特征的差异，以及PM1和BC的来源贡献差异，BC是更具代表性的交通源空气污染物，对于精准化的城市空气污染物防控以及人群风险防控具有重要的参考价值。

局限性：这项研究根据在道路中间收集的数据开发的，尽管之前有一些研究认为移动监测建模高估的影响是可控的，并提出提供15%至30%的调整系数来纠正道路测量的解决方案，这些仍然需要在今后的暴露评估中予以考虑。