王柯懿,康 平,2*,歐奕含,張小玲,2,汪可可,王安怡,馮浩鵬,王九勝

黃石市大氣二氧化氮健康效應與人群暴露風險

王柯懿1,康 平1,2*,歐奕含1,張小玲1,2,汪可可3,王安怡1,馮浩鵬1,王九勝4

(1.成都信息工程大學大氣科學學院,高原大氣與環(huán)境四川省重點實驗室,四川 成都 610225；2.成都平原城市氣象與環(huán)境四川省野外科學觀測研究站,四川 成都 610225；3.成都信息工程大學資源環(huán)境學院,四川 成都 610225；4.鄂東醫(yī)療集團黃石市中心醫(yī)院,湖北 黃石 435000)

為揭示黃石市二氧化氮(NO2)的健康效應和人群暴露風險特征,收集2015～2020年黃石市NO2濃度、非意外死亡、呼吸系統(tǒng)和循環(huán)系統(tǒng)疾病每日死亡人數(shù)、內科疾病每日住院人數(shù)以及氣象要素等資料,探究了黃石市NO2時空變化,采用時間序列的半?yún)?shù)廣義相加模型(GAM)定量評價NO2對黃石市死亡病例和內科住院病例人數(shù)的影響,并對居民的暴露風險(*)進行評估.結果表明:黃石市NO2的濃度年內變化呈“U”型,春冬污染較嚴重,人群密集和工業(yè)區(qū)NO2濃度稍高.在最佳滯后時間下,NO2濃度每增加10μg/m3,非意外死亡、呼吸系統(tǒng)和循環(huán)系統(tǒng)病例的死亡人數(shù)在lag01、lag3、lag1時達到最大,增加百分比(ER)值分別為1.93%(95%CI:-2.10,6.14),2.13%(95%CI:-6.56,11.62),4.82%(95%CI:-0.22,10.02),內科疾病每日住院人數(shù)在lag05時達到最大,增加百分比(IP)值為5.34%(95%CI:3.58,7.14).住院病例在性別屬性分層下,男性群體對NO2暴露更為敏感;在年齡屬性分層下,18～60歲人群對NO2暴露更為敏感;在內科病種屬性分層下,腎衰竭患者對NO2暴露更為敏感.評估NO2的人群暴露風險,其中9～12歲年齡段青少年的*最高,成年人中男性18～45歲人群*最大,女性80+人群*最大,季節(jié)分層下人群平均*春季>秋季>冬季>夏季.

黃石市；NO2濃度；GAM；健康效應；暴露風險

大氣污染是由多種污染物共同構成的復雜過程,其中二氧化氮(NO2)是當前大氣污染防治的重要污染物之一,主要來自人為源,如工業(yè)生產排放、生火取暖煤炭燃燒、機動車行駛排放尾氣等[1-4].同時NO2作為二次顆粒物及近地層臭氧(O3)的重要前體物,不僅會形成霧霾、酸雨、大氣光化學污染等環(huán)境問題,亦會對人體健康產生很大危害[5-9].

Meng等[10]通過對22個國家398個城市的NO2人群健康效應,研究表明NO2濃度每升高10μg/m3,在滯后一天時人群總死亡率增加了0.46%(95%CI: 0.36～0.57),呼吸道疾病死亡率增加了0.47%(95%CI: 0.21～0.72),心血管疾病死亡率增加了0.37%(95%CI: 0.22～0.51).國內相關研究也表示[11-12],當NO2濃度升高后非意外、呼吸和循環(huán)系統(tǒng)死亡率均上升,且研究地域和對象的差異會導致NO2的健康效應各有不同[13-15].大氣污染物對于人類的影響也不僅僅局限于高濃度污染物的暴露極端事件[16],長期而慢性的暴露同樣會對人體內部系統(tǒng)產生危害,有一定暴露風險[17-21].以往對于大氣污染物暴露風險的評估研究大多采用時間調整土地利用回歸(LUR)、人口風險、美國國家環(huán)境保護局(USEPA)推薦的非致癌物風險評價的暴露參數(shù)等模型評估[22-27],缺少針對于我國特定地區(qū)人群暴露行為模式差異性的研究.因此對當?shù)厝巳篘O2的健康效應及其人群暴露風險進行探究,可為城市環(huán)境空氣污染防治和全民健康提供理論依據(jù)和決策支持.

黃石市是長江中游城市群的一個典型傳統(tǒng)礦冶城市[28],作為華中地區(qū)重要的原材料工業(yè)基地,工業(yè)源污染排放量較大,大氣污染物濃度常常連續(xù)數(shù)日居高不下.根據(jù)生態(tài)環(huán)境質量狀況公報顯示,2015～2020年,黃石市空氣污染物濃度優(yōu)良率分別為67.1%、73.0%、75.5%、76.5%、78.4%、87.1%,污染狀況逐年改善,但部分污染物濃度仍高于環(huán)境空氣質量標準,長期持續(xù)影響居民健康.因此,本文基于2015～2020年黃石市環(huán)境空氣質量數(shù)據(jù),非意外死亡、呼吸系統(tǒng)和循環(huán)系統(tǒng)疾病每日死亡人數(shù),5種內科疾病(哮喘、腦卒中、急性心梗、糖尿病、腎衰竭)每日住院人數(shù),以及氣象資料,評估黃石市NO2污染時空分布特征,采用時間序列的半?yún)?shù)廣義相加模型(GAM)定量評價大氣NO2對居民病例人數(shù)的影響,并按性別、年齡、病種分層研究NO2暴露的人群健康效應差異;計算人群的暴露風險*,明確風險人群,對當?shù)卣髿馕廴痉乐未胧┑慕】敌M行探究,為保衛(wèi)藍天和空氣質量持續(xù)改善工作政策制定提供支撐.

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源與處理

1.1.1 環(huán)境空氣質量數(shù)據(jù) 所用數(shù)據(jù)包括二氧化氮(NO2)、二氧化硫(SO2)、細顆粒物(PM2.5)、可吸入顆粒物(PM10)、一氧化碳(CO)和臭氧(O3)6種污染物濃度監(jiān)測數(shù)據(jù).數(shù)據(jù)來源于全國城市空氣質量實時發(fā)布平臺(http://106.37.208.233:20035/),數(shù)據(jù)起止時間為2015年1月1日～2020年12月31日.根據(jù)《環(huán)境空氣質量標準(GB3095-2012)》對數(shù)據(jù)有效性的要求,參照周明衛(wèi)等[29-30]質控方法,對黃石市5個國控環(huán)境監(jiān)測站點6種污染物的逐小時濃度監(jiān)測數(shù)據(jù)進行質量控制,剔除零值、缺測值及異常值.質控后得到的NO2、SO2、PM2.5、PM10、CO、O3日均濃度數(shù)據(jù)有效天數(shù)為2187d.在計算各季節(jié)的NO2暴露風險(*)值時,取3～5月為春季;6～8月為夏季; 9～11月為秋季;12月～次年2月為冬季.

1.1.2 醫(yī)療數(shù)據(jù) 本文使用數(shù)據(jù)包括死亡人數(shù)和住院人數(shù)的逐日病例數(shù)據(jù)(共33645例),起止時間為2015年1月1日～2020年12月31日(表1).死亡病例根據(jù)國際疾病分類標準第10版(ICD-10)對死因進行分類,整理非意外死亡、呼吸系統(tǒng)、循環(huán)系統(tǒng)逐日死亡病例;哮喘、腦卒中、急性心梗、糖尿病、腎衰竭逐日入院病例.所有疾病資料來自于鄂東醫(yī)療集團黃石市中心醫(yī)院.

1.1.3 氣象數(shù)據(jù) 本研究所用氣象資料(日均氣溫、相對濕度、風速、風向和氣壓)來源于國家氣象信息中心提供的中國地面氣候資料日值數(shù)據(jù)集(V3.0)中的國家基本氣象站黃石站(站號58407),原始數(shù)據(jù)文件已經(jīng)規(guī)范質控檢驗.

表1 2015～2020年黃石市中心醫(yī)院疾病病例分類

1.2 研究方法

1.2.1 半?yún)?shù)廣義相加模型的建立 本研究首先用SPSS19.0對每日污染物、病例及氣象要素進行統(tǒng)計描述,再用R語言4.1.1中“mgcv”包進行半?yún)?shù)廣義相加模型(GAM)定量分析.黃石市每日死亡病例與住院病例和黃石市常住人口總數(shù)相比屬于小概率事件,其分布近似于服從泊松分布,因此本研究將泊松回歸模型引入GAM中,建立模型.采用樣條平滑函數(shù)擬合非線性自變量,包括時間(time, time=1,2,3...2192)、氣溫、氣壓、相對濕度,引入星期亞元變量(dow,dow= 1-7),采用赤池信息準則(AIC)對自由度變量取值[31].空氣污染物濃度引入基本模型,擬合污染物線性模型,選取污染物當日(lag0)、lag1～lag7進行滯后分析;污染物lag0-1～lag0-7的移動平均值(lag01～lag07)進行累積滯后分析,得到污染物對疾病人數(shù)影響最大的滯后天數(shù)并按照不同性別、年齡和疾病的人群進行分層分析,確定敏感人群.具體模型如下:

式中:為非參數(shù)樣條平滑函數(shù)(smoothing spline function);dow為“星期幾效應”的變量虛擬函數(shù);time為日歷時間;Z為第日的氣象要素;為暴露-反應關系系數(shù);X為第日的NO2的濃度(或累積幾日平均濃度),μg/m3;為截距;Y為第日的病例人數(shù);(Y)為第日病例人數(shù)的期望值;df為自由度.

多污染物模型的建立:確定最優(yōu)模型后,將SO2、PM2.5、PM10、CO、O3這5種污染物引入模型,目的是檢驗單污染物模型敏感性的同時,分析多種污染物協(xié)同作用下NO2對居民健康造成的影響,由此確定研究期間影響每日病例人數(shù)的主要危險因子.

1.2.2 危險度評估 由GAM模型進行估算得到值的暴露-反應關系系數(shù),計算NO2變化Δ(10μg/ m3)時,每日死亡人數(shù)的相對危險度(RR):

根據(jù)RR計算NO2濃度每上升Δ(10μg/m3)時,死亡人數(shù)增加的百分比(ER)及其95%置信區(qū)間(CI)和住院人數(shù)增加的百分比(IP)及其95% CI:

式(5)～(6)中:SE為污染物的標準誤差;為模型NO2的暴露-反應系數(shù).

1.2.3 暴露風險(*) 由于空氣污染物主要通過呼吸進入人體從而影響人類的內科系統(tǒng),本文采用非致癌物的風險評估,其暴露風險評估模型如下:

式中:ADD為NO2經(jīng)呼吸道的日均暴露劑量,μg/ (kg·d);為NO2的質量濃度,μg/m3;ET為室外活動時間,min/d;IR為長期呼吸速率,m3/d;EF為暴露頻率, d/a;BW為體重,kg;ED為暴露持續(xù)時間,a.其中 IR長期呼吸速率、ET室外活動時間、BW體重的取值均采用《中國人群暴露參數(shù)手冊》兒童卷和成人卷[32-33]中的中部地區(qū)相關參數(shù);平均暴露時間 AT假設每人每天均有暴露, EF暴露頻率在2016年和2020年取值為366d,2015年、2017年、2018年取值為365d, ED持續(xù)暴露時間取值為6a.

式中：Δy(k+1)=y(k+1)-y(k)；Δu(k)=u(k)-u(k-1)；φ(k)——偽偏導數(shù)。

暴露風險具體計算公式為:

式中: RfD為參考劑量,μg/(kg·d);為暴露風險(下文使用NO2暴露風險*,*=×106).

RfD計算方法與ADD相同, IR、ET、EF、ED、BW、AT取值均與式(7)相同;而污染物NO2的質量濃度的取值按照世界衛(wèi)生組織(WHO)發(fā)布最新修訂《全球空氣質量標準指南(2021)》(WHO 2021AQG)中規(guī)定的空氣質量標準10μg/m3作為參考質量濃度.

2 結果與討論

2.1 黃石市NO2的時空分布

2015～2020年,黃石市NO2的年均值分別為(32.25±14.68),(30.85±11.50),(36.53±14.11),(34.55±12.36),(33.01±13.42)和(29.82±13.73)μg/m3,總體呈波動下降趨勢,但均超過WHO全球空氣質量指導值(10μg/m3).由圖1可見,NO2年內為先降后升的“U”型變化趨勢,波動周期性變化顯著.最高值出現(xiàn)在每年11月～次年1月,由于此時氣溫和氣壓較低,太陽輻射較弱,不利于污染物擴散及大氣光化學反應二次轉化,從而易導致NO2長時間存留于大氣中造成污染[34].

圖1 2015～2020年黃石市NO2的年均變化和逐年季節(jié)變化

黃石市共有5個國控環(huán)境監(jiān)測站位于下轄黃石港、西塞山、下陸、鐵山4個區(qū)內,分別為沈家營(2423A)、陳家灣(2424A)、新下陸(2425A)(2018年更名為筆架山路北, 3149A)、鐵山(2426A)、經(jīng)濟開發(fā)區(qū)(2427A).對2015～2020年各個站點NO2四季濃度進行反距離權重插值(圖2),結果顯示黃石市整體NO2濃度變化:冬季(41.87±10.05)μg/m3>春季(33.93±5.32)μg/m3>秋季(33.03±7.32)μg/m3>夏季(22.62±3.09)μg/m3.考慮風對污染物濃度變化的直接影響(傳輸及擴散).由圖2中風玫瑰圖可見黃石市春夏季主導風向主要為東南向(E、ESE、SE),而秋冬季主導風向主要為西北向(WNW、NW),四季風速絕大多數(shù)情況下均較小,對污染物的傳輸擴散影響不顯著.冬季主導風向偏西北,易受到北方的沙塵影響,加上冷季其他不利的氣象條件,導致NO2的污染最為嚴重;而夏季多降雨,濕清除作用能有效降低大氣中NO2濃度.總體來看全年中沈家營、鐵山、經(jīng)濟開發(fā)區(qū)NO2濃度略高,其變化與人類活動和生產類工業(yè)有著密不可分的聯(lián)系.經(jīng)濟開發(fā)區(qū)和沈家營站點分別位于黃石市新、老城區(qū),車流量及人流量較為密集,導致NO2容易累積;鐵山區(qū)沿線礦山分布豐富重型貨車較多,大型柴油車排放的尾氣和開采礦物的燃料排放對NO2的生成也有一定貢獻作用[35].

2.2 黃石市NO2的健康效應評估

表2 黃石市空氣污染物、病例和氣象要素的描述性分析

2.2.1 描述性分析 表2為2015～2020年黃石市空氣污染物、病例和氣象要素之間的描述性統(tǒng)計結果:年均溫度為(18.09±8.96)℃,年均風速為(1.58± 0.67)m/s,年均相對濕度為(76.75±13.74)%,年均氣壓為(1015.66±10.17)hPa,NO2年均值為(32.84±13.53) μg/m3,研究期間的NO2濃度超過WHO全球空氣質量指導值2091d(占99.8%).在此期間平均每日非意外總死亡人數(shù)為1.21例,內科疾病平均每日住院人數(shù)為14.14例.由圖3可見,NO2與SO2、PM2.5、PM10、CO之間均呈顯著性正相關,具有共線性;NO2與死亡病例和住院病例均呈正相關性;氣象要素中平均溫度、風速、相對濕度與NO2呈負相關性,氣壓與NO2呈正相關性.可以看出,在污染物對健康效應的影響中,氣象要素有著直接或間接的作用.

圖3 黃石市空氣污染物、病例和氣象要素之間的相關性分析

2.2.2 單污染物模型 利用單污染物模型討論不同滯后時間下NO2對病例的影響,ER/IP值達到最大當天稱為最佳滯后天數(shù).由圖4可知,非意外死亡、呼吸系統(tǒng)和循環(huán)系統(tǒng)ER值分別在01d、3d、1d時達到最大值,分別為1.93% (95%CI: -2.10, 6.14), 2.13% (95%CI: -6.56, 11.62), 4.82% (95%CI: -0.22, 10.02),均無統(tǒng)計學意義.

圖4 NO2濃度每升高10μg/m3引起的非意外死亡、呼吸系統(tǒng)和循環(huán)系統(tǒng)的ER值

本研究由于死亡病例樣本數(shù)量存在一定的局限性,而住院病例樣本數(shù)量為30991例,是死亡病例的11.7倍.國內外多項研究表明,NO2污染與部分內科疾病的病因有緊密聯(lián)系.NO2可侵入肺泡內的巨噬細胞,破壞肺泡,肺部組織正常功能因組織細胞受到刺激而被影響,可導致患哮喘概率增大[36-37];NO2還可激活肺部炎癥反應或直接進入血液循環(huán)對循環(huán)系統(tǒng)造成間接或直接危害[38];亦可通過引起胰島素抵抗和機體全身炎癥反應對糖尿病患者產生影響,且有概率并發(fā)糖尿病腎病,導致腎臟壞死[39-41];相關動物實驗表明,當大鼠吸入不同濃度NO2后,心臟、肝臟、腎臟、脾臟DNA都受到一定程度的損傷[42].為了進一步探究黃石市NO2的健康效應,本文對相關內科疾病(哮喘、腦卒中、急性心梗、糖尿病、腎衰竭)的住院病例進行分析、引入模型.

NO2在累計滯后05d與內科疾病每日住院人數(shù)關聯(lián)的IP值最大,由圖5所示,NO2每增加10μg/m3對應的內科疾病IP值為5.34%(95%CI:3.58,7.14),其IP值在模擬部分的lag0-lag5、lag7,lag01-lag07均通過顯著性檢驗,具有統(tǒng)計學意義(<0.001).考慮到不同修飾效應的差異,分層對性別、年齡、病種分別建模討論NO2濃度變化對不同人群的健康影響,即NO2每增加10μg/m3分別對不同性別、不同年齡、不同病種分層下內科疾病住院人數(shù)變化的影響:

對于不同性別人群,在最佳滯后時間下,男性群體內科疾病的IP為6.49%(95%CI:4.30,8.73),女性群體內科疾病的IP為3.61%(95%CI:1.01,6.28),均有統(tǒng)計學意義(<0.01).說明男性群體對于NO2的暴露更為敏感,約為女性的1.8倍.一方面,可能由于男性中吸煙比例較大,呼吸道對污染物更加敏感;另一方面,有研究表明男性社會活動性強,從事戶外勞動者比例更大,較女性暴露于環(huán)境空氣污染的機會更多、時間更久,導致其敏感度差異[43].該結論與黃橋梁等[44]的研究結果一致.

圖5 NO2濃度每升高10μg/m3引起的內科疾病總住院病例和不同分層最佳滯后IP值

對不同年齡人群而言,NO2對于內科疾病在不同年齡時期發(fā)病率的影響也有差異.文中探討的內科疾病多為慢性疾病,未成年人樣本容量有限,為避免誤差僅討論成年病例的影響.其中,18～60歲群體內科住院的IP為5.11%(95%CI:1.03,1.08),360歲群體內科住院的IP為4.18%(95%CI:1.02,1.06),IP 值均通過顯著性檢驗.武漢市一項按年齡分層探討了大氣污染物對內科疾病住院人數(shù)影響的研究也得到類似結論,亦有其他地區(qū)研究顯示老年人群體對NO2暴露更為敏感[45-46].

對于不同內科疾病,在最佳滯后時間下,呼吸系統(tǒng)疾病患者(哮喘)的IP為4.39%(95%CI:-2.27, 11.51),循環(huán)系統(tǒng)疾病患者(腦卒中、急性心梗)的IP為4.48(95%CI:1.84,7.18),糖尿病患者的IP為5.16% (95%CI:3.21,7.15),腎衰竭患者的IP為5.51%(95%CI: 2.00,9.15),除呼吸系統(tǒng)疾病患者外均有統(tǒng)計學意義.腎衰竭患者對于NO2易感度最高,部分地區(qū)研究發(fā)現(xiàn)NO2會增加慢性腎病發(fā)病風險,且暴露在較高濃度的NO2中也會提高患急性腎損傷的住院率[47-48].關于長春的研究表明[49],NO2濃度每升高1μg/m3,冠心病的住院人次在春季和冬季分別增加了0.7% 和3.3%.張璟等[50]在東營市的研究發(fā)現(xiàn),NO2濃度每升高10μg/m3,肺炎、慢性阻塞肺病、肺結核住院分別在4d、4d、0d達到最佳滯后天數(shù),相對危險度分別為1.462、1.774、1.892.天津市某區(qū)對于研究不同污染物和糖尿病發(fā)病人數(shù)相關性分析發(fā)現(xiàn)NO2濃度增加10μg/m3在03d時糖尿病的患病風險達到最高值[51].本研究觀察到NO2濃度增加而導致的部分內科疾病的住院風險最佳滯后天數(shù)為04d～07d,晚于既往文獻報道,此差異可能由于黃石市中心醫(yī)院作為當?shù)卮笮腿揍t(yī)院,部分內科疾病高發(fā)導致住院床位需求量高,可能無法即時進行入院辦理[52-53].另一方面,某些內科疾病為慢性病,患者對發(fā)病癥缺乏了解,就診不及時情況亦較普遍[54-57].由此可以看出, NO2對疾病的健康影響在我國由于不同地區(qū)的氣候、污染濃度水平、人口結構、城市規(guī)劃、以及城市醫(yī)療資源等因素的區(qū)別產生不同的效應.

2.2.3 多污染物模型 對內科疾病的NO2單污染物模型引入另外5種污染物,分別進行兩種及以上多污染物分析.多污染物的共同作用影響如表3.在多污染物模型中,分別引入SO2、PM2.5、PM10、CO、O3后對應的IP值分別為5.02%(95%CI:3.24,6.84)、5.98%(95%CI:4.24,7.75)、5.69%(95%CI:3.88,7.52)、5.65%(95%CI:3.92,7.42)和5.32%(95%CI:3.55,7.11),均有統(tǒng)計學意義(<0.001).引入SO2和O3后的模型與其單污染物模型相比較而言略有下降,引入顆粒物和CO后略有上升,可能分別存在拮抗和協(xié)同作用.但相對來說,當NO2同時納入其他污染物的一種或多種時,IP值無明顯變化,危害作用較為獨立.

表3 多污染模型下NO2每增加10μg/m3對內科疾病住院病例的影響

注:***表示<0.001.

2.3 黃石市NO2的人群暴露風險評估

根據(jù)健康效應的研究發(fā)現(xiàn),黃石地區(qū)人群戶外活動暴露在NO2之下會增加患病概率,存在一定的暴露風險.為了明確易感人群,減少暴露對人體帶來的危害,按照年齡和季節(jié)對不同性別群體的暴露風險進一步探究.將黃石市6～80歲的人群劃分為8個年齡段,分別為:6～9歲、9～12歲、12～15歲、15～18歲、18～45歲、45～60歲、60～80歲以及80+人群,通過NO2濃度數(shù)據(jù)和《中國人群暴露參數(shù)手冊》所給出的暴露參數(shù),計算出黃石市不同性別不同年齡段人群6a間的暴露風險,結果如圖6.可見各個年齡段人群的暴露風險值與NO2濃度變化趨勢一致,總體呈下降趨勢.

整體上看,未成年人群的NO2暴露風險小于成年人群,且男性和女性的暴露風險變化趨勢一致,內部不同年齡段差異較大.如圖6,年齡分層中男女性在9～12歲人群的暴露風險值最高(6a均值分別為(4.44±0.30)、(5.09±0.35)),而15～18歲人群的暴露風險值最低(6a均值分別為(3.75±0.26)、(3.67±0.25)).9～12歲人群室外活動時間(ET)較長(131min/d),而呼吸速率(IR)小(13.2m3/d)、體重(BW)較輕(36.7kg),導致健康風險較大.15～18歲人群相比于9～12歲人群, ET值減少32%, IR值增加6%, BW值增加49%,室外活動時間減少而呼吸速率和體重有所增長,健康風險值降低.而成年人群不同年齡段暴露風險差異較小,但不同性別的最值有所差異.由于男女身體新陳代謝不同,成年人中同年齡段男性呼吸量、室外活動時間、體重均高于女性.成年男性的暴露風險值在18～45歲人群中達到最高值(4.14±0.28),后隨著年齡的增長逐漸降低,并在80+年齡段降至最低(4.03±0.28).而女性中80+以上的年齡段暴露風險*最高(6a*均值(4.55± 0.31)),其次是45～60歲的中年人群(6a*均值(4.02±0.27)).80+女性的暴露風險均值為全成年人群中最大值,說明老年女性作為易感人群,更容易受到NO2的污染影響.老年人隨著年齡增長免疫系統(tǒng)退化、代謝降低、抵抗力變弱,加上本身易患一些老年基礎疾病,應盡量避免在高污染天氣出行.值得注意的是,盡管45～60歲的女性人群*暴露風險并非最高值,但該年齡段人群的ET(258min/d)和IR(15.0m3/d)在女性全人群中均為最高,所以相比于其他年齡段人群同樣更需要加強健康預防,減少暴露傷害.

圖6 2015～2020年不同年齡段人群NO2暴露風險(R*)的年變化

由圖7可見,在季節(jié)變化上男性和女性*差異不大,因此在討論中用男女性均值進行分析.不同季節(jié)的*變化呈春秋高、冬夏低的波動變化,春季(4.50±0.60)>秋季(4.38±0.58)>冬季(4.13±0.34)>夏季(2.75±0.32),與NO2濃度春冬高夏秋低的“U”型變化趨勢有較大差異.原因在于長江以南地區(qū)四季分明,冬冷夏熱,人群在春、秋季節(jié)的室外活動時間更長,暴露時間更久.因此在NO2濃度相對并不是最高的春秋季,由于較多的戶外活動時間所引起的暴露量的增加,使得人群承受的暴露風險反而較冬季更高,更需要加強防護.對于不同年齡分層,9～12歲人群同樣在各個季節(jié)都呈現(xiàn)最高的*值,6～9歲、12～15歲和15～18歲年齡段的暴露人群在各季節(jié)中的*值均較低,這主要是由于這3個年齡段的人群的呼吸速率 IR和暴露時間 ET在所有年齡段人群中也相對較小.但總體來看,不同年齡段人群在暴露風險較高的季節(jié)出行都需要加強防護,減少不必要的戶外活動來降低健康損害.

圖7 2015～2020年不同年齡段人群NO2暴露風險(R*)的季節(jié)變化

局限性聲明:本研究采用的NO2濃度僅為室外環(huán)境監(jiān)測濃度,人群的暴露途徑僅考慮了呼吸途徑,且無法排除如抽煙、體重等個體因素;醫(yī)療數(shù)據(jù)收集資料受限,部分發(fā)病患者可能于到院前就已死亡或延遲就診,結果存在一定局限性.

3 結論

3.1 2015～2020年黃石市NO2的濃度年內呈“U”型變化,春冬污染較嚴重,在人口密集區(qū)域和礦業(yè)工業(yè)區(qū)域污染濃度稍高.

3.2 單污染物模型研究表明,NO2濃度每增加10μg/m3,非意外死亡、呼吸系統(tǒng)和循環(huán)系統(tǒng)病例分別在lag01、lag3、lag1時達到最佳滯后,ER值為1.93% (95%CI:-2.10,6.14)、2.13%(95%CI:-6.56, 11.62)、4.82%(95%CI:-0.22,10.02);內科住院病例lag05時達到最佳滯后,IP值為5.34%(95%CI:3.58, 7.14),其中男性,18～60歲人群,腎衰竭患者對NO2暴露更為敏感.多污染物模型研究表明NO2對內科疾病危害作用較為獨立.

3.3 評估黃石市NO2的人群暴露風險,全年齡分層下9～12歲人群的暴露風險最大,無性別差異;而成年人群中男(女)性分別在18～45(80+)歲暴露風險最大;季節(jié)分層下全年齡人群平均暴露風險春季>秋季>冬季>夏季.

[1] 何 月,繩夢雅,雷莉萍,等.長三角地區(qū)大氣NO2和CO2濃度的時空變化及驅動因子分析[J]. 中國環(huán)境科學, 2022,42(8):3544-3553.

He Y, Sheng M Y, Lei L P, et al. Driving factors and spatio-temporal distribution NO2and CO2in the Yangtze River Delta [J]. China Environmental Science, 2022,42(8):3544-3553.

[2] 張興贏,張 鵬,張 艷,等.近10a中國對流層NO2的變化趨勢,時空分布特征及其來源解析[J]. 中國科學:D輯, 2007,37(10):131-138.

[3] 郭新彪.機動車尾氣污染的健康影響:亟待解決的重要公共衛(wèi)生問題 [J]. 環(huán)境與健康雜志, 2009,26(9):753-754.

[4] 生態(tài)環(huán)境部.中國移動源環(huán)境管理年報(2021) [R]. 北京:中國環(huán)境出版社, 2021.

Ministry of Ecological Environment. China mobile source environmental management annual report (2021) [R]. Beijing: China Environmental Press, 2021.

[5] 馬洪群,崔蓮花.大氣污染物(SO2、NO2)對中國居民健康效應影響的meta分析 [J]. 職業(yè)與健康, 2016,32(8):1038-1044.

Ma H Q, Cui L H. Meta-analysis on health effects of air pollutants (SO2and NO2) in the Chinese population [J]. Occupation and Health, 2016,32(8):1038-1044.

[6] Gamon L F, Wille U. Oxidative Damage of Biomolecules by the Environmental Pollutants NO2center dot and NO3center dot [J]. Accounts of Chemical Research, 2016,49(10):2136-2145.

[7] Amini H, Nhung N T T, Schindler C, et al. Short-term associations between daily mortality and ambient particulate matter, nitrogen dioxide, and the air quality index in a Middle Eastern megacity [J]. Environmental Pollution, 2017,254(Part B):113121.

[8] Chen R J, Yin P, Meng X, et al. Associations between ambient nitrogen dioxide and daily cause-specific mortality evidence from 272Chinese cities [J]. Epidemiology, 2018,29(4):482-489.

[9] Chiusolo M, Cadum E, Stafoggia M, et al. Short-term effects of nitrogen dioxide on mortality and susceptibility factors in 10 Italian Cities: The epiair study [J]. Environmental Health Perspectives, 2011, 119(9):1233-1238.

[10] Meng X, Liu C, Chen R J, et al. Short term associations of ambient nitrogen dioxide with daily total, cardiovascular, and respiratory mortality: multilocation analysis in 398 cities [J]. British Medical Journal, 2021,372(165):n534.

[11] 張金艷,孟海英,張桂斌,等.北京市朝陽區(qū)大氣污染與居民每日呼吸系統(tǒng)疾病死亡關系的時間序列研究 [J]. 環(huán)境與健康雜志, 2011, 28(9):788-791.

Zhang J Y, Meng H Y, Zhang G B, et al. Relationship between air pollution and daily respiratory system disease mortality in Chaoyang District, Beijing: a time-series analysis [J]. Journal of Environment and Health, 2011,28(9):788-791.

[12] 張衍糶,周脈耕,賈予平,等.天津市大氣氣態(tài)污染物與居民每日死亡關系的時間序列分析 [J]. 中華流行病學雜志, 2010,31(10):1158- 1162.

Zhang Y T, Zhou M G, Jia Y P, et al. Time-series analysis on the association between gaseous air pollutants and daily mortality in urban residents in Tianjin [J]. Chinese Journal of Epidemiology, 2010,31(10): 1158-1162.

[13] Zhao A, Chen R J, Kuang X Y, et al. Ambient air pollution and daily outpatient visits for cardiac arrhythmia in Shanghai, China [J]. Journal of Epidemiology, 2014,24(4):321-326.

[14] 歐奕含,張小玲,張 瑩,等.西安BC,PM2.5與氣溫協(xié)同對心腦血管疾病死亡的影響 [J]. 中國環(huán)境科學, 2021,41(9):4415-4425.

Ou Y H, Zhang X L, Zhang Y, et al. Influence of BC, PM2.5, temperature and their synergy on death from cardiovascular diseases in Xi'an [J]. China Environmental Science, 2021,41(9):4415-4425.

[15] 龔天宜,孫兆彬,張小玲,等.人群的自然和社會屬性分類下PM2.5對心血管疾病的影響 [J]. 中國環(huán)境科學, 2019,39(3):1289-1298.

Gong T Y, Sun Z B, Zhang X L, et al. Natural and social factor as modifiers of the effects of PM2.5on daily cardiovascular mortality in Beijing, China [J]. China Environmental Science, 2019,39(3):1289- 1298.

[16] Bell M L, Davis D L. Reassessment of the lethal London fog of 1952: novel indicators of acute and chronic consequences of acute exposure to air pollution [J]. Environmental Health Perspectives, 2001,109 (Suppl 3):389-394.

[17] Cohen A J, Brauer M, Burnett R, et al. Estimates and 25-year trends of the global burden of disease attributable to ambient air pollution: an analysis of data from the Global Burden of Diseases Study 2015 [J]. The Lancet, 2017,389(10082):1907-1918.

[18] Lin H, Guo Y F, Di Q, et al. Ambient PM2.5and stroke: effect modifiers and population attributable risk in six low- and middle-income countries [J]. Stroke, 2017,48(5):1191-1197.

[19] Xu X, Wang G B, Chen N, et al. Long-Term exposure to air pollution and increased risk of membranous nephropathy in China [J]. Journal of the American Society of Nephrology, 2016,27(12):3739-3746.

[20] 石 琴,鄭 山,朱文芝,等.NO2對高血壓患者血壓和脈壓的短期影響 [J]. 中國環(huán)境科學, 2020,40(8):3627-3635.

Shi Q, Zhen S, Zhu W Z, et al. The short-term effects of NO2on blood pressure and pulse pressure in patients with hypertension [J]. China Environmental Science, 2020,40(8):3627-3635.

[21] Rao X Q, Patel P, Puett R, et al. Air Pollution as a Risk Factor for Type 2Diabetes [J]. Toxicological Sciences, 2015,143(2):231-241.

[22] 張鈺娟,薛鳳霞,白志鵬.時間調整土地利用回歸模型用于孕期空氣污染暴露評估的研究進展 [J]. 中華預防醫(yī)學雜志, 2017,51(3): 265-276.

Zhang Y J, Xue F X, Bai Z P. Applying temporally-adjusted land use regression models to estimate ambient air pollution exposure during pregnancy [J]. Chinese Journal of Preventive Medicine, 2017,51(3): 265-276.

[23] 馮春莉,李潤奎.基于土地利用回歸模型的北京市2013～2019年大氣污染時空變化分析 [J]. 環(huán)境科學學報, 2021,41(4):1231-1238.

Feng C L, Lin R K. Spatiotemporal variation analysis of air pollution from 2013 to 2019 in Beijing based on land use regression model [J]. Acta Scientiae Circumstantiae, 2021,41(4):1231-1238.

[24] 馬建初,趙時真,莫揚之,等.土地利用回歸模型在大氣污染物中的應用進展 [J]. 環(huán)境科學與技術, 2020,43(S02):125-133.

Ma J C, Zhao S Z, Mo Y Z, et al. Application progress of land use regression models on atmospheric pollutants [J]. Environmental Science and Technology, 2020,43(S02):125-133.

[25] 鄒雨軒,吳志峰,曹 崢.耦合土地利用回歸與人口加權模型的PM2.5暴露風險評估 [J]. 地球信息科學學報, 2019,21(7):1018-1028.

Zhou Y X, Wu Z F, Cao Z. Assessing PM2.5exposure risk by coupling land use regression model and population weighted model [J]. Journal of Geo-information Science, 2019,21(7):1018-1028.

[26] 張?zhí)煸?沈楠馳,趙 雪,等.2015～2019年成渝城市群臭氧濃度時空變化特征及人口暴露風險評價 [J]. 環(huán)境科學學報, 2021,41(10): 4188-4199.

Zhang T Y, Shen N C, Zhao X, et al. Spatiotemporal variation characteristics of ozone and its population exposure risk assessment in Chengdu-Chongqing urban agglomeration during 2015 to 2019 [J]. Acta Scientiae Circumstantiae, 2021,41(10):4188-4199.

[27] 陳 曦,崔陽陽,劉 杰,等.火化車間VOCs排放特征、臭氧生成潛勢及暴露風險評價 [J]. 環(huán)境科學學報, 2022,42(8):109-116.

Chen X, Cui Y Y, Liu J, et al. VOCs emission characteristics, ozone formation potential and exposure risk assessment in cremation workshop [J]. Acta Scientiae Circumstantiae, 2022,42(8):109-116.

[28] 張一恒.工業(yè)發(fā)展作用下的黃石城市形態(tài)演變研究 [D]. 武漢:武漢理工大學, 2013.

Zhang Y H. Research on urban form evolution of Huangshi under the effect of industrial development [D]. Wuhan: Wuhan University of Technology, 2013.

[29] 周明衛(wèi),康 平,汪可可,等.2016～2018年中國城市臭氧濃度時空聚集變化規(guī)律 [J]. 中國環(huán)境科學, 2020,40(5):1963-1974.

Zhou M W, Kang P, Wang K K, et al. The spatio-temporal aggregation pattern of ozone concentration in China from 2016 to 2018 [J]. China Environmental Science, 2020,40(5):1963-1974.

[30] 汪可可,康 平,周明衛(wèi),等.四川盆地臭氧濃度空間分異及驅動因子研究 [J]. 中國環(huán)境科學, 2020,40(6):2361-2370.

Wang K K, Kang P, Zhou M W, et al. Spatial differentiation and driving factors of ozone concentration in Sichuan Basin [J]. China Environmental Science, 2020,40(6):2361-2370.

[31] Peng R D, Dominici F, Louis T A. Model choice in time series studies of air pollution and mortality [J]. Journal of the Royal Statistical Society Series A, 2006,169(2):179-203.

[32] 環(huán)境保護部.中國人群暴露參數(shù)手冊(成人卷) [M]. 北京:中國環(huán)境出版社, 2013:12-763.

Ministry of Environmental Protection. Handbook of population exposure parameters in China (adult volume) [M]. Beijing: China Environment Press, 2013:12-763.

[33] 環(huán)境保護部.中國人群暴露參數(shù)手冊(兒童卷) [M]. 北京:中國環(huán)境出版社, 2016:12-866.

Ministry of Environmental Protection. Handbook of population exposure parameters in China (children's volume) [M]. Beijing: China Environment Press, 2016:12-866.

[34] 楊光飛,李思茵,李文麗.中國城市二氧化氮濃度的時空分布特征 [J]. 環(huán)境科學與技術, 2019,42(S02):200-206.

Yang G F, Li S Y, Li W L. Spatial and temporal distribution characteristics of nitrogen dioxide concentration in Chinese cities [J]. Environmental Science & Technology, 2019,42(S02):200-206.

[35] 韓培光,李偉東,彭小桂,等.黃石市現(xiàn)代典型礦業(yè)遺跡基本特征及開發(fā)建議 [J]. 資源環(huán)境與工程, 2008,22(3):377-386.

Han P G, Li W D, Peng X G, et al. Basic Characteristics and Development Suggestions of Modern Typical Mining Heritages in Huangshi City [J]. Resources Environment & Engineering, 2008,22(3): 377-386.

[36] 劉 勇,蘆 茜,黃志軍,等.大氣污染物對人體健康影響的研究 [J]. 中國現(xiàn)代醫(yī)學雜志, 2011,21(1):87-91.

Liu Y, Lu Q, Huang Z J, et al. Air pollution and its health impact [J]. China Journal of Modern Medicine, 2011,21(1):87-91.

[37] Zhu N, Li H Y, Han M, et al. Environmental nitrogen dioxide (NO2) exposure influences development and progression of ischemic stroke [J]. Toxicology Letters, 2012,214(2):120-130.

[38] Brook R D, Franklin B, Cascio W, et al. Air pollution and cardiovascular disease: a statement for healthcare professionals from the expert panel on population and prevention science of the american heart association [J]. Circulation, 2004,109(21):2655- 2671.

[39] Sun Q H, Yue P, Deiuliis J A, et al. Ambient Air Pollution Exaggerates Adipose Inflammation and Insulin Resistance in a Mouse Model of Diet-Induced Obesity [J]. Circulation, 2009,119(4):538-546.

[40] 代 甜,王敏珍,靳亞飛,等.大氣SO2和NO2對2型糖尿病發(fā)病影響的隊列研究 [J]. 蘭州大學學報(醫(yī)學版), 2021,47(3):51-57.

Dai T, Wang M Z, Jin Y F, et al. Long-term exposure to SO2, NO2and incidence of type 2 diabetes mellitus: a cohort study [J]. Journal of Lanzhou University (Medical Sciences), 2021,47(3):51-57.

[41] 王永勝,楊麗霞,程 濤,等.糖尿病腎病的炎癥致病機制與中藥防治 [J]. 中國實驗方劑學雜志, 2018,24(2):200-207.

Wang Y S, Yang L X, Cheng T, et al. Pathogenic mechanism of inflammation and TCM intervention of diabetic nephropathy [J]. Chinese Journal of Experimental Traditional Medical Formulae, 2018, 24(2):200-207.

[42] 郭 振.二氧化氮(NO2)吸入暴露對大鼠不同臟器DNA損傷研究[D]. 太原:山西大學, 2012.

Guo Z. DNA damage in different tissues from rat induced by NO2inhalation [D]. Taiyuan: Shanxi University, 2012.

[43] 丁 鑫.空氣質量惡化對戶外勞動者工作時間影響研究[D]. 武漢:中南財經(jīng)政法大學, 2020.

Ding X. The effect of air quality deterioration on working hours of outdoor workers [D]. Wuhan:Zhongnan University of Economics and Law, 2020.

[44] 黃橋梁,王臨池.蘇州市居民呼吸系統(tǒng)疾病死亡與大氣二氧化氮的相關性研究 [J]. 中國初級衛(wèi)生保健, 2017,31(5):52-54.

Huang Q L, Wang L Y. Correlation study on respiratory disease deaths and nitrogen dioxide in the atmosphere for residents in Suzhou [J]. Chinese Primary Health Care, 2017,31(5):52-54.

[45] 王曉瑩.武漢市大氣污染對呼吸和心血管疾病日住院人數(shù)的影響 [D]. 武漢:華中科技大學, 2017.

Wang X Y. The effects of air pollution on daily respiratory and cardiovascular diseases hospital admissions in Wuhan [D]. Wuhan: Huazhong University of Science and Technology, 2017.

[46] 朱嬡嬡,李士雪,吳 敏,等.濟南市365歲老人身體健康狀況及影響因素分析 [J]. 中國公共衛(wèi)生, 2011,27(4):433-435.

Zhu Y Y, Li S X, Wu M, et al. Physical health status and its influential factors among the elderly365years old in Ji'nan city [J]. Chinese Journal of Public Health, 2011,27(4):433-435.

[47] 劉書馨,肖 佳,何昕暉,等.空氣污染與慢性腎病關系的研究進展 [J]. 公共衛(wèi)生與預防醫(yī)學, 2020,31(3):117-121.

Liu S X, Xiao J, He X H, et al. Research progress on the relationship between air pollution and chronic kidney disease [J]. Journal of Public Health and Preventive Medicine, 2020,31(3):117-121.

[48] He P H, Chen R X, Zhou L P, et al. Higher ambient nitrogen dioxide is associated with an elevated risk of hospital-acquired acute kidney injury [J]. Clinical Kidney Journal, 2022,15(1):95-100.

[49] 張釗銘,劉玟彤,周麗婷,等.長春市大氣污染與冠心病住院人次的關聯(lián)性 [J]. 中國老年學雜志, 2020,40(7):1345-1349.

Zhang Z M, Liu W T, Zhou L T, et al. Study on the correlation between air pollution and hospitalization of coronary heart disease in Changchun city [J]. Chinese Journal of Gerontology, 2020,40(7): 1345-1349.

[50] 張 璟,鄧 豪,段雯華,等.大氣污染物對呼吸系統(tǒng)疾病入院影響的病例交叉研究 [J]. 中國熱帶醫(yī)學, 2020,20(6):519-522.

Zhang J, Deng H, Duan W H, et al. A case-crossover study on air pollutants and hospital admission for respiratory diseases [J]. China Tropical Medicine 2020,20(6):519-522.

[51] 張經(jīng)緯,侯常春,王 淼,等.大氣污染物與氣溫對2型糖尿病發(fā)病的交互作用研究 [J]. 環(huán)境與健康雜志, 2020,37(8):678-683.

Zhang J W, Hou C C, Wang M, et al. Interaction between temperature and air pollutants on incidence of type 2diabetes [J]. Journal of Environment and Health, 2020,37(8):678-683.

[52] 齊俊鋒,李俊琳,祝淑珍,等.湖北省6市縣35～75歲居民心血管病危險因素聚集情況分析 [J]. 現(xiàn)代預防醫(yī)學, 2019,46(9):1627-1630.

Qi J F, Li J L, Zhu S Z, et al. Clustering status and risk factors of cardiovascular disease among urban and rural residents aged 35-75years,Hubei [J]. Modern Preventive Medicine, 2019,46(9): 1627-1630.

[53] 陳上騫,王絢璇,周尚成,等.湖北省10個縣慢性疾病流行病學調查及相關因素分析 [J]. 醫(yī)學與社會, 2012,25(5):24-26.

Chen S Q, Wang X X, Zhou S C, et al. Analyze on Chronic Disease Epidemiology and Related Factors in 10counties of Hubei Province [J]. Medicine and Society, 2012,25(5):24-26.

[54] 鄒 浩,姜東旭,張琳琳.慢性病患者就醫(yī)延遲評估工具及影響因素的研究進展 [J]. 中國全科醫(yī)學, 2022,25(7):893-897.

Zhou H, Jiang D X, Zhang L L. Recent advances in evaluation tools and associated factors for patient delay in chronic disease patients [J]. Chinese General Practice, 2022,25(7):893-897.

[55] 馬 煜,杜 昕,鄧亞麗,等.陜西省2015～2019年學生肺結核患者就診延遲影響因素分析 [J]. 中國學校衛(wèi)生, 2021,42(4):615-618.

Ma Y, Du X, Deng Y L, et al. Factors influencing the delay of seeking medical treatment among students with tuberculosis in Shaanxi Province from 2015 to 2019 [J]. Chinese Journal of School Health, 2021,42(4):615-618.

[56] 喻惠丹.心肌梗死患者就醫(yī)延遲相關因素的探討 [D]. 武漢:武漢大學, 2013.

Yu H D. Factors related to pre-hospital delay in Chinese patients with Acute Myocardial Infarction(AMI) [D]. Wuhan:Wuhan University, 2013.

[57] 姜宗良,王海播,王語嫣,等.慢性阻塞性肺疾病急性發(fā)作期患者就醫(yī)延遲行為的現(xiàn)象學研究 [J]. 中國全科醫(yī)學, 2020,23(27):3396- 3401.

Jiang Z L, Wang H B, Wang Y Y, et al. A phenomenology study on medical delay in patients with acute exacerbation of COPD [J]. Chinese General Practice, 2020,23(27):3396-3401.

Health effects and population exposure risk of nitrogen dioxide in Huangshi City.

WANG Ke-yi1, KANG Ping1,2*, OU Yi-han1, ZHANG Xiao-ling1,2, WANG Ke-ke3, WANG An-yi1, FENG Hao-peng1, WANG Jiu-sheng4

(1.Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China；2.Chengdu Plain Urban Meteorology and Environment Observation and Research Station of Sichuan Province, Chengdu 610225, China；3.College of Resource and Environment, Chengdu University of Information Technology, Chengdu 610225, China；4.Huangshi Central Hospital, Edong Healthcare Group, Huangshi 435000, China.), 2023,43(1)：383～393

In order to reveal the characteristics of health effects and population exposure risk of nitrogen dioxide (NO2) in Huangshi City, NO2concentration, non-accidental deaths, daily deaths from respiratory and circulatory diseases, daily hospitalizations for medical diseases, and meteorological elements in Huangshi city from 2015 to 2020 were collected.Based on these data, the spatial and temporal variation of NO2was explored, the effect of NO2on the number of fatal cases and internal medicine hospitalizations was quantitatively evaluated by using a semi-parametric generalized additive model (GAM), and the exposure risk (*) of residents was evaluated. The intra-annual variation of NO2concentration in Huangshi was "U" shaped, with more serious pollution in spring and winter, and slightly higher NO2concentration in densely populated and industrial areas.At the optimal lag time, with each 10μg/m3increase in NO2concentration, the number of deaths in non-accidental, respiratory, and circulatory cases reached the maximum at lag01, lag3, lag1, with percentage increase (ER) values of 1.93% (95%CI: -2.10, 6.14), 2.13%, (95%CI: -6.56, 11.62), 4.82% (95%CI: -0.22, 10.02), respectively. The number of daily hospitalizations for internal medical diseases reached the maximum at lag05 with a percentage increase (IP) value of 5.34% (95% CI: 3.58, 7.14).Focus on the gender attributes of hospitalized cases, the male group was more sensitive to NO2exposure; Focus on age attributes, the 18～60 years group was more sensitive to NO2exposure; Focus on medical disease attributes, patients with renal failure were more sensitive to NO2exposure.Assess the population exposure risk of NO2, the highest* was found for adolescents in the age group of 9～12 years. The adult population had the highest* for males in the 18～45 age group and the highest* for females in the 80+ age group. The seasonal ranking of the mean* for all age groups was spring > autumn > winter > summer.

Huangshi City；NO2concentration；GAM；health effects；exposure risk

X503.1

A

1000-6923(2023)01-0383-11

王柯懿(1996-),女,湖北省黃石人,成都信息工程大學研究生.主要從事大氣環(huán)境相關研究.發(fā)表1篇論文.

2022-05-06

國家重點研發(fā)計劃項目(2016YFA0602004);國家外國專家項目(G2021036001);成都市科技計劃項目(2019-YF05-00718-SN)

* 責任作者, 講師, kangping@cuit.edu.cn