杭州市主要空氣污染物濃度與呼吸系統(tǒng)疾病的關系研究.pdf

1、本文利用杭州市2013年10月28日至2016年8月31日主要空氣污染物濃度的日均變化數(shù)據(jù)與呼吸系統(tǒng)疾病每日門診人數(shù)，旨在建立杭州市主要空氣污染物對當?shù)鼐用窠】涤绊懙年P系模型，定量評價該區(qū)域主要空氣污染物對居民呼吸系統(tǒng)疾病的影響并進行短期門診人數(shù)預測。
　　研究中收集了杭州市2013年10月28日至2016年8月31日主要空氣污染物PM2.5、PM10、NO2、SO2的日均濃度變化數(shù)據(jù)和每日最高、最低和日均氣溫，以及杭州市居民呼吸

2、系統(tǒng)疾病的日門診人數(shù)資料。本文采用時間序列的半?yún)?shù)廣義相加泊松回歸模型(GAM)，模型中引入的發(fā)病人數(shù)的長期趨勢、氣溫、周期效應等混雜因素，通過平滑樣條函數(shù)進行排除，分析杭州市主要空氣污染物與日呼吸系統(tǒng)疾病門診人數(shù)的關系及滯后效應;同時分別建立了三種預測模型對杭州市日呼吸系統(tǒng)疾病看病人數(shù)進行預測，選擇最佳預測模型。研究分析結果如下:
　　(1)2013年10月28日至2016年8月31日杭州市主要空氣污染物PM25、PM10、NO

3、2、SO2的日均濃度分別為62.25μg/m3、94.94μg/m3、46.59μg/m3、18.97μg/m3。其中，PM25、PM10、NO2年均濃度均低于國家空氣質量二級標準，SO2年均濃度符合國家一級空氣質量標準。各主要空氣污染物之間存在較強的正相關關系，平均溫度和各主要空氣污染物之間存在較強的負相關關系。
　　(2)PM25、PM10、NO2和SO2每增加一個IQR（污染物濃度四分位間距）時，即0.039μg/m3、0.

4、063μg/m3、0.023μg/m3、0.014μg/m3時，對呼吸系統(tǒng)疾病發(fā)病人數(shù)的相對危險度(RR)分別為1.030(95％CI:1.016-1.045)、1.063(95％CI:1.043-1.084)、1.053(95％CI:1.016-1.091)和1.025(95％CI:1.003-1.048)。
　　(3)杭州市主要空氣污染物對日呼吸系統(tǒng)疾病的門診人數(shù)總體上存在滯后性，不同的空氣污染物對居民呼吸系統(tǒng)疾病的健康效應影

5、響不同。主要空氣污染物PM2.5、PM10、NO2、SO2對呼吸系統(tǒng)疾病的最佳滯后天數(shù)分別為3天、2天、4天、3天。
　　(4)PM2.5、PM10、NO2和SO2每增加一個IQR（污染物濃度四分位間距）時，即0.039μg/m3、0.063μg/m3、0.023μg/m3、0.014μg/m3時，相應的呼吸系統(tǒng)疾病門診人數(shù)增加的百分比分別為3％(95％CI:1.016-1.045)、6.3％(95％CI:1.043-1.084)

6、、5.3％(95％CI:1.016-1.091)和2.5％(95％CI:1.003-1.048)。
　　(5)本文建立三種預測模型對杭州市呼吸系統(tǒng)疾病的門診人數(shù)進行了預測，這三種預測模型分別為非線性擬合預測模型，廣義相加預測模型和BP神經網絡預測模型。這三種模型分別對2016年8月1日至2016年8月31日杭州市呼吸系統(tǒng)疾病的門診人數(shù)進行預測，預測值的平均相對誤差分別為38.81％、14.91％和13.821％，均方誤差分別為11

7、.89，5.066和4.721。因此，建立BP神經網絡預測模型對呼吸系統(tǒng)疾病門診人數(shù)預測效果較好。
　　因此，杭州市空氣質量還有待提高，其中各主要空氣污染物PM25、PM10、NO2、SO2的濃度對杭州市居民的健康效應存在不同的相關性，隨著主要空氣污染物濃度的增加，相應的杭州市居民敏感性呼吸系統(tǒng)疾病的門診人數(shù)也會有增長的趨勢。
　　對此提出相關建議，杭州市政府相關部門可以制定空氣污染環(huán)保規(guī)章制度，加強空氣污染質量監(jiān)測與管理，