氣候變化對人類健康的影響

氣候變化對人類健康的影響

0氣候變化的危害人類健康水平是自然環(huán)境、社會環(huán)境、物質(zhì)生活水平和公共福利水平的綜合反映。人類健康是氣候變化對生態(tài)系統(tǒng)、生物過程、自然和社會經(jīng)濟環(huán)境影響的重要綜合指標。人類健康在很大程度上取決于良好的環(huán)境,環(huán)境退化會導致人體的不健康。氣候變化、人類活動造成的氣候變暖、大氣污染、水污染或水資源供給不足以及糧食短缺和營養(yǎng)不良都對人類健康造成威脅。全球氣候變暖給人類的健康所帶來的直接危害主要表現(xiàn)在生態(tài)系統(tǒng)的改變,影響疾病的分布和發(fā)病。全球氣候變暖會使病菌的傳播范圍擴大,病菌的繁殖速度加快,再加上全球范圍的人口流動將會增加病菌、病毒的傳播幾率。溫克剛等人的研究表明,氣候變化影響人類健康是負面影響超過正面影響。氣候變化對人類健康主要的直接影響是極端高溫產(chǎn)生的熱效應(yīng)。全球氣候變暖的氣候變化可能伴隨著熱浪頻率和強度的增加,由于城市特定的下墊面類型、人口稠密等,產(chǎn)生城市“熱島效應(yīng)”,市區(qū)氣溫不僅高且持續(xù)時間長,而炎熱強度及持續(xù)時間比之瞬時最高溫度對人類健康與死亡率有更大影響。在本研究中重點對熱效應(yīng)對人群死亡的影響以及人群死亡對氣候變化的敏感性進行分析,并對未來氣候變化對人群死亡的影響進行了定量評估。1最優(yōu)算子回歸利用北京心肺血管疾病研究所提供的1994～2000年北京四個城區(qū)(東城、西城、崇文、宣武)、近郊區(qū)(海淀、朝陽)、遠郊區(qū)(房山)的七個監(jiān)測點,以25～74歲人群為監(jiān)測對象的25余萬居民中全死因死亡事件監(jiān)測數(shù)據(jù)、同期北京觀象臺的逐日氣象觀測數(shù)據(jù)、以及由北京市氣候中心整編的北京地區(qū)月平均氣候資料。人群全死因死亡主要包括:腫瘤、心臟病、腦血管、肺炎、支氣管炎、肝病、腎病、傳染病、糖尿病、消化道出血、意外死亡等。在建立預(yù)測評估模型時,我們選擇了最優(yōu)子集回歸方法。最優(yōu)子集回歸是在多個自變量(xi)中利用雙評分準則(CoupleScoreCriterion,CSC),兼顧趨勢和數(shù)量,在權(quán)衡趨勢度量和數(shù)量誤差同時達到最優(yōu)時選定模型的維度。預(yù)報變量y,設(shè)有k個預(yù)報因子x1、x2、x3、……、xky=β1x1+β2x2+??+βkxk+εy=β1x1+β2x2+??+βkxk+ε這樣可以建立2k個子集回歸方程,從k個自變量中利用雙評分準則選出回歸效果最好的,就是最優(yōu)子集回歸。數(shù)量誤差為精評分S1,趨勢誤差為粗評分S2,設(shè)k為任一子集回歸中自變量個數(shù),雙評分準則CSCk由這兩者構(gòu)成,即CSCk=S1+S2其中:S1=(n?k)R2=(n?k)(1?QkQy)S1=(n-k)R2=(n-k)(1-QkQy)式中Qk、Qy、R分別為回歸模型的殘差平方和、總離差平方和、復相關(guān)系數(shù)。Qy=1n∑i=1n(y1?yˉ)2Qy=1n∑i=1n(y1-yˉ)2S2=2I=2[∑i=11∑j=11nijlnnij+nlnn?(∑i=11ni.lnni.+∑j=11)n.jlnn.j)]S2=2Ι=2[∑i=11∑j=11nijlnnij+nlnn-(∑i=11ni.lnni.+∑j=11)n.jlnn.j)]式中I為預(yù)報趨勢類別數(shù);nij為i類事件與j類估計事件的列聯(lián)表中的個數(shù),其中n.j=∑i=11nij；ni.=∑j=11nijn.j=∑i=11nij；ni.=∑j=11nij以CSCk達到最大為準則選擇最優(yōu)子集回歸。2人群死亡事件數(shù)與夏季熱時溫度的關(guān)系在天氣與氣候的諸多要素中,氣溫是對死亡率產(chǎn)生影響的主要因素。健康的人體具有有效的熱調(diào)節(jié)功能,可以保證人體對熱應(yīng)激做出有效的適應(yīng)性反應(yīng)。在某一有限的環(huán)境溫度范圍內(nèi),人體可通過適當?shù)臏囟日{(diào)節(jié)反應(yīng)來保持機體的舒適性。但當溫度變化超出一定的冷熱限值時,疾病發(fā)病和死亡的危險就會增加。一些極端天氣現(xiàn)象如夏季的熱浪和冬季的寒潮出現(xiàn)后,人群的逐日死亡人數(shù)都會有所增加。研究發(fā)現(xiàn),死亡與氣溫度之間的關(guān)系曲線呈“V”形分布,存在一個對應(yīng)最低死亡率的最佳溫度。譚冠日研究上海熱日(>34℃)日數(shù)與夏季總死亡數(shù)的序列相關(guān)系數(shù)達0.96,熱日超額死亡數(shù)占夏季總死亡數(shù)的4.2%。另一項對心腦血管疾病死亡病例的分析結(jié)果表明,夏季月平均氣溫與死亡率呈正相關(guān),中年組相關(guān)性不顯著,而老年組(65歲以上)相關(guān)性顯著,相關(guān)系數(shù)為0.46(P<0.05),說明患心腦血管疾病的老年人更易受到夏季高溫的影響而死亡。我們在分析北京地區(qū)人群死亡事件數(shù)與氣溫的關(guān)系時,對日平均、日最低、最高氣溫與日人群全死因死亡事件數(shù)的關(guān)系進行分析,得出日平均、最低、最高氣溫與當日人群全死因死亡事件數(shù)最大值的分布關(guān)系圖(圖1、圖2、圖3)?？梢钥闯?在夏季當日最低氣溫、日平均溫度、日最高氣溫分別升高到23℃、30℃、37℃以上時,人群死亡事件數(shù)會顯著增加。在冬季當日最低氣溫、日平均溫度、日最高氣溫分別低于-6℃、-4℃、1℃時,人群死亡事件數(shù)陡然增加。與譚冠日研究的上海、廣州的“熱日”結(jié)果相類似,北京的人群死亡事件數(shù)有“熱日”和“冷日”現(xiàn)象。文獻的研究中把這種高于(或低于)某一溫度的閾值分別稱為“熱閾”(或“冷閾”)。在圖中可以明顯地看出冬季低溫死亡事件數(shù)顯著增加的現(xiàn)象比夏季的高溫死亡事件數(shù)顯著增加的現(xiàn)象更加突出的特點,也就是說北京冬季“冷閾”對人群死亡事件數(shù)增加的影響要比夏季“熱閾”對人群死亡事件數(shù)增加的影響更為明顯。說明在北京人群死亡事件數(shù)增加受冬季寒冷的影響要比受夏季高溫的影響要明顯的多。3北京冷季加熱度積分指標中最低氣溫的相關(guān)性分析結(jié)果見表1計算1994～2000年月氣候因子與全死因事件數(shù)的相關(guān)系數(shù)(r≥0.283時,通過0.01的信度檢驗)(表1),得出:全死因與加熱度日積溫(HeatingDegreeDays)、平均最高氣溫、平均最低氣溫的相關(guān)性最好,均呈負相關(guān),相關(guān)系數(shù)分別達到-0.604、-0.462、-0.461,尤其是全死因事件數(shù)與冷季的加熱度日積溫的相關(guān)系數(shù)最大,說明了北京冷季的加熱度日積溫越低、氣溫越低人群死亡數(shù)越多,北京人群死亡事件數(shù)的增加受冬季寒冷的影響要比受夏季高溫的影響要明顯得多的特點。這一結(jié)論與前面的極端氣溫對死亡的影響的閾值分析結(jié)果相一致。加熱度日積溫(HeatingDegreeDays)、冷卻度日積溫(CoolingDegreeDays)分別定義為:氣溫低于18℃(或高于18℃)的氣溫值的累計值。4月平均氣水壓hpa選取的因子為:X1:月平均氣溫(0.1℃);X2:月平均最高氣溫(0.1℃);X3:月平均最低氣溫(0.1℃);X4:月降水量(0.1mm);X5:月平均風速;X6:月總輻射;X7:月蒸發(fā)量;X8:月總輻射;X9:月平均相對濕度(%);X10:月平均氣壓(hPa);Y:北京人群月全死因事件數(shù);序列長度(1995年1月～2000年12月)n=84,因子數(shù)m=12。利用最優(yōu)子集建立預(yù)測評估模型為:Y=51.953-0.161X1+0.170X2-0.102X3式中X1為月平均氣溫(0.1℃);X2為月平均最高氣溫(0.1℃);X3為月平均最低氣溫(0.1℃)。偏差平方和=19434.88,回歸平方和=5594.73,殘差平方和=13840.15,復相關(guān)系數(shù)=0.54雙評分:S1=16.00,S2=23.32,CSC=39.32經(jīng)計算觀測值與擬合值的均方根誤差為RMSE=12.84,并對觀測值與擬合值進行比較(圖4),得出,人群死亡數(shù)月預(yù)測模型的預(yù)報誤差較小,可對人群死亡事件數(shù)進行較準確的預(yù)報。5未來氣候變化對人類死亡的影響評估5.1象臺841根據(jù)前面的分析對影響人群死亡事件數(shù)的“冷閾”定義為:北京觀象臺(54511)日平均氣溫≤-4℃,日最低氣溫≤-6℃、日最高氣溫≤1℃;對影響人群死亡事件數(shù)的“熱閾”定義為:北京觀象臺(54511)日平均氣溫≥30℃,日最高氣溫≥37℃。5.2冷閾”短期波動減少,“熱閾”增多分析北京觀象臺(54511)1951～2003年以來的日平均氣溫≤-4℃和日平均氣溫≥30℃的日數(shù)年變化曲線可以看出(圖5、圖6),針對人群死亡的“冷閾”日數(shù)呈明顯的波動減少的趨勢,其線性變率為-5.5d/10a?！盁衢摗比諗?shù)為增多趨勢,其線性變率為0.7d/10a?？擅黠@看出“冷閾”日數(shù)的減少趨勢遠大于“熱閾”日數(shù)的增多趨勢。由前面的分析可知,北京冬季“冷閾”對人群死亡增加的影響要比夏季“熱閾”對人群死亡增加的影響要明顯得多。如果影響人群死亡的“冷閾”日數(shù)和“熱閾”日數(shù)按現(xiàn)在的線性變率變化,北京冬季“冷閾”日數(shù)的明顯減少趨勢,可能伴隨冬季人群死亡事件數(shù)的減少明顯于夏季人群死亡事件數(shù)的增加。5.3b、將結(jié)合特點的城市人群全死因預(yù)測模型,基于當事人目前存在的低碳預(yù)測評估模型中的變量采用國家氣候中心計算的澳大利亞聯(lián)邦科學與工業(yè)研究組織大氣研究所的全球海氣耦合模式(CSIRO),大氣模式分辨率為R21/L9,海洋模式分辨率為R21/L21的A2、B2情景的預(yù)測結(jié)果。IPCC排放情景的特別報告提出了4個新的排放方案,4個情景方案分別為:A1情景,假定全球性合作,迅速使用高新技術(shù),全球人口趨于穩(wěn)定;A2情景,反映區(qū)域性合作,對新技術(shù)的適應(yīng)較慢,人口繼續(xù)增長;B1情景,方案假定生態(tài)環(huán)境得到改善,全球人口趨于穩(wěn)定;B2情景,假定生態(tài)環(huán)境的改善具有區(qū)域性。我們選取了A2、B2排放情景下的氣候變化,對北京未來城市人群死亡的影響進行評估。21世紀中國地區(qū)的年平均溫度同樣呈增加趨勢,且增加的幅度比全球和東亞地區(qū)的都大。分析氣候模式在A2、B2情景下對北京的溫度預(yù)測結(jié)果,A2情景下預(yù)測的經(jīng)訂正的北京地區(qū)的平均氣溫(Taev)、最高氣溫(Tmax)、最低氣溫(Tmin)的線性變率分別為:0.19℃/10a、0.17℃/10a、0.23℃/10a。B2情景下預(yù)測的平均氣溫(Taev)、最高氣溫(Tmax)、最低氣溫(Tmin)的線性變率分別為:0.25℃/10a、0.28℃/10a、0.29℃/10a。結(jié)果表明B2情景下的氣溫上升比A2情景下的氣溫上升要明顯。利用建立的城市人群全死因預(yù)測評估模型,對2010、2020、2030、2040、2050年的人群全死因數(shù)進行預(yù)測評估(表2)。根據(jù)預(yù)測評估模型計算出A2、B2排放情景下的氣候變化對未來冬季、夏季的北京人群全死因事件數(shù)的預(yù)測結(jié)果(表2)的比較可看出,排放方案不同,北京城市的人群死亡事件數(shù)也有所不同。在A2排放情景下的氣候變化使得北京城市冬季的人群死亡事件數(shù)呈增多趨勢,夏季呈減少趨勢,夏季的減少趨勢要明顯于冬季的增多趨勢。從B2排放情景的氣候變化(A2情景為較高的溫室氣體排放,B2情景為中低水平的溫室氣體排放)使得北京城市冬季人群死亡人數(shù)呈減少的趨勢,而夏季變化趨勢不明顯。6人群全死因事件數(shù)預(yù)測結(jié)果(1)分析北京地區(qū)人群死亡事件數(shù)與氣溫的關(guān)系得出:在夏季當日最低氣溫、日平均溫度、日最高氣溫分別升高到23℃、30℃、37℃以上時,人群死亡事件數(shù)會顯著增加。在冬季當日最低氣溫、日平均溫度、日最高氣溫分別低于-6℃、-4℃、1℃時,人群死亡事件數(shù)陡然增加。冬季低溫死亡事件數(shù)顯著增加的現(xiàn)象比夏季的高溫死亡事件數(shù)顯著增加的現(xiàn)象更加突出。(2)計算1994～2000年月氣候因子與全死因事件數(shù)的相關(guān)系數(shù)得出:全死因與加熱度日積溫(HeatingDegreeDays)、平均最高氣溫、平均最低氣溫的相關(guān)性最好,均呈負相關(guān),相關(guān)系數(shù)分別達到-0.604、-0.462、-0.461(r≥0.283時,通過0.01的信度檢驗),尤其是全死因事件數(shù)與冷季的加熱度日積溫的相關(guān)系數(shù)最大,說明了北京冷季的加熱度日積溫越低、氣溫越低人群死亡數(shù)越多的特點。(3)分析北京針對人群死亡的“冷閾”日數(shù)呈明顯的波動減少的趨勢,其線性變率為-5.5d/