使用高空间分辨率数据建模与交通相关的空气污染疾病负担
Rohit Jaikumar1, Georges Bou Saab1, Haneen Khreis1,2
1Texas A&M Transportation Institute, Air Quality and Environment Division, Bryan, TX, USA.
Journal of transport & health
|March 12, 2026
概括
空间分辨率显著影响交通相关空气污染 (TRAP) 的健康估计. 高分辨率的人口数据可以降低疾病负担 (BoD) 估计,而更精细的死亡率数据可能会增加它们.
科学领域:
- 环境健康 环境健康
- 流行病学 流行病学
- 空间分析 空间分析
背景情况:
- 与交通有关的空气污染 (TRAP),特别是细颗粒物 (PM2.5),是城市地区过早死亡的主要原因.
- 准确的疾病负担 (BoD) 评估对于PM2.5健康影响评估和城市规划至关重要.
- 空间数据分辨率对TRAP归因的BoD的影响仍未得到充分研究.
研究的目的:
- 为了评估可归因于德克萨斯州达拉斯交通中的PM2.5的疾病负担 (BoD).
- 评估人口和死亡率数据的不同空间分辨率对这些BoD估计的影响.
主要方法:
- 使用旅行需求,排放和分散模型进行空气质量建模.
- 包含高分辨率 (30米) 和人口普查区级人口数据的空间分析.
- 使用县级死亡率与人口普查区级死亡率进行死亡率估计的比较.
主要成果:
- 高分辨率的人口数据与通道级数据相比,平均PM2.5暴露率和死亡率估计较低.
- 更细致的分辨率死亡率数据 (人口普查区) 导致死亡率估计高于粗略的县级数据.
- 空间分辨率显著影响TRAP相关的BoD估计.
结论:
- 人口和死亡率数据的空间分辨率极大地影响了TRAP可归因的疾病负担 (BoD) 估计.
- 占用土地的高分辨率人口数据,可以通过改进暴露评估,导致较低的BoD估计.
- 局部死亡数据与高分辨率人口数据相结合,可以通过更好地反映实际暴露和健康变化,增加BoD估计值.
