高溫?zé)崂藢用袼劳鲇绊懙陌雲(yún)?shù)廣義相關(guān)系數(shù)模型

高溫?zé)崂藢用袼劳鲇绊懙陌雲(yún)?shù)廣義相關(guān)系數(shù)模型

隨著世界氣候惡化，中國夏季炎熱日的發(fā)生頻率將提高。聯(lián)合國政府間氣候變化專業(yè)委員會（picc）宣布，在過去幾十年中，地球最高溫度和一天的溫度顯著增加，這是世界上最常見的熱浪事件之一。國外研究認(rèn)為,高溫?zé)崂说陌l(fā)生與城市居民的每日死亡數(shù)聯(lián)系緊密。在2003年的歐洲熱浪期間,超額死亡人數(shù)較往年大幅提高,法國8月1—20日的超額死亡人數(shù)達到15000人。在描述熱浪與每日居民死亡數(shù)的關(guān)系時,存在一個“適宜溫度”。當(dāng)溫度處在“適宜溫度”時,每日居民死亡數(shù)處于最低值。當(dāng)溫度超過(或低于)“適宜溫度”的時候,每日居民死亡數(shù)將緩慢增長。筆者通過對2005—2007年一沿海城市某中心城區(qū)全死因死亡資料、氣象資料以及空氣污染指數(shù)資料的分析,探討高溫?zé)崂藢γ咳站用袼劳鰯?shù)的影響。1內(nèi)容和方法1.1氣象數(shù)據(jù)的變量2005—2007年的某沿海城市中心城區(qū)氣象數(shù)據(jù)來自國家氣象局科學(xué)數(shù)據(jù)共享中心。氣象數(shù)據(jù)的變量包括日最高溫度、日平均溫度、日最低溫度、相對濕度、日照時數(shù)、日平均氣壓、降雨量等。。該中心區(qū)2005—2007年逐日全死因死亡數(shù)據(jù)來自該市公安局,意外死亡以及在該市區(qū)以外地區(qū)死亡的數(shù)據(jù)被排除在本研究之外。1.2模型建立與分析我國氣象局規(guī)定,日最高溫度≥35℃為熱日(高溫日),日最高溫度<35℃稱為非熱日(非高溫日)。熱浪的定義目前沒有統(tǒng)一的標(biāo)準(zhǔn),世界氣象組織(WMO)建議將日最高溫度高于32℃持續(xù)3d以上的天氣過程稱為熱浪。在本研究中將熱浪定義為日最高溫度高于35℃持續(xù)3d以上的天氣過程。居民逐日死亡數(shù)據(jù)是時間序列數(shù)據(jù),數(shù)據(jù)之間存在自相關(guān),并且存在混雜。在本研究中主要考慮的混雜因素有中長期效應(yīng)、季節(jié)影響、短期趨勢(工作日效應(yīng))、空氣污染因素以及相對濕度等氣象因素的影響。根據(jù)數(shù)據(jù)資料的特點,本研究采用時間序列的半?yún)?shù)廣義相加模型(semi-parametricgeneralizedadditivemodels),使用非參數(shù)平滑(nonparametricsmoothing)對混雜因素進行控制,最大限度地控制了時間序列數(shù)據(jù)之間的自相關(guān)和減少混雜因素的影響。廣義相加模型(generalizedadditivemodels,GAM)是廣義線性模型(GLM)和相加模型的結(jié)合形式,可研究非線性應(yīng)變量與多個解釋變量之間的關(guān)系,故多采用GAM對時間序列資料進行環(huán)境因素的健康效應(yīng)研究。而每日死亡人數(shù)近似服從Poisson分布,故本研究采用log-link的GAM模型進行分析。本研究充分利用GAM的特點,非參數(shù)平滑采用的是光滑樣條(smoothingspline),平滑函數(shù)自由度(degreeoffreedom,df)采用廣義交叉確認(rèn)(GCV)準(zhǔn)則為標(biāo)準(zhǔn)進行選擇,并且使用半?yún)?shù)的形式有效地避免了計算量過大和過度擬合等問題。由于死亡人數(shù)相對于暴露人群而言是小概率時間,資料近似服從泊松分布,因此筆者構(gòu)建泊松分布的半?yún)?shù)廣義相加模型進行分析。對于日平均氣溫的滯后效應(yīng),本研究選取日平均氣溫的3個滯后日(lag1、lag2、lag3,分別表示滯后1~3d)作為觀察對象,代入模型中用于觀察氣溫對健康的短期效應(yīng)。考慮到日死亡人群的年齡對每日居民死亡有一定的影響,將平均年齡作為一個觀察項代入模型中,觀察年齡因素對每日居民死亡產(chǎn)生的影響。建立模型前先采用逐步回歸法對自變量進行選擇,以赤池信息量(AIC)作為變量取舍標(biāo)準(zhǔn),選取最有意義的自變量引入模型。分別建立2005—2007年的研究模型和2005—2007年夏季(6月—9月,3年共366d)的研究模型,研究全年和夏季日平均氣溫對每日居民死亡數(shù)產(chǎn)生的影響。建立的GAM基本模型見公式(1):式中:Yt—第t日死亡數(shù);tem—日平均氣溫;time—時間趨勢項;humid—相對濕度;DOW—星期亞元變量;f(API)—光滑樣條函數(shù),API—空氣污染指數(shù)。為了避免過擬合的現(xiàn)象,將sasgam程序的最大迭代次數(shù)修改為100次。由于廣義相加模型共曲線性的存在,對于建立的模型,筆者通過對研究變量和通過其他變量擬合所得該變量的期望值進行相關(guān)性分析,依據(jù)相關(guān)系數(shù)(r)和決定系數(shù)(R2)進行自變量共曲線性診斷。當(dāng)r絕對值大于0.5或決定系數(shù)(R2)大于0.25時,表明預(yù)測變量間存在共曲線性。通過檢驗,筆者建立的模型中共曲線性不顯著,所以沒有采取進一步措施進行處理。為了對夏日的日平均氣溫的滯后效應(yīng)進行進一步研究,筆者采用2005—2007年6—9月的數(shù)據(jù)建立分布滯后模型,以便詳細(xì)分析每一個滯后日對每日居民死亡產(chǎn)生的影響。在建立的模型中,阿爾蒙(Almon)多項式次數(shù)限制為3,滯后長度設(shè)為10。本研究中的滯后變量采用lag0~lag10,lag0表示當(dāng)日,lag1~lag10分別為滯后1~10d。死亡資料按年份(2005—2007年)搜集整理(剔除意外死亡數(shù)據(jù)),研究中半?yún)?shù)廣義相加模型和分布滯后模型均在SAS9.1中完成。本研究所有假設(shè)檢驗的檢驗水準(zhǔn)為α=0.05。2結(jié)果2.1熱浪發(fā)生情況從表1可見,2005年1月1日至2007年12月31日,觀察日數(shù)為1095d,該沿海城市中心城區(qū)平均日全死因死亡人數(shù)達到12人,空氣污染指數(shù)、日最高氣溫、平均相對濕度、平均氣壓以及日死亡人群年齡的均值(范圍值)分別為53.6(15~114),26.3℃(9.8~38.3℃),73.5%(27%~97%),101.2kPa(98.9~103kPa),71歲(47~86歲)。2005年的7月17—20日和2007年7月19—23日該市某中心城區(qū)發(fā)生了2次熱浪,在2005年熱浪發(fā)生月(7月)日平均死亡人數(shù)與夏季其他非熱浪發(fā)生月未見明顯差別,原因可能與2005年夏季熱日較為分散,沒有集中在熱浪發(fā)生月有關(guān),然而在2007年的熱浪發(fā)生月(7月)日平均死亡數(shù)與夏季其他月份死亡數(shù)差別較大,原因可能與2007年夏季的10個熱日有9個集中在熱浪發(fā)生月有關(guān)(表2)。2005年7月的日最高死亡人數(shù)在熱浪的最后一天(7月20日)出現(xiàn)(圖1),沒有觀察到熱浪的滯后效應(yīng)。在2007年的7月發(fā)生的熱浪持續(xù)時間(5d)超過了2005年,可以從圖2看到,2007年7月的日最高死亡人數(shù)出現(xiàn)在熱浪結(jié)束后的第3天(7月26日),在該中心城區(qū)熱浪的短期健康效應(yīng)上可以觀察到滯后效應(yīng)。2.2日平均溫度與日死亡人群的關(guān)系通過觀察消除混雜后的日全死因死亡數(shù)與日平均溫度的LOESS函數(shù)平滑曲線(圖3),可以看到該市中心城區(qū)全死因死亡數(shù)與日平均氣溫的關(guān)系呈“V”型改變,存在一個最適宜的溫度點,當(dāng)溫度高過(或低于)這個溫度點時每日居民死亡數(shù)將會升高。低于最適宜溫度點的每日居民死亡數(shù)變化較為平緩,這可能與該市全年日平均溫度都處于零度以上有關(guān)。筆者采用逐步回歸對日平均氣溫的lag1、lag2、lag3進行篩選,代入模型中,得出lag3與日死亡數(shù)線性關(guān)系最為密切(P<0.0001)。在建立的2005—2007年半?yún)?shù)廣義相加模型中,為了觀察日死亡人數(shù)與日死亡人群的平均年齡之間的關(guān)系,筆者將日死亡人群的平均年齡作為一個變量引入模型,首先以線性變量的形式引入,發(fā)現(xiàn)平均年齡與日死亡人數(shù)之間線性關(guān)系無統(tǒng)計學(xué)意義(P>0.5),接著以光滑樣條函數(shù)的形式引入,發(fā)現(xiàn)它們之間的非線性關(guān)系有統(tǒng)計學(xué)意義(P<0.0001)。采用2005—2007年夏季資料建立起的半?yún)?shù)廣義相加模型分析夏季日平均溫度每增加1℃對每日居民死亡危險性的影響,可以得到相對危險度(RR)為1.036(95%CI:1.012~1.061),也就是隨著該市區(qū)夏季日平均溫度每提高1℃,相對危險度增加0.036。2.3熱浪對每日居民死亡數(shù)的影響某沿海城市中心區(qū)熱浪對居民健康影響的滯后效應(yīng)見圖4。由2005—2007夏季日最高溫度和每日居民死亡數(shù)建立的分布滯后模型考察每一個滯后日對每日居民死亡數(shù)的影響,可以觀察到本研究中熱浪對每日居民死亡數(shù)的短期影響主要是即時效應(yīng)(immediateshorteffect),存在于lag0和lag1(圖4),也就是隨著夏季日最高溫度每提高1℃,lag0和lag1對每日居民死亡數(shù)影響最為明顯(P<0.0001)。從圖4可以看到lag3~lag6效應(yīng)處于0以下,可以解釋為輕度的收獲效應(yīng)(harvestingeffects)。3城市濱水景觀中的環(huán)境和氣候問題該沿海城市屬于亞熱帶海洋性氣候,全年日最低氣溫一般都高于0℃,受高溫影響較為明顯,在近20年間年平均氣溫增長較為明顯,而且由于該市區(qū)屬于中心區(qū),常住人口數(shù)達到75萬人,城市建設(shè)房屋較為密集,以樓房為主,居民樓周邊綠化帶較少。夏日熱浪期間,由于城市熱島效應(yīng),室內(nèi)溫度將顯著提高,對居民健康將產(chǎn)生一定的影響。為了避免局部的熱島效應(yīng)對居民的健康產(chǎn)生不利的影響,城市規(guī)劃部門在考慮城市建設(shè)中應(yīng)該增加樓房間距,擴大綠化帶的的范圍,增加綠色樹木的種植。在本研究中,該沿海城市中心城區(qū)的全死因死亡人數(shù)與日平均溫度之間呈“V”型改變,和國外的研究結(jié)果類似。廣義相加模型(GAM)是廣義線性模型(GLM)的延伸,可研究非線性應(yīng)變量與多個解釋變量之間的關(guān)系,故多采用GAM對時間序列資料進行環(huán)境因素的