發(fā)布時(shí)間：2017-05-20 03:09

  本文關(guān)鍵詞：廣州市大氣污染、氣象與逐日人群死亡數(shù)的關(guān)系研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：背景大氣污染是全球重大的公共衛(wèi)生問題之一,對(duì)人類生活環(huán)境和健康產(chǎn)生巨大影響。和眾多發(fā)展中國家一樣,我國在經(jīng)濟(jì)高速發(fā)展的同時(shí),對(duì)大氣環(huán)境造成了一定的破壞。近年來,我國霧霾頻繁發(fā)生,人們?cè)谙硎芙?jīng)濟(jì)發(fā)展帶來的福利的同時(shí),也逐漸意識(shí)到大氣污染對(duì)其生活質(zhì)量的影響,柴靜的《穹頂之下》更是引發(fā)了公眾對(duì)于大氣環(huán)境污染的強(qiáng)烈關(guān)注和廣泛討論。目前,我國環(huán)境保護(hù)部已向大眾實(shí)時(shí)公布全國367個(gè)城市空氣質(zhì)量情況,讓公眾及時(shí)了解各地的大氣污染水平。大氣污染水平呈現(xiàn)明顯的時(shí)空分布特征,了解其時(shí)空分布特征的影響因素有助于相關(guān)部門對(duì)大氣污染水平進(jìn)行預(yù)測(cè),采取有效的大氣污染控制措施。大氣污染不僅與人類活動(dòng)有關(guān),也與其它自然環(huán)境條件緊密相聯(lián),尤其是氣象條件影響大氣污染物的擴(kuò)散和其間的化學(xué)反應(yīng)。盡管已有研究評(píng)價(jià)了氣象對(duì)某些特定大氣污染物濃度及分布的影響,然而這些研究得出的結(jié)論不盡相同,大部分研究采用的統(tǒng)計(jì)學(xué)方法不盡完善,有必要糾正這些方法學(xué)上的錯(cuò)誤,以客觀全面地揭示氣象對(duì)大氣污染的真實(shí)作用�？諝馕廴局笖�(shù)(Air Pollution Index, API)是我國政府向公眾發(fā)布實(shí)時(shí)大氣質(zhì)量狀況的指標(biāo),表示當(dāng)日三種污染物,即可吸入顆粒物(指空氣動(dòng)力學(xué)直徑≤10微米的顆粒物,又稱PM1o)、二氧化硫(S02)、二氧化氮(N02)中首要污染物的污染指數(shù)。長(zhǎng)期以來,公眾對(duì)這一指標(biāo)早已熟知,對(duì)于具體的污染物濃度反而了解甚少,故研究API的時(shí)空分布及其與氣象間的關(guān)系更具公共衛(wèi)生意義。另一方面,許多研究者開展了某些大氣污染物的人群健康效應(yīng)研究,但幾乎沒有關(guān)于API健康效應(yīng)的研究報(bào)道�？煞駪�(yīng)用API向公眾傳達(dá)大氣污染健康效應(yīng)有待驗(yàn)證。方法學(xué)方面,以往研究通常不能很好地展示大氣污染人群健康效應(yīng)的滯后特征,因而計(jì)算得出的累積效應(yīng)很有可能與大氣污染的真實(shí)效應(yīng)存在偏差,有必要采用新的統(tǒng)計(jì)學(xué)方法探究大氣污染對(duì)人群健康的滯后效應(yīng)。氣溫對(duì)人群健康有顯著影響,極端氣溫對(duì)人群健康的負(fù)面影響更不容忽視。已有研究提示,大氣污染對(duì)氣溫的人群健康效應(yīng)有修飾作用,以往研究多關(guān)注某個(gè)污染物與氣溫的對(duì)數(shù)線性交互作用。然而大量研究結(jié)果表明氣溫的人群健康效應(yīng)是對(duì)數(shù)非線性的,污染物與氣溫的交互效應(yīng)是否也是對(duì)數(shù)非線性的呢?此外,不同大氣污染水平下,氣溫效應(yīng)的滯后特征是否不同,這些問題均有待進(jìn)一步探討。方法2.1研究地點(diǎn)和數(shù)據(jù)來源本研究在我國最大的南方城市—廣州展開,廣州有完善的空氣污染監(jiān)測(cè)系統(tǒng)和完整的死亡數(shù)據(jù)庫。2001～2011年廣州市大氣污染數(shù)據(jù)來源于廣州市環(huán)境保護(hù)局官方網(wǎng)站(http://www.gzepb.gov.cn/)。本研究收集了廣州市內(nèi)七個(gè)站點(diǎn)的逐日大氣污染數(shù)據(jù),這七個(gè)站點(diǎn)分別是：廣雅中學(xué)、麓湖、天河職中幼兒園、第五中學(xué)、市環(huán)境監(jiān)測(cè)站、第86中學(xué)、廣東商學(xué)院。由于第86中學(xué)和廣東商學(xué)院兩個(gè)站點(diǎn)自2003年才啟用,故分析2001～2011年API和氣象關(guān)系時(shí)只采用前五個(gè)站點(diǎn)的數(shù)據(jù)。同期氣象數(shù)據(jù)下載自中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/home.do)。收集的氣象數(shù)據(jù)包括日平均氣溫(℃)、日最高氣溫(℃)、日最低氣溫(℃)、日平均相對(duì)濕度(%)、日最低相對(duì)濕度(%)、日平均氣壓(hpa)、日最高氣壓(hpa)、日最低氣壓(hpa)、日平均風(fēng)速(m/s)、日最大風(fēng)速(即在給定時(shí)間段內(nèi)的10分鐘平均風(fēng)速的最大值,單位：m/s)、日極大風(fēng)速(即在給定時(shí)間段內(nèi)的瞬時(shí)風(fēng)速的最大值,單位：m/s)、日降水量(mm)及日照時(shí)數(shù)(h)。2003-2011年廣州市中心城區(qū)戶籍人口的死亡數(shù)據(jù)來自廣州市疾病與預(yù)防控制中心,死亡數(shù)據(jù)包括逐日全死因死亡人數(shù)、非意外死亡人數(shù)、因心血管疾病死亡人數(shù)和因呼吸系統(tǒng)疾病死亡人數(shù)等,并按年齡、性別、教育程度等分組統(tǒng)計(jì)。2.2統(tǒng)計(jì)分析方法計(jì)算各站點(diǎn)之間去趨勢(shì)化API的Spearman相關(guān)系數(shù),以揭示API的空間分布特征。采用基于Loess方法的季節(jié)性長(zhǎng)期趨勢(shì)序列分解法(Seasonal-Trend Decomposition Procedure Based on Loess, STL)分析廣州市2001～2011年API的長(zhǎng)期趨勢(shì)和季節(jié)性特征。采用小波分析探索API與各氣象因素間的小波一致性(wavelet coherency)。通過給不同污染物(PM10、SO2、NO2)對(duì)應(yīng)的污染指數(shù)賦權(quán)構(gòu)建加權(quán)API(APIw)。采用分布滯后非線性模型(Distributed Lag Non-linear Model, DLNM)分析每日API、各污染指數(shù)和APIw與死亡人數(shù)的關(guān)系。通過比較API、各污染指數(shù)和APIw與死亡人數(shù)關(guān)系的估計(jì)值,評(píng)價(jià)可否應(yīng)用API向公眾傳達(dá)大氣污染的人群健康效應(yīng)。此外,本研究還構(gòu)建了包含API與首要污染物交互項(xiàng)的模型,采用F檢驗(yàn)判斷納入交互項(xiàng)是否能改善模型效果,以進(jìn)一步揭示首要污染物不同時(shí),API與死亡人數(shù)的關(guān)系是否相同。此外,按年齡組、性別、受教育程度和職業(yè)進(jìn)行分層分析,以期找出受大氣污染影響的脆弱人群。在廣義線性模型中加入PM1o和氣溫的非線性交互效應(yīng)項(xiàng),用F檢驗(yàn)判斷該交互項(xiàng)的統(tǒng)計(jì)顯著性,并給出PM1o分別為0μg/m3、48.6μg/m3(PM10的第25百分位數(shù))、71.4μg/m3 (PM10的第50百分位數(shù))和102.6μg/m3 (PM10的第75百分位數(shù))時(shí)的氣溫效應(yīng)。此外,根據(jù)PM1o日均濃度是否小于50μg/m3 (WHO關(guān)于PM1o的大氣質(zhì)量標(biāo)準(zhǔn))將數(shù)據(jù)分成兩部分,探索不同PM1o水平下,氣溫健康效應(yīng)的滯后特征及大小。通過比較氣溫為第1百分位數(shù)(7.5℃)相對(duì)于第10百分位數(shù)(13.3℃)時(shí)死亡超額危險(xiǎn)度評(píng)價(jià)低溫效應(yīng)。高溫效應(yīng)則通過比較氣溫為第99百分位數(shù)(31.9℃)相對(duì)于第90百分位數(shù)(29.9℃)時(shí)的死亡超額危險(xiǎn)度來評(píng)價(jià)。應(yīng)用的統(tǒng)計(jì)分析軟件包括R 3.1.2和MATLAB 7.6.0,雙側(cè)P0.05認(rèn)為結(jié)果有統(tǒng)計(jì)學(xué)意義。結(jié)果2001～2011年期間,廣州市大氣質(zhì)量為優(yōu)的天數(shù)僅占24.6%。在五個(gè)監(jiān)測(cè)站點(diǎn)中,廣雅中學(xué)和市第五中學(xué)的API較高,而天河職中幼兒園和麓湖的API較低,PM10是廣州市的主要污染物。五站點(diǎn)逐日去趨勢(shì)化API高度相關(guān),相關(guān)系數(shù)在0.84至0.89之間(P0.001)。API以2004年為界呈現(xiàn)先升后降的趨勢(shì)。季節(jié)差異方面,API夏季較高,冬季較低。在研究區(qū)間內(nèi),日平均(最高、最低)氣溫、平均(最低)相對(duì)濕度、降雨量和最大風(fēng)速均與API存在連續(xù)的周期約為一年的顯著小波一致性(P0.05),波動(dòng)周期呈負(fù)相關(guān)關(guān)系。當(dāng)時(shí)間尺度小于一年時(shí),氣象因素與API存在不連續(xù)的顯著小波一致性。其中,日平均氣溫、日最高氣溫、日最低氣溫與API的波動(dòng)周期基本呈正相關(guān)關(guān)系。平均(最低)相對(duì)濕度、降雨量和最大風(fēng)速則與API的波動(dòng)周期則呈負(fù)相關(guān)關(guān)系。逐日API與風(fēng)速是逆相的。日溫差(diurnal temperature range, DTR)和平均(最高、最低)氣壓與API存在連續(xù)的周期約為一年的顯著小波一致性(P0.05),波動(dòng)周期呈正相關(guān)關(guān)系。當(dāng)時(shí)間尺度小于一年時(shí),日溫差、平均(最高、最低)氣壓與API存在不連續(xù)的顯著小波一致性,波動(dòng)周期呈正相關(guān)關(guān)系。當(dāng)時(shí)間尺度為一年時(shí),日照時(shí)數(shù)與API的關(guān)系不明確,而當(dāng)時(shí)間尺度小于一年時(shí),日照時(shí)數(shù)與API的波動(dòng)周期基本呈正相關(guān)關(guān)系。API與PM10、SO2和N02污染指數(shù)的Spearman相關(guān)系數(shù)分別為0.97、0.74和0.87。API與非意外死亡人數(shù)的關(guān)系在當(dāng)天達(dá)到最大,收獲效應(yīng)(harvesting effect)出現(xiàn)在2天后。API每升高10個(gè)單位,人群當(dāng)天及后續(xù)兩天的累積非意外死亡超額危險(xiǎn)度(Excess Risk, ER)為0.88%(95%CI：0.50,1.27%),人群當(dāng)天及后續(xù)15天的累積非意外死亡超額危險(xiǎn)度為1.03%(95%CI：0.26,1.82%)。API與非意外死亡人數(shù)當(dāng)天及后續(xù)15天的關(guān)系估計(jì)值和各污染指數(shù)與非意外死亡人數(shù)的關(guān)系估計(jì)值相近。PM10、SO2和NO2污染指數(shù)每升高10個(gè)單位,人群當(dāng)天及后續(xù)15天的累積非意外死亡超額危險(xiǎn)度分別為0.82%(95%CI:-0.01, 1.65%)、1.09%(95%CI:0.11,2.07%)和1.17%(95%CI：0.42,1.93%)。盡管APIw對(duì)非意外死亡人數(shù)的影響隨首要污染物權(quán)重的增大有降低的趨勢(shì),但變化不大,而且API與首要污染物的交互效應(yīng)無統(tǒng)計(jì)學(xué)意義(F＝1.651,P=0.117)。大氣污染對(duì)老年人(年齡≥65歲的人群)、女性、受教育程度低(文盲和小學(xué)學(xué)歷)的人的影響較大。API每升高10個(gè)單位,老年人、女性、受教育程度低的人當(dāng)天及后續(xù)15天的累積非意外死亡超額危險(xiǎn)度分別為1.54%(95%CI: 0.67,2.41%).1.37%(95%CI:0.27,2.48%)、1.41%(95%CI:0.43,2.41%)。氣溫與死亡人數(shù)間存在對(duì)數(shù)非線性關(guān)系,PM10水平高時(shí)的氣溫效應(yīng)較PM10水平低時(shí)的氣溫效應(yīng)更顯著。不同PM10水平下氣溫對(duì)因呼吸系統(tǒng)疾病死亡的人群產(chǎn)生的效應(yīng)差異不明顯。PM10分別為0μg/m3、其第25、第50及第75百分位數(shù)時(shí),低溫導(dǎo)致的人群當(dāng)天及后續(xù)20天的累積全死因死亡超額危險(xiǎn)度分別為35.49%(95%CI:22.59,49.75%)、40.69%(95%CI:28.97,53.47%)、43.20% (95%CI:30.97,56.57%)和46.70%(95%CI:32.66,62.22%)。高溫導(dǎo)致的人群全死因死亡超額危險(xiǎn)度則分別為10.76%(95%CI:0.33,22.28%).13.97%(95% CI:4.53,24.25%)、15.51%(95%CI:6.21,25.63%)和17.65%(95%CI：8.09,28.05%)�？梢姡旱蜏匦�(yīng)高于高溫效應(yīng)；低溫效應(yīng)和高溫效應(yīng)均隨PM10四分位數(shù)的增大而增大。老年人對(duì)低溫和高溫效應(yīng)更加敏感。PM10分別為0μg/m3、其第25、第50及第75百分位數(shù)時(shí),低溫導(dǎo)致老年人當(dāng)天及后續(xù)20天的累積全死因死亡超額危險(xiǎn)度分別為41.38%(95%CI:26.59,57.91%)、45.02%(95%CI:31.75,59.64%). 46.77%(95%CI:32.99,61.97%)和49.18%(95%CI：33.48,66.72%)。高溫所致的超額危險(xiǎn)度分別為16.42%(95%CI:4.14,30.15%)、19.82%(95%CI:8.70, 32.08%)、21.45%(95%CI:10.48,33.52%)和23.71%(95%CI：12.45,36.11%)。男人對(duì)低溫效應(yīng)較女性敏感。PM10分別為0μg/m3、其第25、第50及第75百分位數(shù)時(shí),低溫導(dǎo)致男性當(dāng)天及后續(xù)20天的累積全死因死亡超額危險(xiǎn)度分別為38.92%(95%CI:22.49,57.56%)、46.97%(95%CI:31.72,63.99%)、50.91% (95%CI:34.88,68.85%)和56.46%(95%CI：37.90,77.52%)。低溫效應(yīng)的性別差異隨PM10污染程度的加重而增大。PM10和氣溫對(duì)全死因死亡人群(F=3.028,P=0.006)、非意外死亡人群(F＝3.177,P=0.005)和因心血管疾病死亡人群(F＝3.807,P=0.001)的非線性交互效應(yīng)有統(tǒng)計(jì)學(xué)意義,而對(duì)因呼吸系統(tǒng)疾病死亡人群的非線性交互效應(yīng)無統(tǒng)計(jì)學(xué)意義(F＝0.745,P=0.614)。在PM1o水平高時(shí),高溫效應(yīng)出現(xiàn)較早。在PM10水平低時(shí),高溫效應(yīng)通常滯后一天出現(xiàn),且存在收獲效應(yīng)。在PM10水平高時(shí),人群的非意外死亡風(fēng)險(xiǎn)和心血管疾病的死亡風(fēng)險(xiǎn)較PM10水平低時(shí)高。而人群呼吸系統(tǒng)疾病的死亡風(fēng)險(xiǎn)在PM10水平不同時(shí)差異不大。結(jié)論(1)2001～2011年廣州市大氣質(zhì)量于2004年最差,而后逐步改善。然而大氣污染形勢(shì)依然嚴(yán)峻。大氣質(zhì)量存在明顯的季節(jié)性,氣象的季節(jié)性波動(dòng)是API發(fā)生季節(jié)性變化的原因之一。逐日API與氣溫、相對(duì)濕度、降水量、風(fēng)速、日溫差和大氣壓均存在顯著的相關(guān)關(guān)系。(2)API可用于向公眾傳達(dá)大氣污染的人群健康效應(yīng)。老年人、女性、受教育程度低的人是大氣污染效應(yīng)的脆弱人群,這些人群應(yīng)給予更多的關(guān)注。(3)PMlo與氣溫對(duì)人群死亡存在對(duì)數(shù)非線性的交互作用。低溫和高溫效應(yīng)均隨PM10污染水平而增大。不同PM10水平下低溫效應(yīng)和高溫效應(yīng)的分布滯后特征存在差異。(4)本研究成果可用于指導(dǎo)大氣污染預(yù)測(cè)模型的構(gòu)建,同時(shí)將為如何減小大氣污染、極端氣溫造成的人群健康損失提供科學(xué)參考。
【關(guān)鍵詞】：大氣污染 空氣污染指數(shù)(API) 氣象 死亡時(shí)間序列
【學(xué)位授予單位】：南方醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R122
【目錄】：

• 摘要3-9
• ABSTRACT9-18
• 第一章 背景18-26
• 1.1 大氣污染現(xiàn)狀18
• 1.2 大氣污染對(duì)人類健康構(gòu)成巨大威脅18-19
• 1.3 空氣污染指數(shù)(Air Pollution Index,API)19
• 1.4 大氣污染的空間變化與時(shí)間變化特征19-21
• 1.5 大氣污染與氣象的關(guān)系21
• 1.6 描述大氣質(zhì)量的指數(shù)與人群健康的關(guān)系21-22
• 1.7 大氣污染人群健康效應(yīng)的滯后特征22-23
• 1.8 受大氣污染影響的脆弱人群23
• 1.9 大氣污染與氣溫的交互效應(yīng)23-25
• 1.10 本研究的目的25-26
• 第二章 方法26-37
• 2.1 研究對(duì)象和研究時(shí)間26-27
• 2.2 數(shù)據(jù)來源27-30
• 2.2.1 大氣污染數(shù)據(jù)27-29
• 2.2.2 氣象環(huán)境數(shù)據(jù)29-30
• 2.2.3 死亡數(shù)據(jù)30
• 2.3 統(tǒng)計(jì)分析30-37
• 2.3.1 Spearman相關(guān)分析30-31
• 2.3.2 基于Loess方法的季節(jié)性長(zhǎng)期趨勢(shì)序列分解法(STL)31-33
• 2.3.3 小波分析33-34
• 2.3.4 分布滯后非線性模型(Distributed Lag Non-linear Model,DLNM)34-37
• 第三章 結(jié)果37-61
• 3.1 API的時(shí)空分布特征及其與氣象的關(guān)系37-43
• 3.1.1 描述性統(tǒng)計(jì)分析37
• 3.1.2 大氣污染的空間分布特征37-39
• 3.1.3 大氣污染的長(zhǎng)期趨勢(shì)及季節(jié)性39-40
• 3.1.4 API與氣象因素的關(guān)系40-43
• 3.2 API與人群死亡數(shù)的相關(guān)關(guān)系43-50
• 3.2.1 描述性統(tǒng)計(jì)分析43-46
• 3.2.2 API與人群死亡數(shù)的相關(guān)關(guān)系46-50
• 3.3 PM_(10)與氣溫對(duì)人群死亡的交互作用50-61
• 第四章 討論61-71
• 4.1 大氣污染的空間分布特征61
• 4.2 大氣污染的時(shí)間變化特征61-62
• 4.3 氣象因素對(duì)API的影響62-64
• 4.4 API與人群死亡數(shù)的關(guān)系64-65
• 4.5 受大氣污染影響的脆弱人群65-67
• 4.6 大氣污染與氣溫的交互效應(yīng)67-69
• 4.6.1 統(tǒng)計(jì)分析策略67-68
• 4.6.2 PM_(10)對(duì)氣溫效應(yīng)的修飾作用(modification effect)68-69
• 4.6.3 PM_(10)與氣溫交互作用機(jī)理的解釋69
• 4.7 本研究的不足和進(jìn)一步研究的展望69-70
• 4.8 結(jié)論70-71
• 參考文獻(xiàn)71-80
• 攻讀學(xué)位期間成果80-81
• 致謝81-82

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 QU Yu;AN Junling;LI Jian;CHEN Yong;LI Ying;LIU Xingang;HU Min;;Effects of NO_x and VOCs from Five Emission Sources on Summer Surface O_3 over the Beijing Tianjin Hebei Region[J];Advances in Atmospheric Sciences;2014年04期

2 張秉玲;王旭霞;張曉曙;;甘肅省東南部地區(qū)氣象因素與流行性乙型腦炎發(fā)病的時(shí)間序列分析[J];環(huán)境衛(wèi)生學(xué)雜志;2014年05期

3 羅煥金;曾四清;胡夢(mèng)玨;羅圓;馬文軍;;極端低溫對(duì)呼吸系統(tǒng)疾病住院人數(shù)影響的時(shí)間序列分析[J];華南預(yù)防醫(yī)學(xué);2014年06期

4 劉希文;徐曉斌;趙花榮;林偉立;;北京及周邊地區(qū)3個(gè)典型站點(diǎn)NO_x和CO的變化特征[J];安全與環(huán)境學(xué)報(bào);2014年06期

5 田謐;吉東生;王躍思;胡波;凌紅;徐仲均;;河北廊坊地區(qū)大氣污染物變化特征與來源追蹤[J];環(huán)境工程學(xué)報(bào);2013年12期

6 Jian Gao;Yuechong Zhang;Meng Zhang;Jingqiao Zhang;Shulan Wang;Jun Tao;Han Wang;Datong Luo;Fahe Chai;Chun Ren;;Photochemical properties and source of pollutants during continuous pollution episodes in Beijing, October, 2011[J];Journal of Environmental Sciences;2014年01期

7 Shulan Wang;Jian Gao;Yuechong Zhang;Jingqiao Zhang;Fahe Cha;Tao Wang;Chun Ren;Wenxing Wang;;Impact of emission control on regional air quality: An observational study of air pollutants before, during and after the Beijing Olympic Games[J];Journal of Environmental Sciences;2014年01期

8 程健;許祥青;朱瑞;王旭;宋健;周洋洋;鄭建軍;郭亮亮;金鎏;蘇虹;;2008-2012年馬鞍山市某地區(qū)的晝夜溫差與每日死亡的時(shí)間序列研究[J];中華疾病控制雜志;2014年04期

9 羅斌;羅小峰;石紅霞;張本忠;牛靜萍;;氣溫與大氣顆粒物對(duì)呼吸系統(tǒng)影響的交互作用研究進(jìn)展[J];環(huán)境與健康雜志;2014年06期

10 谷少華;賈紅英;李萌萌;楊軍;司春峰;張瑞;劉小波;劉起勇;;濟(jì)南市空氣污染對(duì)呼吸系統(tǒng)疾病門診量的影響[J];環(huán)境與健康雜志;2015年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前4條

1 Huiyan Xie;Zhibin Yao;Yonghui Zhang;Yanjun Xu;Xiaojun Xu;Tao Liu;Hualiang Lin;Xiangqian Lao;Shannon Rutherford;Cordia Chu;Cunrui Huang;Scott Baum;Wenjun Ma;;Short-Term Effects of the 2008 Cold Spell on Mortality in Three Subtropical Cities in Guangdong Province,China[A];2012廣東省預(yù)防醫(yī)學(xué)會(huì)學(xué)術(shù)年會(huì)資料匯編[C];2013年

2 劉濤;Tian Tian Li;Yong Hui Zhang;Yan Jun Xu;Xiang Qian Lao;Shannon Rutherford;Cordia Chu;Yuan Luo;Qi Zhu;Xiao Jun Xu;Hui Yan Xie;Zhao Rong Liu;Wen Jun Ma;;The short-term effect of ambient ozone on mortality is modified by temperature in Guangzhou,China[A];廣東省預(yù)防醫(yī)學(xué)會(huì)優(yōu)秀論文集[C];2014年

3 王林;陳正洪;湯陽;;武漢市日平均氣溫對(duì)居民死亡數(shù)的滯后效應(yīng)研究[A];第32屆中國氣象學(xué)會(huì)年會(huì)S13 氣候環(huán)境變化與人體健康[C];2015年

4 Ziyin Zhang;Xiaoling Zhang;Daoyi Gong;Weijun Quan;Xiujuan Zhao;Zhiqiang Ma;Seong-Joong Kim;;Evolution of surface O_3 and PM_(2.5) concentrations and their relationships with meteorological conditions over the last decade in Beijing[A];第32屆中國氣象學(xué)會(huì)年會(huì)S9 大氣成分與天氣、氣候變化[C];2015年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 孫e

本文編號(hào)：380535