基于行为轨迹驱动的颗粒物精细化暴露研究

Accurate measurements or assessments of personal exposure are of critical to the studies of dose-effect relationship and epidemiology. However, some critical factors, such as differences between indoor air and outdoor air or personal behavior trajectories, are not considered in the existing commonly applied personal exposure models, which causes significant deviations of the modeling results. To accurately estimate the personal exposure via environmental pollution levels, dynamic characteristics of PM pollutants of indoor/outdoor environments, personal behavior trajectories, and human behavior pattern, will be integrated into the existing personal exposure models. Modeling outputs will be verified by in situ personal exposure measurements, and then, model algorithm will be optimized to enhance the quality of modeling outputs. GPS techniques and questionnaires will be applied in the study to access high temporal and spatial resolution personal behavior trajectories, and, from which, the human behavior pattern in the specific region will be derived. Then the temporal and spatial resolution of the calculated personal exposure outputs will be highly enhanced. With the data of in situ indoor/outdoor PM measurements, the existing database of indoor/outdoor penetration factors will be supplemented and completed. Those penetration factors, as well as the observed human behavior patterns, will be parameterized into selected models to build a high resolution PM exposure model based on identification of personal behavior trajectories. The model will be verified and optimized by using real-world personal exposure data. Uncertainty of the modeling output will be computed as well. Relate the individual exposure to exposure biomarkers to dedermine those with high value of health guidance.

对暴露的准确测量是剂量效应关系和流行病学研究的关键。现有暴露模型未考虑室内外空气质量差异、个体行为轨迹等因素，导致模拟结果存在较大的不确定性。因此，本研究在原有个体暴露模型基础上，考虑室内外颗粒物污染动力学特征、个体行为轨迹和人群行为模式，结合环境数据对暴露水平进行精细化估算，并利用个体暴露实测数据对估算结果进行验证，优化模型。研究中将采用GPS定位和问卷调查等手段获取高分辨率的个体运动轨迹，得到特定地区人群的行为模式，提高现有暴露模型的时空辨识度；用实测的室内外颗粒物浓度数据，完善所研究区域典型建筑物的室内外渗透系数；将已获取的行为模式和室内外渗透系数参数化到所选取的暴露模型中，最终建立基于轨迹驱动的精细化个体暴露模型，并用个体暴露实测数据对所建立的精细化个体暴露模型进行验证和优化，给出模型的不确定性。并将个体暴露结果与暴露标志物关联，发现具有健康指导价值的暴露标志物。

PM2.5暴露浓度的计算是研究健康效应的基础，在大样本队列研究中，往往使用暴露模型来估算个体暴露浓度，然而传统的暴露模型普遍存在时空分辨率低、假设不合理和依赖测量数据等不足。本研究以个体行为轨迹为基础建立精细化PM2.5暴露模型。首先面向研究区域进行人群问卷调查，获取人群行为模式，确定暴露模型构成形式。综合调查统计结果，本研究确定暴露模型由四个主要模块组成，分别是：GPS模块、浓度场模块、微环境模块和污染源模块。各模块原始数据分别为GPS接收器、卫星遥感图像、研究区域建筑物边界以及污染源经纬度。研究中使用VBA、Python等编程软件处理各类数据，统一数据格式成为暴露模型组成模块。通过GPS模块在浓度场模块中检索对应时空处的PM2.5浓度，并与微环境模块、污染源模块交互，调整、修正不同时空处的暴露浓度，之后积分计算目标日均PM2.5暴露浓度。.本研究通过定点个体采样和移动个体采样分别验证暴露模型的合理性与准确性。定点采样招募国科大雁栖湖与玉泉路校区学生、保安志愿者携带GPS接收器与个体采样器于校园内活动，对比模型估算浓度与采样实测浓度。模拟值与实测值线性回归方程为y = 0.85x（R2=0.86），符合程度较高，证明暴露模型构成形式的合理。移动采样招募两名志愿者在日常生活中携带GPS信号和个体采样器，对比模型估算浓度与采样实测浓度。在PM2.5浓度低时，两名志愿者模拟值与实测值的线性回归方程的斜率和R2分别为1.05、0.85与0.59、0.57，模拟值可较好地代表志愿者个体暴露。但在PM2.5浓度高时，暴露模型会低估个体暴露浓度。.本研究使用PMF与CMB模型分别对部分定点暴露样品与移动暴露样品进行污染物来源解析，发现个体样品与环境样品在污染源构成上存在差异，其中香烟源为个体暴露样品中特有的污染源，约占PM2.5暴露浓度的3.6%。个体样品中存在与环境样品相比比例较高的污染源，可能是导致暴露模型低估个体PM2.5暴露浓度的原因。移动暴露样品之间的有机碳（OC）污染源组成类似，个体行为轨迹的不同对源贡献比例存在一定影响。其他OC源的贡献率不可忽略，占OC暴露的6.9% ~ 7.9%，可能是导致暴露模型低估个体暴露浓度的原因。利用混合效应模型对大气污染与血清中细胞因子的相关性进行拟合发现，人体血清IFN-γ和CXCL10可作为反应大气污染个体暴露的生物标志物。