方法

自 1950 年前后开始，中国政府分阶段实施了一项政策：向位于气候较寒冷的淮河以北地区居民免费提供煤炭，用于冬季供暖（11 月 15 日至次年 3 月 15 日）。[1]

该政策初衷是为最需要取暖的人群提供保障，但结果却导致淮河以北地区对煤炭的依赖显著高于南方，从而造成更严重的空气污染。 与此同时，户籍制度限制了人口跨地区流动，使得暴露在污染环境中的居民难以迁移至空气更清洁的地区。

这两项政策共同形成了一条独特的“分界线”，使研究人员能够对长期高污染暴露的健康影响进行准自然实验研究。 研究发现，淮河以北地区的空气污染浓度比南方高 46%。[2]

由于污染更为严重，北方居民的预期寿命比南方缩短了 3.1 年。

基于这一准实验结果，研究人员得出了以下量化关系： PM₁₀ 每增加 10 μg/m³，预期寿命减少 0.64 年。

随后，研究团队通过系统回顾历史研究，将 PM₁₀ 转换为 PM₂.₅，这些研究报告了与基础性中国研究时间范围相近时期内，中国 PM₂.₅ 与 PM⏨ 的历史比例关系。据此我们得出结论：PM₂.₅ 每增加 1 μg/m³，预期寿命将减少 0.98 年。

AQLI 团队将这一关系与全球卫星反演的 PM₂.₅ 数据相结合。该数据覆盖全球 0.01° × 0.01°（约 1 公里 × 1 公里）的精细网格，由美国华盛顿大学圣路易斯分校大气成分分析组（ACAG）构建。[3] 穿越一个网格大约需要步行 10 分钟。随后，数据被汇总至区县尺度。 AQLI 团队使用的卫星反演 PM₂.₅ 数据集剔除了来自沙尘和海盐等自然来源的颗粒物，重点关注由车辆尾气、化石燃料燃烧、秸秆焚烧等人类活动产生的污染物。

研究团队进一步将 PM₂.₅ 数据与人口数据相结合，以估算实际暴露人群规模。这种方法通过人口加权，使人口稠密地区在平均值中占据更大权重。 人口数据用于衡量一个地区内大多数人所呼吸的污染程度。换句话说，人口稀少的地区对平均污染水平的影响要小于人口密集的地区。这种做法被称为“人口加权”。

然后，将人口加权的污染估算值与 PM₂.₅ 与预期寿命之间的关系相结合，以计算出由于污染空气而导致人们预计会失去多少年的寿命。

AQLI 采用两个关键基准进行评估： 一是 WHO 指导值 5 μg/m³，这是世卫组织以高度置信度认定不会增加死亡风险的最低长期暴露水平；[1] 二是各国的年度国家空气质量标准。

例如，若基准值为 5 µg/m³，而某地区的 PM₂.₅ 浓度为 84.34 µg/m³（如 2022 年的德里），如果将 PM₂.₅ 降至符合 5 µg/m³，居民的预期寿命可延长 7.77 年。 如果基准值采用印度的国家标准 40 µg/m³，在 PM₂.₅ 浓度同样为 84.34 µg/m³ 的情况下，若污染水平降至符合 40 µg/m³，居民的预期寿命可延长 3.45 年。