您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[世界银行]:在数据稀缺的设置中设计空气质量测量系统 - 发现报告
当前位置:首页/行业研究/报告详情/

在数据稀缺的设置中设计空气质量测量系统

AI智能总结
查看更多
在数据稀缺的设置中设计空气质量测量系统

授权公开披露 授权公开披露 政策研究工作文件10957 在数据稀缺的设置中设计空气质量测量系统 BridgetHoffmannSvetaMilusheva 发展经济学发展影响小组2024年10月 政策研究工作文件10957 Abstract 尽管低收入和中收入国家的人口暴露于空气污染及其后果的一些最高水平,但关于该主题的主要经济研究主要集中在高收入地区,这些地区的数据可用性更高。本文比较和评估了在撒哈拉以南非洲背景下,三种主要的空气污染数据来源(监管级监测器 、卫星和低成本监测器)在可吸入细颗粒物测量准确性方面的差异及其在研究政策影响时的表现。卫星数据在较低的时间频率下与监管级监测器的数据高度一致。低成本监测器低估了细颗粒物的数量,相对于 其他数据源。尤其是针对具体情境进行校准,低成本监测设备的数据能够更好地与其它数据源保持一致。本文使用每种数据源通过双重差分设计评估减少交通活动政策对空气污染外部性的影响,并发现类似的结果,尤其是在百分比减少方面。本文考虑了在低收入地区空气质量监测的政策限制,并展示了在一个网络中将一个监管级监测设备与低成本监测设备共址放置可以捕捉城市区域内污染物的空间变化,并且能够比单独使用这两种数据源更准确。这为政策制定者提供了生成评估环境政策和外部性所需数据的框架。 这篇论文是由发展影响组、发展经济学部所产。它是世界银行为了提供研究的开放访问并为全球发展政策讨论做出贡献而进行的一项更大努力的一部分。政策研究工作论文也已在网络上发布于http://www.worldbank.org/prwp。作者可以联系smilusheva@worldbank.org和bridgeth@IADB.org。 该政策研究工作论文系列传播正在开展中的研究成果以促进关于发展问题的交流与讨论。该系列的一个目标是在报告尚未完全完善的情况下迅速发布这些成果。这些论文保留作者姓名,并应按此引用。本文中表达的观点、解释和结论完全是作者的个人观点。它们不一定代表国际复兴开发银行/世界银行及其附属组织的观点,也不代表世界银行执行董事会成员或他们所代表的政府的观点。 由研究支持团队制作 设计数据稀缺的空气质量测量系统 设置 布里奇特·霍夫曼和SvetaMilusheva∗ 关键词:空气污染,PM2.5测量,卫星,低成本监测仪,政策评估代码:Q53,Q58,Q52,C81 ∗我们感谢NiallMaher和RuiwenZhang在研究支持方面的帮助,以及AramGassama、MarionSagot、MameDiarraBoussoSarr、TilouxSoundja、AbdallahCissé和AliceCrolard在项目和实地协调方面的协助。我们感谢环境和分类设施总局(DEEC)及其环境空气质量管理中心(CGQA),该机构位于生态转型部、可持续发展和生态转变部,以及可持续交通执行委员会(CETUD)。此外,我们也要感谢所有允许我们在其地点安装空气质量监测器并支持我们维护这些监测器以确保在这些地点收集数据的机构。同时,我们衷心感谢世界银行塞内加尔国家管理单位和BRT运输团队。我们感激英国政府通过ieConnectforImpact计划以及欧盟通过IntPact计划提供的资金支持。 1Introduction 空气污染对死亡率、身体和心理健康、劳动力供给与生产率、迁移、认知表现、人力资本积累以及决策制定具有因果影响(HoffmannandRud,2024;Aguilar-Gómez)。etal.,2022;Chenetal.,2022;Guidettietal.,2021年;安德森,2020年;德鲁吉娜 etal.,2019年;张etal.,2017;Arceoetal.,2016;GraffZivin和Neidell,2013)。大多数关于空气污染影响的证据来自于高收入地区,这些地区的数据质量较高。 1 可用于研究污染及其影响的数据。然而,低收入和中等收入国家的个体比高收入国家的人面临更大的空气污染暴露和负面影响。大约80%的暴露在不安全空气质量水平的人口生活在低收入和中等收入国家(Rentschler和Leonova,2022),而全球归因于空气污染的93%的死亡和疾病负担发生在发展中国家(世界银行和健康计量评估研究所,2016)。 由于在高收入和低收入环境中空气污染的影响存在重要差异(Arceoetal.,2016),低收入国家仍需进行更多研究以评估问题的严重程度及政策的有效性。一个必要的第一步是开发能够准确测量空气污染的方法,考虑到低收入国家政府所面临的特定约束条件。最近的研究对监测空气质量的新前沿表示了乐观态度,例如低成本监测设备的出现和卫星数据的可用性(Snyderetal.,2013;Dietal.,但关键在于理解它们在测量空气污染方面的能力如何,以及它们在政策评估中的实用性。此外,识别如何将不同数据源整合成一个成本高效的空气质量监测系统,可能有助于低收入国家提高空气污染测量的准确性。 在本文中,我们比较和评估了三种空气质量数据来源在中低收入国家背景下的情况。我们重点关注直径为2.5微米或更小的颗粒物(PM2.5),这是一种由各种化学成分组成的细颗粒物混合物,包括灰尘 、土壤、烟炱和烟雾等。PM2.5是一种广泛监管的空气污染物,并且其对健康的影响范围更广,强度也更大,相较于较大的颗粒物(Belletal.,2004;Pope和Dockery,2006)。首先,我们比较不同空间和时间频率下各类数据源的PM2.5测量精度。其次,我们使用每种数据源评估一项特定政策对减少空气污染的影响,并比较其对PM2.5的估计治疗效果。最后,我们考虑低收入地区空气质量监测的政策制定者约束条件,以提出设计空气污染监测系统的政策建议。 我们比较和评估了三种主要的空气污染数据来源。首先,黄金标准是监管级监测器,这些监测器在高收入国家广泛用于政府创建地面监测站网络,以获取详细的、精确的和准确的空气污染物测量数据。然而,监管级监测器的高安装和维护成本阻碍了低收入和中等收入国家(LMICs)发展密集的监管级监测器网络。 1一个例外是中国,这是一个中上收入国家,并且是文献中大量论文的研究重点(Chang)。etal.,2019;Fuetal.,2021;Heetal.,2019;Zivinetal.,2020). 从推荐的时间间隔进行更换。其次,卫星图像可以用来估算地面上的空气污染水平。卫星生成的图像可以用于创建气溶胶光学厚度(AOD)以及全球可比的单个气溶胶网格数据集,这些数据可以用来估计颗粒物的水平。然而,卫星数据并不能直接测量地面的颗粒物浓度,并且提供的数据在时间和空间分辨率上较低。再次,政府可以部署低成本监测器,让公民自行追踪其自身的空气污染暴露情况,从而创建低成本的空气污染监测网络。但是,低成本监测器记录的污染测量数据不如监管级监测器准确 。由于每种数据来源都有优缺点,评估它们在测量空气污染水平以及估计减少空气污染政策效果方面的表现对于研究人员和政策制定者来说至关重要。这在面临额外实施挑战的发展中国家尤其重要,在这些国家,关于这些数据源性能的研究很少,而有效的环境政策最为迫切需要。 达喀尔,塞内加尔为本研究提供了理想的研究背景,原因有三。首先,达喀尔是中低收入国家中一个大型且快速增长的城市,拥有大量工业设施和频繁的建设活动。这意味着我们的研究成果对于其他同样面临严重拥堵和污染的快速成长的西非城市具有参考价值。其次,除了由交通拥堵和经济活动产生的空气污染外,达喀尔还会经历撒哈拉沙漠风暴,尤其是在每年的前几个月。这些环境条件与通常用于校准和分析空气污染数据的高收入地区典型条件不同。再次,目前达喀尔拥有七个监管级别的监测站,这使得我们可以进行比较和校准。然而,与高收入地区相比,监测网络的密度较低,可用的数据稀少且准确性存疑,这主要是由于维护监测站所面临的挑战。虽然这加剧了比较数据来源和校准低成本监测站数据的难度,但这反映了实际情况。 2 空气质量监测在低收入地区的现实情况。稀少的高质量数据和时间空间上的细粒度数据缺失与高水平的空气污染相结合,突显了研究如何利用现有数据并增加可用于严格政策分析的数据的重要性,这些方法随后可以应用于该地区的其他地区。 为了收集本研究的数据,在达喀尔的28个地点设置了低成本空气污染监测网络,并与负责空气质量数据的当地政府部门紧密合作,以访问其监管级监测设备产生的数据。我们测试了几种不同的卫星空气污染测量源,以确定哪种来源生成的值与基于地面的测量结果最为一致。 武装这三组空气污染数据,我们比较了每种数据源在不同时间频率下测量的PM2.5水平。卫星数据在日、周和月尺度上与监管级监测站的数据高度一致,但在小时尺度上则不然。监管级和低精度监测站估算的PM2.5浓度之间存在显著差异。 2我们使用“校准”一词来指代低成本监测器收集的数据校准,而非仪器的校准(Jaffe)。etal.,2023)。在工程或科学文献中,这通常被称为“数据校正”。 成本监测设备在颗粒物水平方面存在显著低估。同样,低成本监测设备相对于卫星测量数据严重低估PM2.5水平。这种相对低估主要原因是低成本监测设备对扬尘的测量不足。通过调整低成本监测设备的数据,尤其是使用特定情境下的公式进行调整,可以提高这些数据与监管级监测数据以及卫星估计值的一致性。 接下来,我们使用三个数据集来评估COVID-19疫情期间实施的一系列减少流动性政策对外部性的影响 。我们采用差值法(Difference-in-Differences)识别策略来分析这些政策对空气质量水平的影响。总体而言,我们发现这些政策导致了空气污染减少的正外部性,类似于在高收入地区进行的研究结果(Brodeur)。etal.,2021)。重要的是,我们发现所有三种数据来源均显示由于政策导致PM2.5减少的相似模式。使用每小时的PM2.5数据,当使用低成本监测器的数据时,政策影响在水平上的影响较小,因为低成本监测器往往会低估PM2.5水平。然而,所有数据来源中政策影响的百分比相似。 最后,我们展示了在一个低成本监测网络中至少部署一个监管级监测设备的价值。我们证明,对于给定的一天,仅依赖一个监管级监测设备或仅依赖卫星数据都无法提供空间变化。然而,仅依赖低成本监测网络可以提供空间变化,但会严重低估PM2.5的水平。通过使用与低成本监测网络共址的监管级监测设备来开发特定于上下文的校准公式,并应用于低成本监测网络的数据,可以改善PM2.5水平的一致性,同时保持空间变化。鉴于低收入和中等收入国家政策制定者面临的严格预算限制,投资一个维护良好的监管级监测设备,辅以密集的低成本监测网络,可能是一种权衡之选。若没有监管级监测设备,使用基于卫星估计的PM2.5校准低成本监测设备的PM2.5测量值可以作为替代方案。鉴于卫星数据在较低时间频率下的更好表现,我们也表明,这种替代校准方法应按日应用(而非每小时),以获得更符合监管测量预期的结果。 我们为文献贡献了三项内容。首先,我们在低收入和中等收入国家(LMIC)的背景下,提供了有关三种主要空气污染数据来源的独特证据。Fowlieetal.(2019)通过对比卫星数据获取的大气污染水平与美国监管级监测设备得出的数据,得出了差异可能意味着EPA达标状态潜在分类错误的结论。在希腊 ,Stavroulasetal.(2020)发现使用低成本监测器测量的PM2.5水平与使用监管级监测器测量的水平之间存在中等到较强的关联性。然而,这些研究并未比较所有三种数据源,因此这些研究结果可能无法直接应用于低收入和中等收入国家(LMICs)的背景下,因为空气质量数据的准确性和精确性在低收入和高收入背景下可能会有所不同。低成本监测器的空气质量数据精度和准确性受到环境条件(如相对湿度)和颗粒物类型(如尘埃事件)的影响(Jaffe)。etal.,2023年)。空气质量数据从监管级监测设备获得的可用性、准确性和精确性取决于密集的监测网络以及定期