摘要
近年来，美国野火频发，许多地区的空气质量因烟雾而急剧恶化。我们结合了PM2.5（直径小于2.5微米的颗粒物）的数据和卫星产品，识别出2019至2024年间受烟雾影响的日期及其相关的PM2.5浓度，这些数据来源于覆盖美国85%人口的空气质量监测站。在全国范围内平均来看，有14.2%的日子存在烟雾，这些日子的日均PM2.5浓度增加了6.9微克/立方米，最高可达687微克/立方米。对于每个地区，我们估计了烟雾中的PM2.5对哮喘患者就诊次数的影响。虽然美国西部的农村地区烟雾对PM2.5浓度的贡献最大，但由于人口较多，大都市区的哮喘患者就诊次数也更多。接下来，我们考虑了烟雾对美国年度PM2.5标准（9.0微克/立方米）遵守情况的影响。根据2022至2024年的数据，在研究的807个监测站中，有174个未能达到这一标准，但如果排除烟雾因素，只有57个监测站会不达标。尽管过去6年观测到的年均PM2.5浓度没有显著变化，但当我们排除烟雾影响后，PM2.5浓度显示出明显下降。
简明语言总结
过去十年间，美国野火的影响显著增加。我们利用地面观测数据确定了美国烟雾最严重的地区，并估算了因烟雾导致的每日哮喘急诊就诊次数。虽然美国西部的地区烟雾影响最大（以绝对数量计），但美国各地以及阿拉斯加都感受到了烟雾的影响。烟雾还对美国PM2.5空气质量标准的遵守情况产生了显著影响。
1 引言
如今，野火已成为导致美国空气质量下降的主要排放源。在过去的十年（2015-2024年）中，美国平均每年有310万公顷的土地发生野火，这是1983-2000年期间的两倍多（NIFC，2025）。在工业排放量下降的背景下（US EPA，2025a），野火排放成为PM2.5（直径小于2.5微米的颗粒物；Burke等人，2023；McClure & Jaffe，2018；O’Dell等人，2019）和臭氧（O3）（Lee & Jaffe，2024）质量下降的主要因素。除了美国的火灾，加拿大和墨西哥的野火也是北美空气质量恶化的主要来源（Kaulfus等人，2017）。2023年对加拿大来说是个例外年份，那里发生了超过1500万公顷的火灾（Jain等人，2024；Kirchmeier-Young等人，2024；Kolden等人，2024）；这些火灾对加拿大（Jain等人，2024）和美国（Lee & Jaffe，2024）的空气质量都产生了重大影响。火灾增加的原因包括气候变化（Abatzoglou等人，2019；Halofsky等人，2020；Jain等人，2024；Kirchmeier-Young等人，2024；Williams等人，2019）以及历史上的森林管理方式（例如，Hagmann等人，2021）。野火释放出多种化合物，包括气体和颗粒物。大多数健康研究及监管标准都关注PM2.5。其他重要化合物包括氮氧化物，它们会促进O3的形成（Jaffe & Wigder，2012），以及数百种挥发性有机化合物（VOCs，Akagi等人，2011）。虽然这些污染物可能都与健康问题有关，但PM2.5被认为最具危害性，是全面评估排放影响的良好指标（O’Dell等人，2020）。大量研究表明，烟雾对心血管和呼吸系统住院治疗（例如，Borchers Arriagada等人，2019；Fann等人，2018；Hahn等人，2021；J. C. Liu等人，2017；Reid等人，2019）以及哮喘（Gould等人，2024；Jiao等人，2024；Noah等人，2023）有显著影响。其他研究还发现烟雾与过早死亡率增加有关（例如，Connolly等人，2024；Doubleday等人，2020；Gould等人，2024；Ma等人，2024）。与其它类型的PM2.5相比，烟雾被认为对呼吸健康（Aguilera等人，2021；Borchers Arriagada等人，2019；Wegesser等人，2009）和痴呆风险（Zhang等人，2023）更为有害。此外，年龄较大的烟雾气溶胶单位质量可能具有更大的健康影响，因为它们更容易氧化（Bates等人，2019；Holder等人，2012；Joo等人，2024；Wong等人，2019）。Elser等人（2025）的研究表明，每增加1微克/立方米的PM2.5，患痴呆症的风险增加18%。Borchers Arriagada等人（2019）对相对风险（RR）的元分析表明，与其他PM2.5来源相比，烟雾对健康的负面影响更大。他们的研究计算出，每暴露于10微克/立方米的烟雾，哮喘急诊就诊的相对风险（RR）为1.07，95%置信区间为1.04-1.09（适用于所有人群）。对于非烟雾来源的PM2.5暴露，Lim等人（2016）得出的RR值为1.018（95%置信区间为1.005-1.028），Fan等人（2016）为1.015（95%置信区间为1.012-1.017），Anenberg等人（2018）综述的三项研究得出的平均值为1.02。因此，野火产生的PM2.5对健康的负面影响似乎始终大于其他来源的PM2.5。然而，我们认识到元分析中包含的个别研究存在显著不确定性，以及综合研究结果时不确定性也会叠加。由于烟雾和非烟雾PM2.5的暴露评估方法不同，以及研究人群的潜在脆弱性和未测量的混杂因素（如行为），实际观察到的影响范围可能会有所不同。为了科学推理和政策讨论，我们的估计需要反映这种不确定性。野火产生的烟雾还对未能达到空气质量标准的地区产生重要的监管影响。在美国，“异常事件规则”（EER）允许各州和部落机构请求排除污染超标日的空气质量数据，例如当污染源无法控制时（如野火）（US EPA，2016）。然而，这一过程复杂且耗时，州机构的具体排除标准也不明确。因此，为州和部落机构确定烟雾影响的具体标准是必要的。鉴于美国最近将年度PM2.5标准从严格的12微克/立方米下调至3年平均9微克/立方米（US EPA，2024b），识别特定监测点的野火烟雾影响对于各州努力达到空气质量标准至关重要。值得注意的是，日均PM2.5标准并未与年度标准同时收紧。尽管如此，识别野火烟雾并将其从监管影响中剔除并不减少人群暴露的潜在健康风险。已经采用了多种方法来识别地面上的野火烟雾及其相应的健康影响，包括卫星数据、传输建模和/或机器学习模型（Childs等人，2022；Considine等人，2023；Gong等人，2017；Lee & Jaffe，2024；Qiu等人，2024）。一个常用的工具是NOAA危险地图系统火灾和烟雾产品（以下简称HMS）。HMS烟雾产品基于多个卫星数据，可以识别火灾位置和烟雾范围（Kaulfus等人，2017；Ruminski等人，2011）。虽然卫星数据对于识别火灾位置、排放量和烟雾传输至关重要，但仅靠卫星数据无法在没有额外信息的情况下确定地面的空气质量影响（T. Liu等人，2024）。例如，Buysse等人（2019）发现在美国西部18个城市中，当头顶有HMS烟雾时，地面PM2.5浓度平均增加了30%-70%。虽然由野火引起的较大PM2.5浓度增加（高达数百微克/立方米）相对容易识别，但较小的增加则不太明显。由于大多数暴露评估方法的复杂性，州和地方空气质量管理者很难清晰及时地展示烟雾的影响。在这项分析中，我们使用了卫星-derived的烟雾指标，结合州、联邦和部落空气质量站的地面PM2.5数据，识别2019-2024年间每个地点每天受烟雾影响的PM2.5。这项分析涵盖了所有50个州和哥伦比亚特区的1,455个单独的空气质量监测站。为了评估烟雾对人类健康的影晌，我们根据核心统计区域（CBSA）或县来分组数据（对于不属于CBSA的监测站）。总体而言，我们的分析包括了358个美国CBSA和74个有空气质量监测站的县，覆盖了美国超过85%的人口。我们的结果证明了使用简单方法估计空气质量监测站处烟雾影响的有效性，州/地方机构可以利用这一方法快速评估烟雾对PM2.5的影响。
2 方法
2019-2024年1月至12月的日均地面PM2.5数据来自美国环保署（US EPA）的空气质量系统（AQS）网络（US EPA，2024a）。这些数据由联邦、州、地方和部落机构采用一致的方法和质量控制收集。对于2019-2023年的数据，所有数据均被美国环保署确认为最终数据；而对于2024年的数据，78%为最终数据，其余22%仅为初步数据，但这些初步数据也被纳入了我们的分析。在之前的研究中，我们发现大多数初步数据在未经修改的情况下成为了最终数据。有关数据收集、数据选择和质量控制的详细信息见补充信息（SI）。为了确定烟雾的存在，我们使用了HMS烟雾产品，该产品利用多颗卫星的可见光图像来每天估计烟雾范围（NOAA，2025；Ruminski等人，2011）。该产品根据烟雾强度（轻微、中等或严重）对每个烟雾羽流进行分类。尽管HMS产品在许多关于烟雾分布的研究中非常有用，但它也有局限性，尤其是在夜间和有云的情况下。对于每个监测点，我们使用HMS烟雾产品来识别头顶是否有烟雾羽流（HMS = 1）或无烟雾羽流（HMS = 0）。在我们的分析中，“烟雾日”是指地面PM2.5浓度超过设定标准且头顶有任意强度的烟雾羽流（HMS = 1）。我们使用了两个PM2.5烟雾标准来区分“可能的烟雾日”（标准1）和“非常可能的烟雾日”（标准2）。标准1使用半数中位数绝对偏差（MAD），标准2使用HMS = 0数据的中位数绝对偏差。
（1）
（2）
根据定义，所有符合标准1的日子也符合标准2，但反之则不成立。这些标准是在每个月基于HMS = 0数据在每个站点计算的，以考虑地理和季节性变化。我们使用了6年期间的所有月度数据（例如2019年1月、2020年等）来计算每个PM2.5水平。由于某些月份某些地点的非烟雾天数很少，因此需要使用多年数据。虽然非烟雾PM2.5的趋势可能较为微小，但这些趋势与烟雾影响相比较而言可以忽略不计。关于非烟雾日的更多讨论见结果部分。标准1（可能的烟雾日）和标准2（非常可能的烟雾日）分别对应HMS = 0分布的第67百分位和第80百分位。在我们之前的研究中，我们使用了类似的程序（Gong等人，2017；Lee & Jaffe，2024），但那些研究中的PM2.5标准是基于HMS = 0数据的平均值和标准差。对于非高斯数据集（如PM2.5数据），MAD是一个更合适的统计指标（Leys等人，2013）。非常可能的烟雾类别相比可能的烟雾类别包括了更少的烟雾日，因为PM2.5烟雾标准更为严格。使用非常可能的分类方法，我们发现11.3%的日子被识别为受烟雾影响，而所有天中只有14.2%被归类为可能受烟雾影响。烟雾引起的PM2.5计算方法如下：
（3）
（4）
只有烟雾日（HMS = 1且PM2.5超过设定标准）时，才计算烟雾造成的PM2.5值，因此这个值始终为正数。支持信息S1中的图S1和S2显示了每月这些标准的分布情况。在非烟雾日，PM2.5（烟雾）= 0，因此PM2.5（非烟雾）= 实际观测到的PM2.5。为了评估健康影响，EPA的各个监测数据每天按核心统计区域（CBSA）或县进行汇总（如果监测点不属于CBSA）。所有监测点测得的PM2.5平均值和PM2.5（烟雾）数据被假设适用于该联邦统计区（CBSA）或县的整个人口。对于不在指定CBSA范围内的监测点，我们使用 해당县的名称和人口数量来评估健康影响。我们纳入了2019-2024年间至少有80%每日数据覆盖率的所有CBSA和县，这包括358个美国核心统计区域以及74个县，覆盖了美国85%的人口。在这些432个CBSA和县中，每个CBSA或平均有2.1个监测点（范围从1到15个不等）。虽然烟雾对健康有多种影响，但我们关注的一个指标是每日因哮喘而前往急诊室（EDV）的就诊次数。我们选择这个指标是因为它在几乎所有分析中都显示出与烟雾暴露呈正相关关系。此外，EDV能够反映更广泛的人口群体：住院情况可能只代表更严重的病例，因此它是一个更敏感的指标，可以用来考察烟雾对健康结果的影响。每日因烟雾导致的EDV计算方法类似于O’Dell等人（2021年）使用的方法，数据来源于AHRQ（2006年）和Borchers Arriagada等人（2019年）的研究，但我们仅将较高的相对风险值应用于由于烟雾引起的额外PM2.5。公式5和公式6展示了计算方法。
公式5：
K = 人口数量 * 每单位人口的年度哮喘EDV基线率 / 365
公式6：
β = ln(RR) / 10
其中：
RR是指每10μg/m³ PM2.5的相对风险。PM2.5(NS)和PM2.5(T)分别代表非烟雾来源的PM2.5和总PM2.5。我们使用的是每100,000人口的年度基线率为625.7次，烟雾的相对风险为1.07，而非烟雾来源的PM2.5的相对风险为1.02。在支持信息S1中，我们还展示了不同RR值（1.04、1.07和1.09）以及可能发生烟雾和高概率发生烟雾的日子的汇总结果。由于关系（公式5）的非线性，我们首先计算观测到的PM2.5导致的EDV，然后计算非烟雾来源的PM2.5导致的EDV，两者之差即为烟雾对EDV的贡献。根据定义，非烟雾日子里烟雾对EDV的贡献是零。为了评估2024年PM2.5年度和每日标准的监管影响，我们包含了所有在2022-2024年间有有效监测数据（根据US EPA, 2025b）且与我们选择的监测点重叠的监测点。这段时间是判断新年度PM2.5标准合规性的初始三年窗口。总共包括了美国50个州和特区（D.C.）的807个监测点。在我们识别PM2.5来源的过程中存在一些不确定性，例如HMS数据中缺失的火灾或烟雾羽流（如小型火灾、云层等），或者不完全影响监管监测位置的小火或快速移动的火灾。此外，这种方法无法区分野火、人为焚烧或农业燃烧。关于方法的更多细节和对不确定性的进一步讨论，请参见补充信息，其中还比较了我们的烟雾PM2.5数据与另一项最近发布2019-2022年数据的研究结果（见支持信息S1中的图S3），并支持我们使用“可能发生烟雾的日子”这一分类作为评估烟雾影响的最佳指标。我们方法相比之前的工作有以下几个关键改进：算法相对简单，这意味着可以快速且由非专家为每个CBSA和各个监测点识别烟雾日子；另一个重要改进是分析涵盖了所有50个州和特区（D.C.）。最后，我们开发了一个公开的R-Shiny应用程序，其他科学家（例如进行健康研究）或政策制定者（例如考虑监管影响）可以访问这些结果（https://smokelyze.netlify.app）。
3 结果
图1显示了全国五个地区按月份和年份划分的烟雾天数：美国西部（大陆部分＞102°W）、美国中部（82–102°W）、美国东部（<82°W）、阿拉斯加和夏威夷。图1还展示了每个地区烟雾天数内的PM2.5平均浓度（1c），以及2019-2024年间烟雾和非烟雾PM2.5的趋势。在美国中部和东部，烟雾天数最常见于5月至10月；在美国西部为7月至9月；在阿拉斯加为7月。通过分析，尽管夏威夷偶尔会发生大规模火灾（例如2023年8月），但我们发现的烟雾天数很少。这可以归因于夏威夷的PM2.5监测点相对较少，以及大部分烟雾会迅速被海洋带走。从年份来看，2023年由于加拿大大规模野火的影响，烟雾天数最多；在美国西部，2020年和2021年的烟雾天数也较多（分别为17%和21%），尽管2023年和2024年的数量也不相上下。在所研究的年份中，2019年美国大陆大部分地区的烟雾影响最小，这反映了该年发生的野火面积较小（NIFC, 2025年为0.9百万公顷）。相比之下，阿拉斯加在2019年的烟雾PM2.5浓度最高。图1还展示了按年份（a）和月份（b）划分的每个地区的烟雾天数比例，以及烟雾天数期间PM2.5的增加量（c）。对于夏威夷，烟雾天数比例非常低（<5×10^-4）。图1d显示了整个美国年度平均观测到的烟雾和非烟雾PM2.5浓度，非烟雾PM2.5的下降趋势在统计上显著（p<0.01）。支持信息S1中的图S5为各个地区展示了类似图d的图表。尽管分析时间较短，但非烟雾日子里PM2.5的下降趋势仍然显著，反映了非烟雾来源的PM2.5减少了0.8μg/m³或12%。这种下降在原始PM2.5数据中并未显现，只有在去除烟雾影响后才能检测到。支持信息S1中的图S4按地区展示了这种关系。除了夏威夷外，所有地区的非烟雾PM2.5都呈现下降趋势。我们注意到，在此期间，主要来自非野火的PM2.5和气态前体物质（SO2、NOx、VOCs和NH3）的排放减少了35%（U.S. EPA, 2026）。虽然我们在识别烟雾天数时没有考虑这一趋势，但鉴于其规模与烟雾天数的数量相比，我们认为这对我们的分析影响不大。支持信息S1中的图S5展示了烟雾日子和非烟雾日子的PM2.5分布情况，以及烟雾天数期间PM2.5的增加量。在烟雾天数里，观测到的PM2.5平均值为13.7μg/m³，我们计算出这些日子由于烟雾的增加量为6.9μg/m³。图1c显示了各地区PM2.5的贡献情况，阿拉斯加（15.2μg/m³）和美国西部（12.0μg/m³）的PM2.5增加量最大，而美国中部（5.14μg/m³）、美国东部（4.53μg/m³）和夏威夷（2.4μg/m³）的增加量较小。这可能反映了美国西部或阿拉斯加的烟雾来自附近的火灾，而美国中部或东部的烟雾可能传播了更远的距离，因此被稀释得更多。图2进一步详细展示了每年烟雾天数的分布情况。2020年和2021年，加利福尼亚州的野火尤为严重，分别烧毁了170万公顷和110万公顷土地（NIFC, 2025）。全年的烟雾天数比例分别为0.17%和0.15%。虽然2020年美国西部的烟雾天数频率也在上升（10%-15%），但2021年更高，达到了15%-20%。在美国中部，几乎每年都有显著的烟雾天数，但2023年由于来自加拿大的烟雾传输，烟雾天数最多。在美国东部也观察到了类似的趋势。图2展示了2019-2024年基于单个监测点数据的美国大陆各地区的烟雾天数比例。图3显示了我们数据集中每个CBSA和县的计算出的烟雾PM2.5值，这是2019-2024年所有天的平均值。由于烟雾只在部分天数出现，实际烟雾天数的PM2.5浓度远高于这些平均值。图3还显示了2019-2024年我们分析中所有CBSA和县的平均烟雾PM2.5（μg/m³）。由于烟雾只出现在部分天数，实际烟雾天数的PM2.5浓度远高于这些平均值。太平洋西北部和加利福尼亚北部的许多地区的平均烟雾PM2.5超过1μg/m³。例如，2021年8月，加利福尼亚州Trinity县的平均烟雾PM2.5达到了249μg/m³，同期西部许多地区的数值也很高。2020年，Mono县和Mariposa县的平均烟雾PM2.5超过100μg/m³，Oregon州的Salem县和Albany县也是如此。2023年8月，俄勒冈州的几个地点（33-53μg/m³）、威斯康星州的几个地点（26-27μg/m³）以及阿拉斯加州Fairbanks县的几个地点（39μg/m³）的月平均值也较高。表1列出了烟雾PM2.5最高的25个CBSA或县，以及其中由于烟雾导致的PM2.5比例。在这些受影响严重的地区，烟雾占总PM2.5浓度的20%-54%。2020年，美国西部一些地区的平均烟雾PM2.5值最高，当时加利福尼亚州、俄勒冈州和华盛顿州的烟雾浓度加权平均值分别为2.7μg/m³、6.4μg/m³和3.0μg/m³（通过按每个CBSA或县的人口加权计算全年日均PM2.5得出）。这些数值与Childs等人（2024年）报告的同期加利福尼亚州（2.9μg/m³）和俄勒冈州（6.4μg/m³）的烟雾PM2.5加权平均值相似。2023年，最严重的烟雾事件发生在美国中部和东部。例如，明尼苏达州、密歇根州和纽约州的烟雾PM2.5加权平均值分别为3.3μg/m³、3.0μg/m³和2.3μg/m³。表1列出了2019-2024年烟雾PM2.5最高的25个CBSA或县。
排名 CBSA或县 人口（千人） 由于烟雾的PM2.5（μg/m³） 由于烟雾的PM2.5比例 疾病急诊室就诊次数（EDV）
1 Trinity County, CA 14.4 7.09 0.54 13
2 Mono County, CA 15.9 4.49 0.52 10
3 Siskiyou County, CA 45.6 4.10 0.45 30
4 Mariposa County, CA 19.8 3.74 0.35 11
5 Plumas County, CA 19.1 3.73 0.29 13
6 Medford, OR 228.8 3.71 0.41 154
7 Grants Pass, OR 89.4 3.55 0.37 55
8 Bend, OR 263.4 3.28 0.38 148
9 Klamath Falls, OR 69.2 3.19 0.30 45
10 Gardnerville Ranchos, NV-CA 56.4 2.87 0.38 30
11 Lemhi County, ID 8.1 2.77 0.26 5
12 Okanogan County, WA 44.3 2.71 0.29 23
13 Carson City, NV 57.0 2.61 0.37 27
14 Ravalli County, MT 44.9 2.50 0.36 23
15 Harney County, OR 7.2 2.47 0.22 4
16 Red Bluff, CA 72.2 2.41 0.30 34
17 Eugene-Springfield, OR 383.9 2.36 0.29 150
18 Bishop, CA 20.3 2.35 0.31 9
19 Yakima, WA 265.7 2.32 0.24 113
20 Fairbanks-College, AK 114.9 2.25 0.21 49
21 Burke County, ND 1.8 2.25 0.34 1
22 Lewiston, ID-WA 62.2 2.21 0.27 28
23 Salem, OR 445.0 2.19 0.27 117
24 Visalia, CA 536.6 2.19 0.17 233
25 Reno, NV 605.3 2.18 0.29 259
注：表格还列出了各地区的 population、由于烟雾导致的PM2.5比例以及累计的疾病急诊室就诊次数（EDV）。我们分析中所有CBSAs（县/市）和县的完整列表见支持信息S1中的表S1。表1还显示了2019-2024年“烟雾最严重”前25个地区的累积哮喘急诊就诊次数（EDVs），表2则显示了烟雾导致的哮喘急诊就诊次数最高的地区的相同信息。对于整个美国，我们估计在6年期间（2019-2024年）有5.1×10^4次哮喘急诊就诊。支持信息S1中的表S3展示了在不同相对风险（RR）假设下以及可能吸烟日与高度可能吸烟日类别下的结果。烟雾导致的气喘急诊就诊次数的范围是2.4-6.2×10^4次，其中烟雾RR值的不确定性是造成这一范围的主要因素。对于非烟雾引起的PM2.5，我们估计在这段时间内有1.51-1.55×10^5次哮喘急诊就诊。因此，我们估计烟雾导致了同期非烟雾总急诊就诊次数的34%（范围为16%-41%）。然而，仅2023年就占了这些就诊次数的33%，这主要是由于该国人口密集地区烟雾浓度较高。比较表1和表2，我们可以看到，虽然美国西部的农村地区烟雾PM2.5浓度和因烟雾引起的PM2.5比例最高，但由于人口众多，东部和中部人口密集地区的烟雾导致的哮喘急诊就诊次数绝对值更高，这与O’Dell等人（2021年）的研究结果一致。
表2：2019-2024年因烟雾导致的急诊就诊次数最高的前25个CBSAs或县
| 排名 | CBSA或县 | 人口（千人） | 由于烟雾的PM2.5（μg/m³） | 由于烟雾的PM2.5比例 | 急诊就诊次数（EDV） |
| --- | --- | --- | --- | --- | --- |
| 1 | 纽约-纽瓦克-泽西城, NY-NJ | 19417.2 | 0.72 | 0.10 | 3146 |
| 2 | 芝加哥-纳珀维尔-埃尔金, IL-IN | 9837.7 | 0.92 | 0.10 | 2048 |
| 3 | 休斯顿-帕萨迪纳-伍德兰兹, TX | 7593.3 | 0.92 | 0.09 | 1628 |
| 4 | 达拉斯-沃斯堡-阿灵顿, TX | 8038.1 | 0.80 | 0.09 | 1499 |
| 5 | 亚特兰大-桑迪斯普林斯-罗斯威尔, GA | 6756.0 | 0.86 | 0.10 | 1358 |
| 6 | 洛杉矶-长滩-阿纳海姆, CA | 13324.0 | 0.43 | 0.04 | 1281 |
| 7 | 费城-卡姆登-威尔明顿, PA-NJ-DE-MD | 6292.6 | 0.81 | 0.10 | 1113 |
| 8 | 明尼阿波利斯-圣保罗-布卢明顿, MN-WI | 3727.0 | 1.23 | 0.16 | 1055 |
| 9 | 华盛顿-阿灵顿-亚历山大, DC-VA-MD-WV | 6600.2 | 0.68 | 0.09 | 1011 |
| 10 | 萨克拉门托-罗斯维尔-福尔松, CA | 2599.3 | 1.72 | 0.21 | 945 |
| 11 | 底特律-沃伦-迪尔伯恩, MI | 4176.5 | 0.96 | 0.10 | 894 |
| 12 | 旧金山-奥克兰-弗里蒙特, CA | 4546.4 | 0.85 | 0.11 | 827 |
| 13 | 西雅图-塔科马-贝尔维尤, WA | 3897.1 | 1.03 | 0.16 | 816 |
| 14 | 丹佛-奥罗拉-百年纪念, CO | 3015.9 | 0.90 | 0.12 | 625 |
| 15 | 圣路易斯, MO-IL | 2944.0 | 0.88 | 0.10 | 603 |
| 16 | 波士顿-剑桥-牛顿, MA-NH | 4731.1 | 0.51 | 0.08 | 566 |
| 17 | 圣安东尼奥-新布朗费尔斯, TX | 2690.4 | 0.89 | 0.10 | 554 |
| 18 | 波特兰-温哥华-希尔斯伯勒, OR-WA | 2572.8 | 1.31 | 0.20 | 551 |
| 19 | 印第安纳波利斯-卡梅尔-格林伍德, IN | 2169.9 | 1.06 | 0.11 | 514 |
| 20 | 奥斯汀-朗德罗克-圣马科斯, TX | 2393.3 | 0.88 | 0.10 | 488 |
| 21 | 里弗赛德-圣贝纳迪诺-安大略, CA | 5517.4 | 0.39 | 0.04 | 486 |
| 22 | 夏洛特-康科德-加斯托尼亚, NC-SC | 2924.8 | 0.69 | 0.09 | 475 |
| 23 | 堪萨斯城, MO-KS | 2241.3 | 0.90 | 0.12 | 475 |
| 24 | 麦卡伦-埃丁堡-米申, TX | 1086.5 | 1.94 | 0.18 | 469 |
| 25 | 匹兹堡, PA | 2372.1 | 0.86 | 0.10 | 457 |
注：表格还显示了每个地区的人口以及由于烟雾产生的PM2.5的数量和比例。我们分析中所有CBSAs和县的完整列表见支持信息S1中的表S1。图4显示了美国不同年份暴露于不同年平均烟雾PM2.5水平的人口比例。该图表以2019年（烟雾非常少的年份）和2023年（烟雾严重的年份）为边界（见图1和图2）。2019年，只有极小的一部分人口（0.2%），全部在阿拉斯加，暴露于每年平均1 μg/m³或更高的烟雾PM2.5水平，Elser等人（2025年）指出这种水平会使痴呆风险增加18%。相比之下，2023年有超过2亿人（占美国人口的69.7%）暴露于每年平均1 μg/m³或更高的烟雾水平。在这6年中，平均有4900万人暴露于每年平均1 μg/m³或更高的烟雾PM2.5水平，600万人暴露于每年平均2 μg/m³或更高的水平。
图4显示了每年暴露于烟雾PM2.5的人口数量。每条线代表每年暴露于不同量烟雾PM2.5的美国人数量（以百万计）。请注意，暴露地区每年都会变化。这项分析涵盖了2.85亿人，占美国人口的85%。图5显示了烟雾对美国环保署（EPA）新的年度PM2.5标准合规性的影响。要达到这一标准，监测设备的年平均PM2.5浓度必须在3年内平均不超过9.0 μg/m³。初步评估将基于2022-2024年的数据。在我们的分析中，有807个监测点，其中633个可能会达到新的年度标准，但174个（21.6%）不会。对于那些不符合标准的监测点，我们重新计算了不包括烟雾PM2.5的年平均值，发现如果排除所有烟雾PM2.5，这些监测点中的大多数（117个）可以达到年度标准。然而，各州需要排除每个站点数百天的日均PM2.5烟雾值才能达到标准。这样一来，烟雾将导致许多站点超过新的PM2.5标准。
图5显示了烟雾对年度PM2.5标准合规性的影响：类别1：2022-2024年平均PM2.5 < 9.0 μg/m³的站点（n=633）；类别2：仅当排除烟雾PM2.5时，2022-2024年平均PM2.5 < 9.0 μg/m³的站点（n=117）；类别3：无论烟雾情况如何，2022-2024年平均PM2.5 > 9.0 μg/m³的站点（n=57）。烟雾对日常PM2.5标准合规性的影响也很重要，尽管不如年度标准明显，因为烟雾在烟雾天会贡献平均5.8 μg/m³的浓度（见图1c）。考虑到768个监测点，我们发现有33个站点在2022-2024年的平均每年有超过15天的PM2.5浓度超过35 μg/m³。美国每日PM2.5标准是35 μg/m³，这是根据3年的日均值计算的98百分位数。美国环保署称之为设计值。对于整个美国，我们发现在我们考虑的768个监测点中，只有35个的设计值超过了标准，但如果排除烟雾天，这一数字将降至15个。在满足每日PM2.5标准方面，受烟雾影响最严重的地区是俄勒冈州、北达科他州和华盛顿州。这与我们的发现一致，即在所有监测点中，只有2.4%的烟雾天PM2.5值超过了35 μg/m³（见支持信息S1中的图S5）。
**讨论与结论**
野火现在是美国空气质量差的主要原因，过去十年美国发生的野火面积大约翻了一番（NIFC，2025年）。除了美国的火灾外，加拿大和墨西哥的火灾产生的烟雾也会对美国的地表PM2.5产生显著影响（Kaulfus等人，2017年；Kirchmeier-Young等人，2024年）。由于烟雾，美国许多地区的空气质量经常非常差。尽管美国所有地区都会受到烟雾的影响，但空气质量受影响最严重的是西北部（特别是北加州和俄勒冈州）和中北部地区。在美国西部的一些农村地区，烟雾贡献了总PM2.5的50%以上。尽管过去6年美国整体的PM2.5观测值没有明显趋势，但当我们单独考虑烟雾的影响时，可以看到非烟雾日的PM2.5有显著下降趋势。这表明工业源的PM2.5有所减少，但这种减少被烟雾PM2.5的增加所掩盖。根据之前发布的风险评估，我们估计2019-2024年由于烟雾导致的年均哮喘急诊就诊次数为8.5×10^3次，每年有显著波动。2023年由于烟雾的影响，美国中部和东部人口密集地区的年均哮喘急诊就诊次数最多。相比之下，O’Dell等人（2021年）估计2006-2018年期间由于烟雾导致的年均哮喘急诊就诊次数约为3.0×10^3次。然而，这个时期的烟雾量比本研究包括的较 recent 年份要少得多。O’Dell等人（2021年）估计这一时期全国范围内由于烟雾导致的PM2.5浓度为约0.3 μg/m³，而我们发现2019-2024年的这一值为0.81 μg/m³（增加了2.7倍）。因此，我们较高的年均哮喘急诊就诊次数估计似乎是合理的。
我们的研究存在几个局限性。首先，如果HMS烟雾羽流与监测设备的位置不一致，可能会遗漏一个烟雾天。这可能由多种原因造成，但最重要的是云层的存在，它们会遮挡卫星对烟雾羽流的观测。对于所有基于环境（室外）PM2.5浓度的健康研究来说，一个重要的注意事项是，我们不知道居民对烟雾的反应如何。例如，一些受烟雾影响的地区居民可能会离开该地区，而其他人可能会留在那里，但住在空气过滤良好的室内。因此，环境PM2.5测量值并不能反映整个人群的真实暴露情况。目前，我们几乎没有定量数据来探讨这些关系。另一个局限性是，我们假设大县和CBSAs之间的暴露量是均匀的。虽然这符合美国空气质量监管的浓度水平，但它没有考虑到烟雾暴露在小空间尺度上的变化。还有一个局限性是，其他污染物，尤其是O3，也会随着温度的升高而增加（Lee & Jaffe，2025年）。最后，我们假设用于烟雾和非烟雾PM2.5的相对风险（RR）是相同的，而实际上这些风险可能因地区、年龄组和经济状况而异。了解美国烟雾PM2.5的模式可以帮助各州和社区为高污染天气做好应急计划。在这6年期间，美国的哮喘急诊就诊次数最多的地区是中部的美国（45%），其次是东部（28%）和西部（26%）。就个别州而言，加州、德克萨斯州、纽约州、伊利诺伊州、宾夕法尼亚州、乔治亚州、佛罗里达州、华盛顿州、北卡罗来纳州和密歇根州的哮喘急诊就诊次数最多。这加强了O’Dell等人（2021年）的发现，即烟雾的健康影响不仅限于美国西部。对于所有受烟雾影响的社区来说，继续并加强针对烟雾影响的准备工作非常重要。这应该包括确保所有居民都能获取空气质量信息并使用空气净化器。此外，这些社区还需要为呼吸道疾病的增加做好准备，并尽可能减少不受控制的火灾。鉴于目前全国烟雾事件的频率（见图2）以及烟雾对满足年度PM2.5标准的影响（见图5），我们认为EER程序不适合当前美国的火灾情况。美国《清洁空气法》允许各州和部落机构根据特殊情况规则（EER）申请数据排除。然而，这一程序复杂且耗时，而且美国环保署的决策标准并不明确。EER规则是为处理平流层入侵、影响O3浓度的现象、沙尘暴和/或影响PM2.5和PM10的野火等事件而制定的。然而，该规则是在野火事件较少且空气质量标准较高的时候制定的。如今，随着野火事件频率的增加和空气质量及公共卫生的影响，仅仅将它们视为特殊情况已经不再可行。从监管记录中剔除野火烟雾的影响并不能消除烟雾暴露对人群的负面健康影响，也不利于州和地方机构采取措施减少烟雾暴露。为了维护《国家环境空气质量标准》的初衷，即“保护公众健康和公共福利免受有害污染”，应重新评估这一程序。D.G. 的这项工作得到了美国国家航空航天局（NASA）的资助（项目编号：NASA 80NSSC21K0511）。关于利益冲突：
作者声明与本研究无关的任何利益冲突。数据可用性声明：
本研究的最终数据集可在华盛顿大学的研究作品档案库（https://hdl.handle.net/1773/53059）中找到；简化后的数据集也可以通过我们的用户友好型应用程序（http://smokelyze.netlify）进行查询。该工具为政策制定者和研究人员提供了数据驱动的分析工具，用以评估野火烟雾对单个监测点、各州乃至整个美国空气质量的影响。参考资料：
NASA 地球数据（2025）：世界网格化人口数据（版本 4，GPWv4），人口密度数据（修订版 11）。获取地址：https://www.earthdata.nasa.gov/data/catalog/esdis-ciesin-sedac-gpwv4-popdens-r11-4.11
Google Scholar
R Core 团队（2023）：用于统计计算的编程语言和环境工具 R。来源：R 统计计算基金会（R Foundation for Statistical Computing）。获取地址：https://www.R-project.org
Google Scholar
打赏
