暴露于超过WHO临时目标-2的PM2.5污染人口比例

PM2.5 pollution, population exposed to levels exceeding WHO Interim Target-2 value (% of total)

下载数据

指标代码：EN.ATM.PM25.MC.T2.ZS所属主题：环境：排放Environment: Emissions

2017最新有效年份

186最新年份有值国家

265历史上有数据经济体

87%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

Percent of population exposed to ambient concentrations of PM2.5 that exceed the World Health Organization (WHO) Interim Target 2 (IT-2) is defined as the portion of a country’s population living in places where mean annual concentrations of PM2.5 are greater than 25 micrograms per cubic meter. The Air Quality Guideline (AQG) of 10 micrograms per cubic meter is recommended by the WHO as the lower end of the range of concentrations over which adverse health effects due to PM2.5 exposure have been observed.

可供参考的中文翻译：暴露于超过世界卫生组织（WHO）临时目标-2（IT-2）的PM2.5环境浓度的人口比例，定义为生活在年平均PM2.5浓度大于25微克/立方米的地区的人口比例。WHO建议的空气质量准则（AQG）为10微克/立方米，是已观察到PM2.5暴露不良健康影响浓度范围的低端。

数据口径与风险提示

该指标使用WHO临时目标-2（IT-2）阈值（25微克/立方米），而非最严格的空气质量准则（AQG，10微克/立方米），因此反映的是相对宽松标准下的超标程度
中国数据覆盖1990-2017年，但世界（全球）聚合数据不可用，无法直接进行中国与全球整体趋势的对比
数据最新截止于2017年，可能无法反映近年大气污染防治攻坚战的实际效果
排名快照中大量国家达到100%，反映的是数据缺失或极端空气污染状况，并非绝对健康风险的直接衡量
该指标衡量超标人口比例而非绝对浓度变化，高比例不必然代表健康风险程度的高低
指标基于年均暴露值，不反映短期重污染事件（如雾霾高峰）的风险差异
城市与农村地区的PM2.5暴露差异未被区分，可能掩盖内部分布变化
统计口径为年平均值，不同监测方法（如卫星反演与地面监测）的数据一致性需注意

中国趋势

趋势解读

从1990年到2017年，中国暴露于超过WHO临时目标-2的PM2.5浓度的人口比例呈现小幅波动后逐步回落的态势。1990年代初期该比例约为98.8%，随后在2000年代基本维持在98.9%左右的高位平台，2011年达到峰值约99.2%。此后出现持续下降，2017年降至约97.2%，较最高点下降约2个百分点。整体来看，从首年到最新数据下降了约1.6个百分点，这一变化幅度相对有限，表明在数据覆盖期内，中国仍有超过97%的人口生活在年均PM2.5浓度超过25微克/立方米的地区。该指标基于WHO设定的相对宽松的IT-2阈值，高比例本身并不直接等同于健康风险程度，需结合绝对浓度变化和其他PM2.5指标综合判断。

1990年该比例约为98.8%，此后二十年基本保持在98.7%-99.2%的窄幅区间
2011年达到观察期内最高值约99.2%
2017年降至约97.2%，为观察期内最低值
从首年（1990年）到最新（2017年）累计下降约1.6个百分点
最近变化（2011-2017年）下降约1.6个百分点，呈现持续改善趋势
1990-1999年十年变化倍数约为1.0倍（基本持平）
2000-2009年十年变化倍数约为1.0倍（基本持平）
2010-2019年十年变化倍数约为0.98倍（下降约1.8%）

全球趋势

趋势解读

世界银行数据库中该指标的世界（全球）聚合数据缺失（count=0），因此无法直接获取全球整体的暴露比例变化趋势，也限制了与中国趋势的对比分析。排名快照显示，截至2017年，包括阿富汗、孟加拉国、印度等在内的多个国家该比例达到100%，表明大量人口生活在PM2.5年均浓度超过25微克/立方米的地区。由于缺少全球聚合序列数据，关于全球变化轨迹、区域分化程度以及中国在全球污染暴露格局中相对位置的分析均受到显著限制，需要通过其他数据源或分区域数据补充验证。

全球聚合数据不可用（数据点数量为0）
排名快照显示2017年有大量国家达到100%，包括多个南亚、非洲和中东国家
排名快照包含至少23个国家/地区显示为100%，涉及阿富汗、孟加拉国、苏丹等
数据截止年份为2017年
无法获取世界整体趋势数据进行中外对比
大量国家达到100%可能反映数据覆盖不完整或极端空气污染状况
缺少全球聚合数据限制了对中国在全球大气污染暴露格局中定位的分析
该排名仅是数值从高到低的排序，不构成规范性评价

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
1970-1979	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
1980-1989	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
1990-1999	1.0x	-	该十年间中国暴露于超标PM2.5的人口比例基本维持在99%左右的高平台期初末倍数接近1.0倍，表明在该阶段中国的空气污染暴露格局相对稳定，人口分布向超标区域的集中程度未见明显变化，可能与当时工业化进程和能源消费结构的相对均衡状态有关。
2000-2009	1.0x	-	2000年代中国该比例期初到期末倍数仍接近1.0倍，整体保持高位稳定态势，这一时期大规模城镇化加速推进，但年均PM2.5浓度虽在波动中略有上升，被该指标捕捉到的超标人口比例并未出现显著扩张，可能反映了人口流动方向与污染分布的空间匹配特征。
2010-2019	1.0x	-	2010年代该比例期初到期末倍数降至约0.98倍，意味着暴露于超标PM2.5的人口比例出现小幅下降，这一相对变化可能与该阶段大气污染防治力度的加强有关，但考虑到绝对值仍维持在97%以上的高位，变化幅度有限，可能反映污染治理的边际效应递减特征，需结合绝对浓度变化和其他PM2.5指标进一步验证。
2020-2029	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。

2017 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Afghanistan 阿富汗	AFG	100.0
2	Algeria 阿尔及利亚	DZA	100.0
3	Angola 安哥拉	AGO	100.0
4	Bahrain 巴林	BHR	100.0
5	Bangladesh 孟加拉国	BGD	100.0
6	Benin 贝宁	BEN	100.0
7	Burkina Faso 布基纳法索	BFA	100.0
8	Burundi 布隆迪	BDI	100.0
9	Cabo Verde 佛得角	CPV	100.0
10	Cameroon 喀麦隆	CMR	100.0
11	Central African Republic 中非共和国	CAF	100.0
12	Chad 乍得	TCD	100.0
13	Congo, Dem. Rep. 刚果（金）	COD	100.0
14	Congo, Rep. 刚果（布）	COG	100.0
15	Djibouti 吉布提	DJI	100.0
16	Equatorial Guinea 赤道几内亚	GNQ	100.0
17	Eritrea 厄立特里亚	ERI	100.0
18	Ethiopia 埃塞俄比亚	ETH	100.0
19	Gabon 加蓬	GAB	100.0
20	Gambia, The 冈比亚	GMB	100.0
21	Ghana 加纳	GHA	100.0
22	Guinea-Bissau 几内亚比绍	GNB	100.0
23	Iraq 伊拉克	IRQ	100.0
24	Kuwait 科威特	KWT	100.0
25	Libya 利比亚	LBY	100.0
26	Mali 马里	MLI	100.0
27	Mauritania 毛里塔尼亚	MRT	100.0
28	Niger 尼日尔	NER	100.0
29	Oman 阿曼	OMN	100.0
30	Qatar 卡塔尔	QAT	100.0
31	Rwanda 卢旺达	RWA	100.0
32	Sao Tome and Principe 圣多美和普林西比	STP	100.0
33	Saudi Arabia 沙特阿拉伯	SAU	100.0
34	Senegal 塞内加尔	SEN	100.0
35	Somalia, Fed. Rep. 索马里	SOM	100.0
36	South Sudan 南苏丹	SSD	100.0
37	Sudan 苏丹	SDN	100.0
38	Togo 多哥	TGO	100.0
39	Tunisia 突尼斯	TUN	100.0
40	Uganda 乌干达	UGA	100.0
41	United Arab Emirates 阿联酋	ARE	100.0
42	Yemen, Rep. 也门	YEM	100.0
43	Nepal 尼泊尔	NPL	100.0
44	Egypt, Arab Rep. 埃及	EGY	100.0
45	Turkiye 土耳其	TUR	100.0
46	Syrian Arab Republic 叙利亚	SYR	100.0
47	Pakistan 巴基斯坦	PAK	99.9
48	Korea, Dem. People's Rep. 朝鲜	PRK	99.9
49	Nigeria 尼日利亚	NGA	99.9
50	Tajikistan 塔吉克斯坦	TJK	99.9
51	Lebanon 黎巴嫩	LBN	99.5
52	Lesotho 莱索托	LSO	99.3
53	Morocco 摩洛哥	MAR	98.8
54	Iran, Islamic Rep. 伊朗	IRN	98.5
55	Zambia 赞比亚	ZMB	98.0
56	China 中国	CHN	97.2
57	Myanmar 缅甸	MMR	96.1
58	India 印度	IND	93.7
59	Bhutan 不丹	BTN	93.3
60	Jordan 约旦	JOR	91.6
61	West Bank and Gaza 约旦河西岸和加沙	PSE	89.1
62	Mongolia 蒙古	MNG	80.6
63	Armenia 亚美尼亚	ARM	78.0
64	Viet Nam 越南	VNM	76.7
65	Uzbekistan 乌兹别克斯坦	UZB	72.2
66	Cote d'Ivoire 科特迪瓦	CIV	68.6
67	Thailand 泰国	THA	67.1
68	North Macedonia 北马其顿	MKD	67.0
69	Namibia 纳米比亚	NAM	63.6
70	Bosnia and Herzegovina 波黑	BIH	63.2
71	Kenya 肯尼亚	KEN	62.0
72	Cambodia 柬埔寨	KHM	55.8
73	Suriname 苏里南	SUR	55.6
74	Tanzania 坦桑尼亚	TZA	55.3
75	Lao PDR 老挝	LAO	54.7
76	Korea, Rep. 韩国	KOR	53.0
77	Guinea 几内亚	GIN	52.1
78	Serbia 塞尔维亚	SRB	48.2
79	South Africa 南非	ZAF	42.5
80	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	42.4
81	Peru 秘鲁	PER	39.2
82	El Salvador 萨尔瓦多	SLV	34.8
83	Botswana 博茨瓦纳	BWA	34.4
84	Georgia 格鲁吉亚	GEO	32.4
85	Chile 智利	CHL	31.2
86	Bolivia 玻利维亚	BOL	24.5
87	Guatemala 危地马拉	GTM	24.0
88	Guyana 圭亚那	GUY	23.7
89	Turkmenistan 土库曼斯坦	TKM	23.0
90	Cuba 古巴	CUB	20.7
91	Montenegro 黑山	MNE	19.2
92	Poland 波兰	POL	19.1
93	Mexico 墨西哥	MEX	18.6
94	Malawi 马拉维	MWI	11.8
95	Madagascar 马达加斯加	MDG	11.6
96	Honduras 洪都拉斯	HND	8.86
97	Ukraine 乌克兰	UKR	8.48
98	Israel 以色列	ISR	8.25
99	Zimbabwe 津巴布韦	ZWE	8.07
100	Bulgaria 保加利亚	BGR	7.08
101	Italy 意大利	ITA	6.73
102	Indonesia 印度尼西亚	IDN	6.54
103	Philippines 菲律宾	PHL	6.19
104	Croatia 克罗地亚	HRV	5.90
105	Azerbaijan 阿塞拜疆	AZE	5.70
106	Czechia 捷克	CZE	4.88
107	Brazil 巴西	BRA	4.70
108	Mozambique 莫桑比克	MOZ	4.50
109	Belarus 白俄罗斯	BLR	4.42
110	Russian Federation 俄罗斯	RUS	3.95
111	Greece 希腊	GRC	3.66
112	Argentina 阿根廷	ARG	3.58
113	Albania 阿尔巴尼亚	ALB	3.10
114	Belize 伯利兹	BLZ	2.69
115	Nicaragua 尼加拉瓜	NIC	2.12
116	Venezuela, RB 委内瑞拉	VEN	2.04
117	Sierra Leone 塞拉利昂	SLE	1.92
118	Kazakhstan 哈萨克斯坦	KAZ	1.36
119	Colombia 哥伦比亚	COL	1.34
120	United States 美国	USA	0.05
121	Spain 西班牙	ESP	0.04
122	Andorra 安道尔	AND	0.00
123	Antigua and Barbuda 安提瓜和巴布达	ATG	0.00
124	Australia 澳大利亚	AUS	0.00
125	Austria 奥地利	AUT	0.00
126	Bahamas, The 巴哈马	BHS	0.00
127	Barbados 巴巴多斯	BRB	0.00
128	Belgium 比利时	BEL	0.00
129	Brunei Darussalam 文莱	BRN	0.00
130	Canada 加拿大	CAN	0.00
131	Comoros 科摩罗	COM	0.00
132	Costa Rica 哥斯达黎加	CRI	0.00
133	Cyprus 塞浦路斯	CYP	0.00
134	Denmark 丹麦	DNK	0.00
135	Dominica 多米尼克	DMA	0.00
136	Dominican Republic 多米尼加共和国	DOM	0.00
137	Ecuador 厄瓜多尔	ECU	0.00
138	Estonia 爱沙尼亚	EST	0.00
139	Eswatini 斯威士兰	SWZ	0.00
140	Fiji 斐济	FJI	0.00
141	Finland 芬兰	FIN	0.00
142	France 法国	FRA	0.00
143	Germany 德国	DEU	0.00
144	Grenada 格林纳达	GRD	0.00
145	Haiti 海地	HTI	0.00
146	Hungary 匈牙利	HUN	0.00
147	Iceland 冰岛	ISL	0.00
148	Ireland 爱尔兰	IRL	0.00
149	Jamaica 牙买加	JAM	0.00
150	Japan 日本	JPN	0.00
151	Kiribati 基里巴斯	KIR	0.00
152	Latvia 拉脱维亚	LVA	0.00
153	Liberia 利比里亚	LBR	0.00
154	Lithuania 立陶宛	LTU	0.00
155	Luxembourg 卢森堡	LUX	0.00
156	Malaysia 马来西亚	MYS	0.00
157	Maldives 马尔代夫	MDV	0.00
158	Malta 马耳他	MLT	0.00
159	Marshall Islands 马绍尔群岛	MHL	0.00
160	Mauritius 毛里求斯	MUS	0.00
161	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	0.00
162	Moldova 摩尔多瓦	MDA	0.00
163	Netherlands 荷兰	NLD	0.00
164	New Zealand 新西兰	NZL	0.00
165	Norway 挪威	NOR	0.00
166	Panama 巴拿马	PAN	0.00
167	Papua New Guinea 巴布亚新几内亚	PNG	0.00
168	Paraguay 巴拉圭	PRY	0.00
169	Portugal 葡萄牙	PRT	0.00
170	Romania 罗马尼亚	ROU	0.00
171	Samoa 萨摩亚	WSM	0.00
172	Seychelles 塞舌尔	SYC	0.00
173	Singapore 新加坡	SGP	0.00
174	Slovak Republic 斯洛伐克	SVK	0.00
175	Slovenia 斯洛文尼亚	SVN	0.00
176	Solomon Islands 所罗门群岛	SLB	0.00
177	Sri Lanka 斯里兰卡	LKA	0.00
178	St. Lucia 圣卢西亚	LCA	0.00
179	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	0.00
180	Sweden 瑞典	SWE	0.00
181	Switzerland 瑞士	CHE	0.00
182	Timor-Leste 东帝汶	TLS	0.00
183	Tonga 汤加	TON	0.00
184	United Kingdom 英国	GBR	0.00
185	Uruguay 乌拉圭	URY	0.00
186	Vanuatu 瓦努阿图	VUT	0.00

使用建议、常见误用与研究场景

数值较高通常意味着什么

该比例越高，表示暴露于超过WHO临时目标-2（年均浓度>25微克/立方米）的PM2.5污染的人口越多。高比例通常意味着整体空气质量较差，面临PM2.5超标风险的人群规模较大，但该比例不直接等同于健康风险程度，因为超标幅度和暴露时长等因素同样重要。

数值较低通常意味着什么

该比例越低，表示生活在PM2.5年均浓度低于25微克/立方米地区的人口越多，可能反映空气质量改善或污染源治理取得成效。但需注意，该指标使用的IT-2阈值相对宽松，即使比例下降至较低水平，空气质量仍可能未达到WHO最严格的健康标准。

鍙ｅ緞闄愬埗

该指标使用WHO IT-2阈值（25微克/立方米），而非最严格的AQG准则（10微克/立方米），可能低估实际健康风险
高比例可能掩盖分区域内部的显著差异，如城市与农村、重点区域的差异
该指标反映年均暴露情况，无法捕捉短期重污染事件（如持续性雾霾）的健康风险
数据最新截止2017年，可能无法反映近年政策干预的即时效果
全球聚合数据不可用，限制了国际比较分析的可靠性
指标定义基于年均浓度，长期和短期暴露的健康影响可能存在差异

使用建议

结合绝对浓度指标（年均暴露值）综合判断空气质量改善程度
使用多阈值指标（如WHO IT-1、IT-3和AQG标准下的比例）评估不同标准下的达标进展
分析该比例的变化轨迹时结合能源消费结构、工业排放和机动车保有量等相关变量
结合城市与农村分项数据（如有）评估区域内部的分布变化
将该指标与其他健康指标（如呼吸系统疾病发病率）结合使用时需注意因果推断的谨慎性
考虑数据的时效性，在分析近年变化时说明数据滞后可能带来的局限性
对比不同国家时注意监测网络覆盖程度和数据质量差异，避免简单的跨国排名解读

常见错误用法

错误做法：直接将该比例的下降等同于空气质量已经达标或健康风险已大幅降低

正确做法：认识到该指标使用的IT-2阈值（25微克/立方米）远宽松于WHO推荐的AQG准则（10微克/立方米），比例即使下降仍可能代表不健康的暴露水平

IT-2只是WHO分级体系中的第二级目标，比例从99%降至97%并不意味着空气质量已改善到安全水平，仍需关注绝对浓度变化和其他更严格标准的指标

错误做法：用该指标进行国际排名，认为比例高的国家健康风险一定更高

正确做法：认识到排名仅是数值从高到低的排序，高比例可能反映监测网络不完整、数据缺失或极端污染状况，而非绝对健康风险的直接衡量

不同国家的监测覆盖程度、数据质量和统计口径存在差异，大量国家达到100%可能是数据缺失而非真实暴露情况，且高比例不等于高风险程度

错误做法：用该指标单独评估大气污染治理成效或政策效果

正确做法：将该指标与年均PM2.5浓度绝对值、其他阈值标准下的比例以及分区域数据结合使用

该指标仅反映超标人口比例而非绝对浓度变化，且数据截止2017年，难以捕捉近年政策干预的即时效果，单独使用容易得出片面结论

错误做法：将中国该比例与世界平均趋势直接对比，得出中国改善快于或慢于世界的结论

正确做法：认识到世界聚合数据不可用，无法进行直接的中外趋势对比

由于全球数据缺失，关于中国在全球污染暴露格局中相对位置的判断缺乏数据支撑，需要依赖其他数据来源或分区域数据补充验证

实际应用场景

空气质量改善对人群健康的长期影响研究：研究大气污染治理政策（如大气污染防治行动计划）对居民健康结局（如呼吸系统疾病发病率、预期寿命）的影响时，可将该指标作为关键解释变量或机制变量，衡量人群暴露水平的变化。机制变量或解释变量使用该指标反映污染暴露的变化，但需注意其仅涵盖年均暴露，且阈值相对宽松，建议同时控制季节性变化和短期峰值事件，考虑使用工具变量或双重差分设计应对内生性问题
能源结构转型与空气质量关系的实证分析：分析能源消费结构变化（如煤炭比重下降、可再生能源比重上升）与空气质量改善之间的关联时，可将该指标作为被解释变量，考察能源政策的环境效果。被解释变量（outcome）将能源结构指标与该比例变化进行回归分析，但需注意该比例的边际变化可能较小，建议关注绝对浓度变化和其他PM2.5指标以增强稳健性，并考虑滞后效应
空气污染暴露的公平性分析：考察空气污染暴露在城市与农村、不同收入群体之间的分布差异及其影响因素时，可将该指标的分区域数据或补充数据作为分析对象。被解释变量（分维度）结合社会经济指标（如收入水平、教育程度）进行分解分析，评估污染暴露的不平等程度，但需注意分区域数据的可得性和可比性
大气污染健康影响的风险评估：评估大气污染对人群健康的长期影响，为环境政策成本效益分析提供依据时，可使用该指标计算受影响人口规模。控制变量或风险暴露度量计算暴露人口绝对数量时需结合人口数据，但需注意该指标仅反映年均超标比例，实际风险评估还需考虑暴露幅度、暴露时长和易感人群比例等因素
使用多阈值指标进行稳健性检验：在主分析使用严格标准（如WHO AQG）的指标后，使用该指标（IT-2）进行稳健性检验，评估结论对不同阈值选择的敏感性。稳健性检验对比不同阈值标准下的结果一致性，若结论一致则增强可信度，若不一致则需探讨可能的原因（如超标幅度分布差异）