PM2.5空气污染暴露人口占WHO中期目标-3值以上比例（占总人口%）

PM2.5 pollution, population exposed to levels exceeding WHO Interim Target-3 value (% of total)

下载数据

指标代码：EN.ATM.PM25.MC.T3.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 3 (IT-3) is defined as the portion of a country’s population living in places where mean annual concentrations of PM2.5 are greater than 15 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PM2.5年平均浓度超过世界卫生组织（WHO）中期目标3（IT-3，即15微克/立方米）的环境浓度的人口比例，定义为生活在年平均PM2.5浓度大于15微克/立方米的地区的人口部分。WHO推荐的空气质量准则（AQG）为10微克/立方米，是已观察到PM2.5暴露导致不良健康效应的浓度范围下限。

数据口径与风险提示

该指标衡量的是超过WHO IT-3阈值（15μg/m³）的暴露比例，而非实际PM2.5浓度本身，无法直接用于跨国浓度比较
浓度数据依赖卫星遥感与地面监测模型的结合，不同地区的模型精度可能存在差异
人口加权计算方式意味着人口密集地区的空气质量对指标影响更大，可能掩盖区域差异
WHO IT-3为过渡性标准，并非安全阈值，即使达标仍可能存在健康风险
部分发展中国家地面监测站覆盖不足，数据可靠性相对较低
跨国比较需注意土地利用、气象条件和监测方法的差异对结果的影响
该指标为比例指标，反映人口受高浓度暴露的可能性，不反映绝对人口规模
数据年份截止至2017年，可能无法反映近年来排放控制政策的最新进展

中国趋势

趋势解读

1990至2017年间，中国暴露于PM2.5超过WHO IT-3标准的人口比例始终维持在99.9%以上的极高水平。1990年代初期约为99.98%，至2000年代初期略微攀升至约99.99%的峰值，随后进入长期缓慢下降通道。2010年代起降速有所加快，至2017年降至约99.94%，为有记录以来最低值。整个观察期内下降幅度约为0.04个百分点，表明尽管大气污染防治力度持续加大，但人口暴露风险水平仍处于高位。该数据反映了中国快速城镇化进程中人口向空气质量较差地区集聚的复杂效应，以及污染源排放强度的结构性变化。

中国数据覆盖1990、1995、2000、2005、2010至2017年共12个年份
1990年初始暴露比例为99.9795%，2017年最新数据为99.9383%
2005年录得有记录最高值99.9888%，为阶段性暴露风险高峰
2017年录得有记录最低值99.9383%，为27年间的最低暴露水平
从首年到末年整体变化幅度为下降0.0413个百分点
近年前后变化幅度为下降0.0343个百分点
2010年代呈现持续下降趋势，但数值仍保持在99.9%以上
数据精度受限于模型估算，卫星反演与地面监测的结合方式可能产生系统性偏差

全球趋势

趋势解读

世界银行WDI数据库中目前未将全球层面的暴露于PM2.5超过WHO IT-3标准的人口比例数据纳入预计算范围，导致世界平均水平数据缺失。这一数据缺口限制了基于该指标的全球趋势分析和跨国比较研究。从现有质量标注来看，世界层面数据缺失被标记为核心风险因素之一，意味着目前尚无法通过官方渠道获取全球总体暴露比例的汇总统计。鉴于数据可用性限制，相关分析需待世界银行更新其全球聚合数据后方可进行，用户在开展跨国比较研究时应注意这一数据约束条件。

全球聚合数据目前不可用
暂无世界银行提供的全球平均水平数据，无法进行跨国直接比较
相关分析需待官方数据更新后进行补充
卫星遥感与模型估算的全球数据精度可能因区域差异而有所不同

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	-	该阶段只有中国具备可比变化率，适合先观察本国供需结构变化，不宜直接推断全球差异。该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。
2000-2009	1.0x	-	该阶段只有中国具备可比变化率，适合先观察本国供需结构变化，不宜直接推断全球差异。该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。
2010-2019	1.0x	-	该阶段只有中国具备可比变化率，适合先观察本国供需结构变化，不宜直接推断全球差异。该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。
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	Armenia 亚美尼亚	ARM	100.0
5	Bahrain 巴林	BHR	100.0
6	Bangladesh 孟加拉国	BGD	100.0
7	Barbados 巴巴多斯	BRB	100.0
8	Belize 伯利兹	BLZ	100.0
9	Benin 贝宁	BEN	100.0
10	Bhutan 不丹	BTN	100.0
11	Botswana 博茨瓦纳	BWA	100.0
12	Burkina Faso 布基纳法索	BFA	100.0
13	Burundi 布隆迪	BDI	100.0
14	Cabo Verde 佛得角	CPV	100.0
15	Cameroon 喀麦隆	CMR	100.0
16	Central African Republic 中非共和国	CAF	100.0
17	Chad 乍得	TCD	100.0
18	Comoros 科摩罗	COM	100.0
19	Congo, Dem. Rep. 刚果（金）	COD	100.0
20	Congo, Rep. 刚果（布）	COG	100.0
21	Cote d'Ivoire 科特迪瓦	CIV	100.0
22	Djibouti 吉布提	DJI	100.0
23	Dominica 多米尼克	DMA	100.0
24	Egypt, Arab Rep. 埃及	EGY	100.0
25	Equatorial Guinea 赤道几内亚	GNQ	100.0
26	Eritrea 厄立特里亚	ERI	100.0
27	Eswatini 斯威士兰	SWZ	100.0
28	Ethiopia 埃塞俄比亚	ETH	100.0
29	Gabon 加蓬	GAB	100.0
30	Gambia, The 冈比亚	GMB	100.0
31	Ghana 加纳	GHA	100.0
32	Grenada 格林纳达	GRD	100.0
33	Guinea-Bissau 几内亚比绍	GNB	100.0
34	Iraq 伊拉克	IRQ	100.0
35	Kenya 肯尼亚	KEN	100.0
36	Korea, Dem. People's Rep. 朝鲜	PRK	100.0
37	Korea, Rep. 韩国	KOR	100.0
38	Kuwait 科威特	KWT	100.0
39	Lesotho 莱索托	LSO	100.0
40	Libya 利比亚	LBY	100.0
41	Madagascar 马达加斯加	MDG	100.0
42	Malawi 马拉维	MWI	100.0
43	Mali 马里	MLI	100.0
44	Mauritania 毛里塔尼亚	MRT	100.0
45	Mozambique 莫桑比克	MOZ	100.0
46	Namibia 纳米比亚	NAM	100.0
47	Nepal 尼泊尔	NPL	100.0
48	Niger 尼日尔	NER	100.0
49	Nigeria 尼日利亚	NGA	100.0
50	Oman 阿曼	OMN	100.0
51	Pakistan 巴基斯坦	PAK	100.0
52	Qatar 卡塔尔	QAT	100.0
53	Rwanda 卢旺达	RWA	100.0
54	Sao Tome and Principe 圣多美和普林西比	STP	100.0
55	Saudi Arabia 沙特阿拉伯	SAU	100.0
56	Senegal 塞内加尔	SEN	100.0
57	Seychelles 塞舌尔	SYC	100.0
58	Sierra Leone 塞拉利昂	SLE	100.0
59	Somalia, Fed. Rep. 索马里	SOM	100.0
60	South Sudan 南苏丹	SSD	100.0
61	St. Lucia 圣卢西亚	LCA	100.0
62	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	100.0
63	Sudan 苏丹	SDN	100.0
64	Syrian Arab Republic 叙利亚	SYR	100.0
65	Tajikistan 塔吉克斯坦	TJK	100.0
66	Tanzania 坦桑尼亚	TZA	100.0
67	Togo 多哥	TGO	100.0
68	Tunisia 突尼斯	TUN	100.0
69	Uganda 乌干达	UGA	100.0
70	United Arab Emirates 阿联酋	ARE	100.0
71	Yemen, Rep. 也门	YEM	100.0
72	Zambia 赞比亚	ZMB	100.0
73	Zimbabwe 津巴布韦	ZWE	100.0
74	Morocco 摩洛哥	MAR	100.0
75	Singapore 新加坡	SGP	100.0
76	El Salvador 萨尔瓦多	SLV	100.0
77	Azerbaijan 阿塞拜疆	AZE	100.0
78	Antigua and Barbuda 安提瓜和巴布达	ATG	100.0
79	West Bank and Gaza 约旦河西岸和加沙	PSE	100.0
80	Jordan 约旦	JOR	100.0
81	Myanmar 缅甸	MMR	100.0
82	Turkiye 土耳其	TUR	100.0
83	Guatemala 危地马拉	GTM	100.0
84	Cambodia 柬埔寨	KHM	100.0
85	Iran, Islamic Rep. 伊朗	IRN	100.0
86	Turkmenistan 土库曼斯坦	TKM	100.0
87	Guinea 几内亚	GIN	99.9
88	India 印度	IND	99.9
89	China 中国	CHN	99.9
90	North Macedonia 北马其顿	MKD	99.9
91	South Africa 南非	ZAF	99.9
92	Lebanon 黎巴嫩	LBN	99.9
93	Suriname 苏里南	SUR	99.7
94	Thailand 泰国	THA	99.6
95	Montenegro 黑山	MNE	99.6
96	Liberia 利比里亚	LBR	99.4
97	Viet Nam 越南	VNM	99.2
98	Guyana 圭亚那	GUY	99.2
99	Serbia 塞尔维亚	SRB	99.1
100	Georgia 格鲁吉亚	GEO	98.9
101	Lao PDR 老挝	LAO	98.6
102	Ukraine 乌克兰	UKR	97.9
103	Uzbekistan 乌兹别克斯坦	UZB	97.7
104	Peru 秘鲁	PER	97.2
105	Honduras 洪都拉斯	HND	96.6
106	Bosnia and Herzegovina 波黑	BIH	96.3
107	Timor-Leste 东帝汶	TLS	96.3
108	Bolivia 玻利维亚	BOL	95.8
109	Israel 以色列	ISR	94.1
110	Cyprus 塞浦路斯	CYP	91.5
111	Slovak Republic 斯洛伐克	SVK	90.9
112	Bahamas, The 巴哈马	BHS	90.5
113	Belarus 白俄罗斯	BLR	90.2
114	Mongolia 蒙古	MNG	89.9
115	Bulgaria 保加利亚	BGR	89.4
116	Poland 波兰	POL	87.2
117	Mexico 墨西哥	MEX	86.6
118	Albania 阿尔巴尼亚	ALB	84.6
119	Chile 智利	CHL	82.3
120	Philippines 菲律宾	PHL	78.6
121	Moldova 摩尔多瓦	MDA	77.8
122	Nicaragua 尼加拉瓜	NIC	75.7
123	Croatia 克罗地亚	HRV	73.9
124	Venezuela, RB 委内瑞拉	VEN	72.1
125	Cuba 古巴	CUB	63.8
126	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	63.4
127	Slovenia 斯洛文尼亚	SVN	62.7
128	Mauritius 毛里求斯	MUS	60.7
129	Russian Federation 俄罗斯	RUS	60.0
130	Malta 马耳他	MLT	59.1
131	Hungary 匈牙利	HUN	58.8
132	Malaysia 马来西亚	MYS	58.8
133	Colombia 哥伦比亚	COL	58.4
134	Costa Rica 哥斯达黎加	CRI	57.7
135	Greece 希腊	GRC	56.9
136	Italy 意大利	ITA	53.3
137	Czechia 捷克	CZE	52.5
138	Indonesia 印度尼西亚	IDN	52.0
139	Ecuador 厄瓜多尔	ECU	46.8
140	Sri Lanka 斯里兰卡	LKA	43.5
141	Romania 罗马尼亚	ROU	42.3
142	Haiti 海地	HTI	40.4
143	Dominican Republic 多米尼加共和国	DOM	29.3
144	Kazakhstan 哈萨克斯坦	KAZ	24.4
145	Argentina 阿根廷	ARG	20.6
146	Brazil 巴西	BRA	19.0
147	Latvia 拉脱维亚	LVA	16.9
148	Jamaica 牙买加	JAM	14.5
149	Austria 奥地利	AUT	14.1
150	Japan 日本	JPN	9.73
151	Australia 澳大利亚	AUS	9.22
152	Belgium 比利时	BEL	9.18
153	France 法国	FRA	9.12
154	Lithuania 立陶宛	LTU	8.30
155	Germany 德国	DEU	6.80
156	Papua New Guinea 巴布亚新几内亚	PNG	3.08
157	Paraguay 巴拉圭	PRY	2.90
158	Switzerland 瑞士	CHE	1.38
159	United Kingdom 英国	GBR	1.21
160	Spain 西班牙	ESP	0.96
161	Panama 巴拿马	PAN	0.91
162	United States 美国	USA	0.28
163	Netherlands 荷兰	NLD	0.04
164	Andorra 安道尔	AND	0.00
165	Brunei Darussalam 文莱	BRN	0.00
166	Canada 加拿大	CAN	0.00
167	Denmark 丹麦	DNK	0.00
168	Estonia 爱沙尼亚	EST	0.00
169	Fiji 斐济	FJI	0.00
170	Finland 芬兰	FIN	0.00
171	Iceland 冰岛	ISL	0.00
172	Ireland 爱尔兰	IRL	0.00
173	Kiribati 基里巴斯	KIR	0.00
174	Luxembourg 卢森堡	LUX	0.00
175	Maldives 马尔代夫	MDV	0.00
176	Marshall Islands 马绍尔群岛	MHL	0.00
177	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	0.00
178	New Zealand 新西兰	NZL	0.00
179	Norway 挪威	NOR	0.00
180	Portugal 葡萄牙	PRT	0.00
181	Samoa 萨摩亚	WSM	0.00
182	Solomon Islands 所罗门群岛	SLB	0.00
183	Sweden 瑞典	SWE	0.00
184	Tonga 汤加	TON	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

暴露比例越高，意味着更大比例的人口生活在年均PM2.5浓度超过15μg/m³的环境中，可能面临更高的呼吸系统疾病、心血管疾病等健康风险，且该阈值仍高于WHO最终准则值。

数值较低通常意味着什么

暴露比例降低表明更多人居住在空气质量相对更好的地区，公共卫生条件改善，但即便比例下降仍需关注剩余高暴露人群的分布特征。

鍙ｅ緞闄愬埗

该指标为比例指标，无法反映绝对人口规模的大小，低比例国家若人口基数大绝对受影响人数可能更多
指标阈值（15μg/m³）仅是过渡性标准，不代表安全水平，不能用来判断是否"达标"
人口加权方式可能掩盖城乡内部差异，需结合城乡分解数据使用
数据覆盖截至2017年，近年政策效果尚无法从该数据中验证
模型估算的浓度数据精度存在地区差异，不宜用于精密时间序列分析

使用建议

结合实际PM2.5年均浓度数据（EN.ATM.PM25.MC.M3）验证暴露水平的真实性
对比WHO其他层级标准（如IT-1、IT-2、AQG）的暴露比例，全面评估空气质量管理水平
配合能源消费结构、工业排放量等变量进行多因素回归分析
关注人口分布变化与暴露比例变化的交互效应
使用时应明确标注数据年份，避免与2020年后数据进行直接线性比较

常见错误用法

错误做法：将100%理解为"所有人都在超标环境"，并据此推断空气质量极度恶劣

正确做法：该指标反映的是人口加权地区暴露比例，当指标接近100%时仍有必要分析具体浓度分布和人群特征

100%仅表示所有人口聚集区均存在超标情况，不代表超标程度相同，也不直接等于健康影响程度

错误做法：将暴露比例的下降直接等同于空气质量"好转"，忽视人口迁移和城镇化背景

正确做法：应将比例变化与人口分布、排放强度和监测网络变化等因素综合分析

人口向空气质量较好地区迁移可能导致比例下降，而非实际浓度改善

错误做法：直接对比中国与阿富汗等100%国家的暴露风险

正确做法：应结合实际浓度数据、暴露时长和健康研究进行分层比较

同为100%暴露比例的地区，PM2.5浓度可能相差数倍，健康风险差异显著

错误做法：使用该指标进行年度间的精准趋势分析，忽视模型估算的不确定性

正确做法：趋势解读应关注中长期方向，避免过度解读相邻年份间的微小波动

卫星反演与模型估算存在一定误差，年度变化可能反映的是数据更新而非实际空气质量变化

错误做法：将超过IT-3阈值等同于"不健康"，而忽略IT-3仅为过渡标准

正确做法：应使用WHO AQG（10μg/m³）的暴露比例作为更严格的健康风险评估依据

IT-3是权衡发展阶段设定的过渡目标，长期健康保护需要向WHO最终准则值看齐

实际应用场景

大气污染防治政策的人口健康效益评估：评估2013年《大气污染防治行动计划》实施前后暴露人群比例的变化，结合同期呼吸系统疾病发病率数据结果变量（outcome）使用双重差分或事件研究法，控制经济周期和人口结构变化，验证政策的因果效应
城镇化进程与PM2.5暴露不平等的关联分析：分析不同规模城市群的暴露比例差异，结合人口密度、产业结构数据被解释变量（explained variable）控制气象条件后进行分位数回归，识别暴露风险的空间异质性
能源结构转型对空气质量改善的边际贡献：将煤炭消费占比变化与暴露比例变化纳入联立方程模型机制变量（mechanism）需处理内生性问题，建议使用能源价格或技术进步作为工具变量
PM2.5暴露与其他污染物健康效应的比较研究：对比PM2.5、二氧化氮和臭氧等污染物暴露比例的一致性与差异稳健性检验（robustness）验证核心结论是否在不同污染物指标间保持一致
人口暴露热点的时空演变与城市规划响应：利用多年数据绘制暴露比例空间分布图，识别长期高暴露热点区域比较变量（comparison）结合GIS技术进行空间自相关分析，评估政策干预的空间有效性