当前世界环境

介绍

空气污染是危害人体健康的最重要因素之一。环境科学非常重视研究空气质量差和呼吸系统疾病发展之间的联系^3.。在世界各地的城市，因呼吸系统疾病住院治疗与空气污染有关，这是一个潜在的促成因素^{1 - 7}。PM与对流层臭氧的关系已被确定为所有关系中最普遍和最一致的⁹大气是人类生态系统的重要组成部分，大气中存在的污染物对人类的健康有直接影响。看来，空气污染对人类福利的短期影响直接导致肺部疾病的发病率增加。空气污染与呼吸系统和心血管疾病相关的死亡率上升有关。根据研究，对上海市空气污染与公众健康的关系进行了研究，当PM的日平均组成₁₀和点_2．5每立方米增加10微克，这些疾病的总体百分比分别提高0.53个百分点(从0.22%提高到0.85%)和0.85个百分点，从0.32%提高到1.39%^3.。图1以饼状图的形式展示了2012年空气污染死亡率数据。

图1:2012年世界各地区因环境空气污染而死亡的总人数30. 点击此处查看图

空气污染对人体健康的短期影响似乎直接导致肺部疾病的发病率增加。气候变化可以通过年平均气温的上升和各地发生的热浪频率的上升来探测，预计气候变化将导致若干不同区域发病率的升高。尽管正在治疗的疾病或状况种类繁多，但热浪与入院人数上升之间始终存在联系。最近的一项调查表明，气温升高与住院人数增加之间存在相关性。这种相关性不仅适用于心脏病等与热有关的疾病，也适用于更普遍的肺部和心血管疾病。在极端天气和公众健康方面，气温被认为是一个关键因素。虽然主要的气候变量，如日最高和最低温度，只代表了天气和气候对生理系统的全部输入的一小部分¹²。空气污染主要是由PM引起的₁₀,所以₂，和NO₂。所以₂近年来，污染物的排放量稳步上升，从最危险污染物的第三位上升到第二位，2005年的年平均水平超过了国家二级标准。至关重要的是要调查空气污染如何影响人们的健康，以及可以采取哪些措施来减轻这种影响^3.。

此前很少有研究调查北京或上海等中国主要城市以外的空气污染成分与健康影响指标之间的关系。在其他分析中，也对严重污染地区的空气污染对健康的影响进行了类似的研究¹经过一系列验证试验后，还记录了患者的死亡原因。它将导致一个人死亡的因素归类为心肺疾病。环境空气质量与心血管疾病、中风、肺癌和肺部疾病等导致死亡的心肺疾病之间存在相关性。其他形式的癌症、事故或暴力造成的死亡以及各种胃肠道疾病都是与空气质量无关的死亡原因。这两类人一起解释了所有可能的死亡原因¹⁶。有害的空气污染物，如黑碳、二恶英、呋喃、微粒、汞和一氧化碳，可能来自垃圾的露天焚烧，这是这些污染物的主要来源。燃料木材和生物质的燃烧、农业地区作物废弃物的广泛燃烧、被污染的汽油的使用、汽车排放以及交通造成的拥堵是印度空气污染的主要来源[20]。因此，分析是作为对印度空气污染的比较研究来组织的。

相关工作

气体和固体毒素组成的增加是世界上最大的健康风险之一，根据世卫组织的最新数据，2012年，室外和室内空气污染导致370万60岁以下人口死亡。

灰尘和建筑造成的空气污染约占印度总空气污染的69%。垃圾焚烧是另一个因素。城市地区的特点是灰尘和建筑物普遍存在，而农村地区的特点是垃圾燃烧普遍存在。在大城市，灰尘和建筑更常见，但在农村地区，焚烧垃圾更常见，每年造成200万印度人不幸死亡¹⁷。中风是导致中老年人死亡的主要原因之一，特别是当与高血压、糖尿病、血脂异常、吸烟、过度饮酒和动脉粥样硬化相结合时¹⁸。相反，如果中风也与空气污染有关，那么减少接触空气的量可能会显著减轻相关的健康负担，而不依赖于人们改变他们的行为。由于各种各样的污染源、污染物、气候、地理特征和文化传统，印度各地的环境和家庭空气质量可能有所不同。然而，随着时间的推移，印度城市和农村的趋势都在恶化，不管这是由于不断增长的城市化和随之而来的车辆和工业污染物的增加，还是“丘拉陷阱”，导致室内空气质量差¹⁸。1990年至2019年，印度因PM2.5空气污染造成的死亡人数见图2。PM2.5是一种非常危险的空气污染，因为它与1990年至2019年死亡率的上升有关³¹。

这毫不含糊地表明，印度的空气质量处于紧迫的水平。

图2。1990年至2019年印度PM2.5导致的死亡率31 点击此处查看图

印度空气污染的主要来源

工业排放

根据印度中央电力局(CEA)公布的数据，截至2015年1月，以煤炭为燃料的火力发电厂占印度总发电量的60.72%。碰巧煤电厂是二氧化硫和二氧化氮的主要产生者之一。²¹。印度正在努力实现到2030年将温室气体排放量在2005年的基础上减少33 - 35%的目标。该国超过四分之三的温室气体(GHG)排放来自能源部门。工业操作向空气中释放了几种污染物，以人类甚至无法理解的方式对空气质量产生了负面影响。PM 2.5和10,NO₂,所以₂和一氧化碳是重要的污染物，这些污染物来自以煤和木材为主要能源的工厂。眼睛和喉咙会受到刺激，在某些情况下，它会导致呼吸困难，甚至会发展成一种慢性疾病，因为商业污染对健康的影响¹⁹。

室内污染

室内空气污染是指室内空气在化学、生物和物理方面的污染。这可能会对健康产生不利影响。根据跨学科期刊《柳叶刀行星健康》(Lancet Planetary Health)发表的一份报告，在过去20年(2000-2019年)期间，印度室内空气污染(也称为家庭空气污染)造成的死亡人数减少了64%。

根据2011年完成的人口普查，农村地区87%的家庭依靠生物质做饭，而城市地区只有26%的家庭这样做。据估计，有4亿印度人因燃烧生物质(室内空气污染的主要来源)而直接患有肺部和呼吸道健康问题^{21 - 24日}。

运输

运输业使人们接触到空气中的有害化学物质，这可能导致癌症或其他严重的健康和环境问题。

车辆污染是空气污染的主要原因，这是无可争辩的事实，尤其是在大城市[3]。汽油燃烧在空气中产生的污染物相当于一天抽十支烟。一氧化碳、碳氢化合物、一氧化二氮和PM都是由车辆排放的。当大气中的汽车污染过度时，臭氧层就会形成一个洞，从而导致雾霾和其他健康问题。交通污染占全国污染总量的三分之一，氮氧化物占比更高，这两种物质对人体有毒。印度的人均交通排放极低，因为与该国庞大的人口相比，印度的汽车数量并不多²¹。

农业

农业生产加剧了空气质量的恶化。从农药和化肥开始，周围的空气被污染了。快速生长的作物和植物需要使用杀虫剂和肥料，其中包括自然界中不存在的新入侵物种。农药的气味和影响在施用后仍存留在空气中。除了毁坏庄稼，这些化学物质还会引起广泛的健康问题¹⁸。

研究发现，在对气候变化进行调整后，2010年小麦产量下降了约36%，水稻产量下降了20%。汽车尾气和户外炉灶分别向环境排放短期气候污染物(SLCPs)，包括臭氧和黑碳。这些slcp在环境中只能维持很短的时间²¹。

对健康的影响

所以₂， lead, NO₂、颗粒污染、地面臭氧和一氧化碳是世界卫生组织(世卫组织)确定的六种主要空气污染物。²⁶。短期和长期接触空气中的有毒物质都会对人体健康产生各种各样的不利影响，其中包括肺部和心脏疾病、神经精神障碍、眼睛刺激、皮肤感染和癌症等长期慢性疾病。造成空气污染的最重要因素之一是燃烧化石燃料，在发电和运输过程中产生初级和二级污染物。当这种气态氨与其他污染物(包括汽车和商业运营产生的氮氧化物和硫酸盐)相互作用时，就会形成气溶胶。气溶胶是一种小颗粒，可以深入肺部，影响各种心脏和肺部疾病。当挥发性有机分子和氮氧化物与太阳的紫外线辐射相互作用时，地面上的臭氧就产生了。汽车、卡车、公共汽车、建筑设备和农业设备等移动污染源是挥发性有机化合物和氮氧化物的主要来源。在下午晚些时候和傍晚早些时候，地面臭氧浓度最高。夏季是最常观察到高水平的月份¹⁸。由于暴露于这种严重的刺激物中，呼吸道会受到压迫，这对呼吸系统造成了额外的压力。三分之一的中风、肺癌和心脏病死亡要归咎于空气污染。这与吸烟的影响相似，而且远远大于过量食用盐的后果。空气中微粒的复杂组合与心脏相关疾病和死亡风险的增加有关。灰尘和烟雾就是PM的例子₁₀然而，90%以上的PM是肉眼看不到的细颗粒物(FPM)和PM_2．5这些化合物有名字吗²⁴。如果分子的大小小于2.5微米，那么只有在显微镜下才能观察到。此外，医学领域的大量调查表明，接触细颗粒污染物可以加速人的死亡，因为它会引起心律失常、非致命性心脏病发作、加重哮喘，以及已经存在肺部或心脏疾病的人的肺功能下降²⁶。

环境中的化学反应和燃料燃烧是PM的两个主要来源。在家庭炉和柴炉中燃烧生物质是PM的另一个重要来源。如果一氧化碳被吸入，它会与血液中的氧气竞争，剥夺心脏、大脑和其他重要器官的氧气，这可能会对健康造成严重后果。它不仅影响动物和植物的生命，也影响人类的生命。易受伤害的人，如肺病患者、老年人和年轻人，比其他人的危险更大²⁴。

数据收集

空气污染数据

它由不同的参数或字段组成，如污染物、位置、日期、状态、类型和气象站。它可以根据这些参数分析空气污染数据，了解印度的污染状况。空气污染数据存储库是从Kaggle收集的，Kaggle是一个提供各种数据存储库的在线社区。这些数据是1990年至2015年印度的数据。该数据集包含4,35,739条记录，其中包括采样日期、州、地点、机构、类型等参数₂，日期，spm，位置监测站，rspm, stn代码，PM_2．5，和否₂。图3展示了空气污染数据集。

图3空气污染数据集32 点击此处查看图

数据集包含以下参数

Stn代码:站点代码-这是记录数据的站点代码。

采样日期:记录数据的日期。

State:要记录数据的印度的状态。

location:记录数据所在州的城市。

机构:记录数据的机构名称。

类型:记录数据的区域类型。场下可能的区域为工业区、敏感区、住宅区、农村及其他、住宅区及其他。

所以₂:二氧化硫的浓度数值。

没有₂:记录的二氧化氮浓度值。

RSPM:记录的可吸入悬浮颗粒物的浓度值。

SPM:记录悬浮颗粒物浓度。

位置监测站:表示监测站的位置。

点_2．5:记录直径小于等于2.5微米的PM的浓度值。

日期:记录污染物浓度的日期，格式为DD-MM-YYYY。这就给出了每天的数据记录。

数据预处理

它从源获取的原始数据不能是分析中使用的格式。数据准备对于有意义的分析很重要。如果不付出适当的努力为评估收集准确的信息，他们就不能期望获得准确的发现。特征选择是数据预处理中涉及的任务之一，它可以去除冗余特征、不相关特征、组合特征或添加新特征以获得所需的结果。从空气污染数据集中删除了stn代码、机构、采样日期和location_monitoring_station等特征，因为它们对结果没有用处。它还在数据集中添加了年份特征，该特征派生于日期特征。

研究方法

设计建筑的概念是在研究方法的背景下进行检查的。在研究方法中，将采集到的数据作为输入数据，进行数据预处理、特征提取、特征约简，最后根据给定参数对数据进行比较，得到了较好的结果。

提出的方法

该方法是基于估计印度不同州的空气污染状况，详细步骤如下。图4显示了拟议方法的流程图。

图4:建议方法的流程图 点击此处查看图

本节展示了研究工作的过程。建议的方法步骤如下:

步骤1:收集数据。

在这一步中，印度的数据是1990年到2015年之间的。它包含4,35,739条记录，其中包括采样日期、州、地点、机构、类型等参数₂，日期，SPM，位置监测站，RSPM, stn代码，PM_2．5，和否_2.

第二步:数据预处理

在步骤2的数据采集完成后，对采集到的数据进行预处理。它从源获取的原始数据不能是分析中使用的格式，因为要执行数据预处理。它可以通过抽样技术将数据分成多个片段来实现。

步骤3:特征提取

该步骤对采集到的数据进行预处理后，对数据进行特征提取，将数据转化为可以在保留原始数据集中信息的情况下进行处理的数值特征。

步骤4:特征缩减

在完成这一步的特征提取过程后，进行特征约简，在不丢失或删除数据集中重要信息的情况下减少特征的数量。

步骤5:基于不同参数的比较

最后，在完成这一步的特征约简过程后，根据不同的参数(如SO)对数据进行比较₂，不，不₂下午,_2．5和SPM。经过比较，得到了令人满意的结果。

结果与讨论

对一个由不同污染物组成的空气污染数据集进行操作，比如SO₂，不，不₂下午,_2．5和SPM。通过污染物浓度值，分析了印度各邦室外空气污染状况。它还了解印度不同州或城市的特定污染物污染状况。

首先，这里用浓度值表示每个州与所有污染物的比值。根据图表(图5)，德里拥有所有污染物(即SO)的最大浓度水平₂，不，不₂下午,_2．5和SPM)。

图5:各州与所有污染物的对比。 点击此处查看图

逐年图(图6)代表了印度1988年至2015年的各种污染物浓度。它在印度大城市数据渠道的不同级别邦数据集的帮助下计算了全邦的污染物。数据可以分为不同的类别意味着每个城市和每个地区在他们的村庄或城市有不同的污染物。污染最严重的年份是2005年和2011年。

图6:各年污染物柱状图(1988-2015) 点击此处查看图

如给定的污染数据集所示，有一种类型的场表示不同的可能区域。根据这类油田的可用数据，有三种类型的地区，即1。敏感区域。2.住宅、农村和其他地区;工业领域。它将数据分为3类敏感区域，如医院区域、学校、儿童游乐场和任何其他寺庙。第二个是与人们居住的所有社会农村地区相结合，最后一个是工业区，在任何部门都有不同类型的基础设施工厂。所以这里它显示了污染状况(所有污染物都被考虑在内)在不同地区提到的印度的特定状态。的图像卡纳塔克邦的所有污染物。

图7:卡纳塔克邦所有污染物与类型(面积)的条形图。 点击此处查看图

根据图表(图7)，卡纳塔克邦的PM浓度最高_2．5居民区和农村地区的污染物。这意味着卡纳塔克邦居民和农村地区的污染程度更高，因为家庭燃料和其他农村室内外污染源。的图像马哈拉施特拉邦的所有污染物。

图8:马哈拉施特拉邦所有污染物与类型(面积)的条形图。 点击此处查看图

马哈拉施特拉邦的工业污染程度最高，因为它是各种工业的所在地。它有最高的污染水平，以确定哪些城市在工业区。如果工业依赖于人力，那么人口的增加是不可避免的。在一些领域，中国正在建设新的城市和住宅区。因此，在居民区和农村地区，人类社会都是第二大污染源。的图像中央邦的所有污染物。

图9:中央邦所有污染物与类型(面积)的条形图。 点击此处查看图

中央邦在不同地区有各种类型的污染物。上图(图9)显示，中央邦在工业、住宅和农村地区的污染水平最高。的图像拉贾斯坦邦的所有污染物。

图10:拉贾斯坦邦所有污染物与类型(面积)的条形图。 点击此处查看图

拉贾斯坦邦的工业部门污染最严重，其次是住宅部门(图10)。的图像卡纳塔克邦的所有污染物

图11:泰米尔纳德邦所有污染物与类型(面积)的条形图。 点击此处查看图

泰米尔纳德邦的工业区是污染最严重的，其次是住宅区、农村和其他地区(图11)。的图像西孟加拉邦的所有污染物。

图12:西孟加拉邦所有污染物与类型(面积)的条形图。 点击此处查看图

在西孟加拉邦，只有两类地区的数据可用:工业和住宅。工业地区的污染最严重，为₂污染率最低，RSPM污染率最高。

在这里，它绘制了各种污染物浓度水平的条形图，按照浓度v/s状态的递减顺序，这样就可以很容易地找到印度的高污染状态。为此，选取现场状态和各自的污染物浓度列₂,没有₂、RSPM、SPM、PM_2．5)的空气污染资料集。由于数据集的state字段包含特定状态下不同位置、不同类型(住宅、工业、敏感区域)的数据，因此为了得到整体结果状态，取特定状态下的平均污染浓度列。图13显示了印度不同邦的RSPM值

图13:RSPM V/S状态柱状图。 点击此处查看图

如上图所示，很明显，北方邦的rspm浓度最高，其次是德里、旁遮普邦、贾坎德邦和中央邦。在RSPM浓度水平方面，锡金邦处于最低水平。柱状图还显示，印度约有20个邦处于RSPM污染的最高和最严重水平[29]。这意味着印度处于RSPM环境空气污染的高风险中。印度政府必须采取行动，制定新的政策来控制受影响邦的空气污染。

现在让我们看一个更全面的表示，用柱状图表示位置(城市)与RSPM浓度较高的城市，但按降序排列，以找到RSPM浓度最高的城市。数据集的字段位置还包含几种类型的数据(住宅、工业、敏感和其他区域)。因此，为了获得特定地点(城市)或州的总体结果，它将同一地点各自的污染物浓度取平均值。图14显示了印度不同城市RSPM浓度水平的最高值。

图14位置(城市)柱状图V/S最高浓度水平。 点击此处查看图

如上图所示，很明显德里的RSPM浓度最高，其次是Jhansi(北方邦)，Raebareli(北方邦)，Lucknow(北方邦)，Mathura(北方邦)。这里可以看到，与RSPM有关的大多数污染城市都在北方邦。

它使用最小RSPM浓度与位置的条形图来查看哪些位置的RSPM浓度最低或没有RSPM污染。图15显示了印度不同城市RSPM浓度水平的最小值

图15:位置(城市)V/S最小RSPM浓度水平条形图。 点击此处查看图

如上图所示，Panjim(果阿邦)的rspm浓度最低，其次是Gangtok(锡金)、Dharamshala(喜马偕尔邦)、本地治里(联邦领土)、Karaikal(属于本地治里联邦领土)。它可以得出结论，这些地点所在的州没有RSPM污染。图16显示了印度各邦RSPM浓度水平的最低值。

图16:NO2浓度水平条形图。V / S。 点击此处查看图

上面的条形图显示，拉贾斯坦邦在NO的情况下排名第一₂浓度，而状态**处于最低水平。马哈拉施特拉邦也面临着NO的问题₂污染，因为它在NO中排名第二₂浓度水平。西孟加拉邦和德里(国家首都地区)排在马哈拉施特拉邦之后₂集中程度，分别排名第三和第四。另一方面，米佐拉姆邦、那加兰邦和曼尼普尔邦没有NO₂污染。图17显示了NO的最大值₂印度不同城市的浓度水平。

图17:地理位置(城市)条形图V/S最高NO2浓度水平。 点击此处查看图

如上图柱状图所示，杜尔加普尔(西孟加拉邦)的NO浓度值最高₂其次是巴鲁普尔(西孟加拉邦)、哈尔迪亚(西孟加拉邦)、南郊(西孟加拉邦)、霍拉(西孟加拉邦)。很明显，所有污染严重的地区都位于同一个邦，西孟加拉邦，也是排在前三名的州之一₂浓度水平。西孟加拉邦的大部分地区都受到了NO的影响₂污染。图18显示了NO的最小值₂印度不同城市的浓度水平。

图18:地理位置(城市)条形图2浓度水平。 点击此处查看图

根据柱状图，最低NO₂浓度水平在伊塔那agar(**)，其次是Naharlagun (**)， Kohima(那加兰邦)和Dimapur(那加兰邦)。图19展示了SPM在印度不同邦的价值。

图19:SPM V/S状态条形图。 点击此处查看图

再一次，北方邦在SPM浓度水平方面排名第一，其次是拉贾斯坦邦、中央邦和德里。在这里，锡金邦处于最低水平。对于**和特伦甘纳邦，没有可用的SPM浓度值。在这些状态中，SPM是空值，而不是零值。图20显示了印度不同邦SPM浓度水平的最高值。

图20:位置(城市)V/S柱状图。 点击此处查看图

如上面的条形图所示，Jhansi (Uttar Pradesh)， Raebareli (Uttar Pradesh)， Lucknow (Uttar Pradesh)， Mathura (Uttar Pradesh)和Unnao (Uttar Pradesh)是SPM浓度值最高的前五个地点，并且都属于同一邦Uttar Pradesh，在SPM污染方面排名第一(如条形图所示)。这表明北方邦正遭受严重的SPM污染问题。图21显示了印度不同城市SPM浓度水平的最小值。

图21:位置(城市)V/S最小SPM浓度水平条形图。 点击此处查看图

从上面的条形图中可以看出，Curchorem(果阿)、Amona(果阿)、Usgao(果阿)、Assonora(果阿)和Honda(果阿)地区的SPM浓度最低，它们都属于同一个果阿邦。这意味着果阿邦没有SPM污染。图22展示了SO的值₂在印度不同的邦。

图22:SO的条形图2V / S的状态。 点击此处查看图

根据条形图，马哈拉施特拉邦的SO浓度最高₂其次是比哈尔邦、北方邦、古吉拉特邦和北阿坎德邦。令人惊讶的是，德里在SO方面并没有排在前五名₂浓度，尽管它在其他污染物方面排名前五。在所有邦中，那加兰邦的SO最低₂浓度。图23显示了SO的最大值₂印度不同城市的浓度水平

图23:位置(城市)V/S最高SO条形图2浓度水平。 点击此处查看图

根据上面的条形图，排名前五的地方，更大的SO₂集中水平是本地治里(联邦领土)，萨哈兰普尔(北方邦)，里希凯什(北阿坎德邦)，卡什普尔(北阿坎德邦)和哈里瓦尔(北阿坎德邦)。图24显示了SO的最小值₂印度不同城市的浓度水平。

图24:位置(城市)V/S最小SO条形图2浓度水平。 点击此处查看图

SO最低的前五个城市₂浓度读数为那加兰邦的科希马、喜马偕尔邦的达兰萨拉、梅加拉亚邦的乌普林、那加兰邦的迪马普尔和奥里萨邦的科纳克。图25展示了PM的值_2．5在印度不同的邦。

图25:PM的条形图2．5V / S的状态。 点击此处查看图

PM有很多空值_2．5在数据集中，如条形图所示。对于印度所有邦，总理的数据_2．5不可用。只有德里、西孟加拉邦、中央邦、奥里萨邦、古吉拉特邦、泰米尔纳德邦、特伦甘纳邦、果阿邦、达达拉和纳加尔、达曼和迪乌邦有总理的数据_2．5。德里再次在这些邦中名列前茅。图26显示了PM的最大值_2．5印度不同城市的浓度水平。

图26:位置(城市)V/S最高PM的条形图2．5浓度水平。 点击此处查看图

根据上面的条形图，德里的PM最高_2．5浓度水平不足为奇，因为德里在世界十大污染最严重的城市中排名第一(《印度斯坦时报》2021年新闻)，其次是西孟加拉邦的哈尔迪亚、西孟加拉邦的南郊和西孟加拉邦的霍拉。西孟加拉邦的PM升高的地区最多_2．5的水平。图27显示了PM的最小值_2．5印度不同城市的浓度水平。

图27:地理位置(城市)的条形图2．5浓度水平。 点击此处查看图

达兰萨拉、本地治里、卡拉卡、尼扎马巴德、果阿的库尔乔姆、阿莫纳、乌斯高和阿索诺拉是PM最低的地区_2．5浓度读数。随附的条形图，以及各种污染物的条形图，显示了果阿是大多数室外空气污染物不存在的州的后果。

结论

据《印度斯坦时报》2021年11月13日报道，在全球污染最严重的十大城市中，印度有三个城市，其中德里位居榜首。这表明印度在大气污染方面存在严重问题。此外，空气污染对印度的健康造成重大影响，可能导致高死亡率和发病率。从1988年到2004年，污染并不是一个严重的问题。然而，在2005年至2011年期间，空气污染浓度水平显著增加，特别是PM_2．5。德里、北方邦、西孟加拉邦和马哈拉施特拉邦的污染程度最高，而安得拉邦、锡金、米佐拉姆邦和曼尼普尔邦的污染程度最低。印度政府应该立即对污染严重的邦采取行动。从空气污染对健康的负面影响的角度，可以研究未来空气污染数据与各种疾病的发病率和死亡率统计之间的关系。

利益冲突

作者声明无利益冲突。

资金来源

作者未获得研究、撰写和/或发表本文的经济支持。

参考文献

1. 陈丽丽，徐军，张强，王庆宏，薛玉青，任长荣，“空气污染对不同疾病的影响评估”，中国城市，IBM J. Res. & Dev。，第61卷，第61号。6 . p. 21 -2:9, 2017年11月，doi: 10.1147/JRD.2017.2713258。
   CrossRef
2. 夏霞，姚莉，“环境PM对健康影响的时空差异”_2．5污染对儿童和成人急性呼吸道感染的影响IEEE访问《中国科学》，2019年第7卷，第25718-25726页，doi: 10.1109/ACCESS.2019.2900539。
   CrossRef
3. 翟秋敏，李磊，袁媛，郭志勇，“城市空气污染与呼吸系统疾病的相关性分析”，北京:北京交通大学2011遥感、环境与交通工程国际学术会议，中国南京，2011年6月，第197-200页。doi: 10.1109 / RSETE.2011.5964249。
   CrossRef
4. j·p·凯勒et al。，“在动脉粥样硬化和空气污染的多种族研究中预测多种空气污染物浓度的统一时空建模方法，”环境健康观点，第123卷，第123号。4, pp. 301-309, 2015年4月，doi: 10.1289/ehp.1408145。
   CrossRef
5. 徐涛，王涛，戴伟，戴伟国，“基于电子健康记录的慢性疾病住院预测:一种可解释的分类方法，”Proc。IEEE，第106卷，第106期。4, pp. 690-707, 2018年4月，doi: 10.1109/JPROC.2017.2789319。
   CrossRef
6. D. Lee, A. Rushworth和S. K. Sahu，“估计空气污染对健康影响的贝叶斯局部条件自回归模型:一个贝叶斯局部条件自回归模型，”Biom， vol. 70, no。2, pp. 419-429, 2014年6月，doi: 10.1111/biom.12156。
   CrossRef
7. nnt . T. Nhung, C. Schindler, T. M. Dien, N. Probst-Hensch, L. Perez, N. k nzli，“环境空气污染对河内儿童下呼吸道感染的急性影响:八年时间序列研究”，国际环境， vol. 110, pp. 139-148, 2018年1月，doi: 10.1016/ j.j envint.2017.10.024。
   CrossRef
8. r . Beelenet al。，“长期暴露于空气污染对自然原因死亡率的影响:对多中心ESCAPE项目中22个欧洲队列的分析，”《柳叶刀》，第383卷，第383号。2014年3月，doi: 10.1016/S0140-6736(13)62158-3。
   CrossRef
9. M. Medina-Ramón, A. Zanobetti和J. Schwartz，“臭氧和PM10对肺炎和慢性阻塞性肺病住院率的影响:一项全国多城市研究，”美国流行病学杂志，第163卷，第163号。6, pp. 579-588, 2006年3月，doi: 10.1093/aje/kwj078。
   CrossRef
10. J. Loy-Benitez, P. Vilela, Q. Li和C. Yoo，“基于深度递归神经网络的地下设施细颗粒物定量健康风险评估序列预测”，生态毒理学与环境安全， vol. 169, pp. 316-324, 2019年3月，doi: 10.1016/ j.c ecoenv.2018.11.024。
    CrossRef
11. M. Franklin, P. Koutrakis和J. Schwartz，“颗粒组成在PM2.5与死亡率之间关系中的作用”，流行病学，第19卷，no。5, pp. 680-689, sept . 2008, doi: 10.1097/EDE.0b013e3181812bb7。
    CrossRef
12. h . Tsangariet al。“极端天气和空气污染对塞浦路斯心血管和呼吸系统住院人数的影响，”整体环境科学《科学》，第542卷，第247-253页，2016年1月，doi: 10.1016/j.s itotenv.2015.10.106。
    CrossRef
13. z刘et al。“是否利用世卫组织的中期目标进一步降低风险——一项关于环境颗粒物污染和心血管疾病死亡率的荟萃分析?”环境污染， vol. 242, pp. 1299-1307, Nov. 2018, doi: 10.1016/ j.n envpol.2018.07.041。
    CrossRef
14. J. P. Keller, M. Drton, T. Larson, J. D. Kaufman, D. P. Sandler和A. A. Szpiro，“空气污染流行病学队列暴露的协变量自适应聚类”，安。达成。统计。，第11卷，第11期。1, 2017年3月，doi: 10.1214/16-AOAS992。
    CrossRef
15. 朱伟，王军，张伟，孙东，“空气污染对下呼吸道疾病的短期影响及其数据处理成组方法预测”，大气环境2012年5月，vol. 51, pp. 29-38, doi: 10.1016/ j.m atmosenv.2012.01.051。
    CrossRef
16. 陈毅，A. Ebenstein, M. Greenstone, H. Li，“来自中国淮河政策的持续空气污染对预期寿命影响的证据”，美国国家科学院院刊，第110卷，第11期。32, pp. 12936-12941, august 2013, doi: 10.1073/pnas.1300018110。
    CrossRef
17. 研究。在香港,J.-T。李，H.金和H. j。“空气污染:缺血性脑卒中死亡的新危险因素”，中风，第33卷，第33期。9, pp. 2165-2169, sept . 2002, doi: 10.1161/01.STR.0000026865.52610.5B。
18. "印度的空气污染与健康:对现有证据和未来机会的审查"。
19. A. Roy, T. Chandra和A. Ratho，“寻找印度空气污染的解决方案:政策，金融和社区的作用”，第20,2020。
20. “印度空气污染的综合研究”，[在线]。可用:https://www.youthkiawaaz.com/2017/10/a-comprehensive-study-of-air-pollution-in-india/
21. “印度空气污染的影响，政府的政策分析和补救措施”。
22. K. P. Aparajita Chattopadhyay，《印度家庭能源使用与二氧化碳排放:差异与决定因素》。
23. Manisha Jain，“1990-2017年印度能源相关二氧化碳排放变化的驱动因素”，wp - 2020 - 019。
24. K. R. Smith, S. Mehta, M. Maeusezahl-Feuz，“家庭使用固体燃料造成的室内空气污染”，第60页。
25. Sumi Mehta Kalpana Balakrishnan和Priti Kumar，“印度与家庭燃料使用相关的室内空气污染”国际复兴开发银行。
26. A. Ghorani-Azam、B. Riahi-Zanjani和M. Balali-Mood， "伊朗空气污染对人类健康的影响和实际预防措施"，医学科学，第21卷，第1期。1, p. 65, 2016, doi: 10.4103/1735-1995.189646。
    CrossRef
27. “由微粒物质造成的环境空气污染”。
28. "一氧化碳中毒"第3页。
29. “德里的空气污染-分析研究”http://www.cpcbenvis.nic.in/envis_newsletter/Air%20Quality%20of%20Delhi.pdf。
30. Phukan sagarmoy。“德拉敦市空气质量监测及其对健康的影响。”，泰瑞大学，2017。
31. “探索数据|全球空气状况”。2020。2020.https://www.stateofglobalair.org/data/#/health/plot。
32. “印度空气质量数据。”https://www.kaggle.com/datasets/shrutibhargava94/india-air-quality-data。