你有沒有注意過，新聞里報道野火造成的傷亡時，數(shù)字往往只算"直接燒死"的人？但一項新研究提出了一個讓人不得不重新思考的問題：那些看起來只是"空氣不太好"的日子，可能正在悄悄帶走更多生命——而我們以前根本沒算對賬。

這項發(fā)表在《科學進展》上的研究，由紐約州立大學石溪分校的Minghao Qiu團隊主導(dǎo)。他們花了將近二十年時間，把美國本土的地面臭氧測量數(shù)據(jù)、氣象記錄和衛(wèi)星觀測打包送進機器學習模型，試圖回答一個被長期忽視的問題：野火煙霧除了大家熟知的顆粒物污染，對臭氧到底做了什么？

先說清楚這里的關(guān)鍵區(qū)別。野火冒煙，普通人能想到的是灰蒙蒙的天空、嗆人的煙塵——這些屬于顆粒物污染，看得見摸得著。但臭氧不一樣，它是無色無味的。作為強氧化劑，地面臭氧超標與呼吸系統(tǒng)疾病、心血管問題、認知功能下降以及死亡率上升都有關(guān)聯(lián)。問題是，過去研究野火健康影響時，幾乎所有人都在盯著顆粒物，臭氧被晾在了一邊。

"科學家們主要關(guān)注野火對顆粒物污染的影響，但對野火在美國范圍內(nèi)對臭氧影響的系統(tǒng)性理解還很欠缺，"Qiu說。他是石溪大學海洋與大氣科學學院的助理教授，也是公共衛(wèi)生項目的核心教員。這項研究的具體執(zhí)行由當時在他實驗室訪問的本科生Yangmingkai Li主導(dǎo)。

研究團隊怎么補上這個缺口的？他們整合了2006年至2023年的地表臭氧測量數(shù)據(jù)，同時調(diào)用了美國國家海洋和大氣管理局（NOAA）基于衛(wèi)星的Hazard Mapping System（HMS）煙霧羽流產(chǎn)品，來判定哪些天屬于"煙霧日"。然后對比煙霧日和非煙霧日的臭氧濃度，同時控制環(huán)境溫度和紫外線輻射這兩個變量——因為高溫和強紫外線本身也會催生臭氧。

機器學習的輸出結(jié)果，用Qiu的話說，"揭示了一些我們之前沒充分認識到的東西"。

數(shù)據(jù)顯示，野火煙霧確實推高了地面臭氧濃度，在美國東部和中西部部分地區(qū)，煙霧日的臭氧日增幅最高可達16%。這個數(shù)字意味著什么？研究團隊估算，僅因野火煙霧導(dǎo)致的臭氧升高，每年就可能造成超過2000例額外死亡。

這里需要停頓一下，仔細拆解兩個容易被忽略的細節(jié)。

第一，"額外死亡"是個流行病學概念，指的是在原本預(yù)期死亡人數(shù)基礎(chǔ)上，因特定暴露因素（這里是臭氧）而多死的人數(shù)。它不是直接死因鑒定，而是統(tǒng)計層面的歸因。所以"超過2000例"這個數(shù)字，理解成"可能與此相關(guān)"比"肯定死于這個"更準確。

第二，Qiu特別強調(diào)了一個反直覺的發(fā)現(xiàn)：顆粒物污染和臭氧污染往往并不重疊。換句話說，野火過后天空放晴、能見度恢復(fù)的日子，你以為危險過去了，但看不見的臭氧可能還在。這解釋了為什么研究團隊認為，野火煙霧的真實健康影響和死亡人數(shù)"可能比之前認為的更高"——以前的賬本上，根本沒記臭氧這一筆。

這個發(fā)現(xiàn)對即將進入的春夏季節(jié)有現(xiàn)實意義。Qiu直言："隨著我們進一步進入春季然后是夏季，美國的野火很可能會增加，整個北美都是如此。科學家應(yīng)該開始考慮，除了火災(zāi)排放到空氣中的顆粒物之外，火災(zāi)增加的臭氧會帶來什么影響。"

但研究到這里，故事還沒完。論文中有一句話被截斷了："In this study, some of the exposure-response functions"——暴露-反應(yīng)函數(shù)，這是把污染物濃度和健康結(jié)局掛鉤的數(shù)學工具。這句話沒說完，暗示后面可能還有關(guān)于劑量-效應(yīng)關(guān)系的討論，或者對估算方法的補充說明。我們只能基于已有信息判斷：研究團隊用了某種暴露-反應(yīng)函數(shù)來推算那2000多例死亡，但具體用了哪個模型、是否考慮了人群易感性差異，原文沒有展開。

這也是科學報道的常態(tài)。一項研究能回答的問題總是有限，而它掀開的疑問往往比閉合的更多。

比如，16%的臭氧增幅是區(qū)域平均值，還是特定極端事件中的峰值？研究團隊說"some US regions"出現(xiàn)了這個數(shù)字，但東部和中西部的覆蓋范圍有多大、城市和農(nóng)村是否有差異，原文沒有細分。再比如，機器學習模型在"控制"溫度和紫外線時，具體排除了哪些混雜因素？野火煙霧本身會改變局地氣象條件，這種反饋效應(yīng)有沒有被納入？

更重要的是，那2000例死亡的估算，建立在什么樣的基線人口和基線死亡率之上？美國每年因各種原因死亡約300萬人，2000例在其中占比極小，但對于直接受野火影響的社區(qū)——比如加州、俄勒岡的山區(qū)城鎮(zhèn)，或者今年加拿大煙霧南下時籠罩的紐約、芝加哥——這個負擔可能高度集中。

研究的局限性還體現(xiàn)在時間跨度上。2006年到2023年，這十八年覆蓋了美國野火活動的明顯上升期，尤其是2015年后的加州大火、2020年的俄勒岡大火、2023年的加拿大跨境煙霧事件。但機器學習模型看到的是相關(guān)性：煙霧日→臭氧升高。它不能單獨證明因果關(guān)系，盡管從大氣化學角度，野火排放的氮氧化物和揮發(fā)性有機物在高溫光照下生成臭氧，這個機制是明確的。

那么，普通人能從這項研究里帶走什么？

不是恐慌，而是一種更新過的風險認知。以前看空氣質(zhì)量指數(shù)，你可能只盯著PM2.5；現(xiàn)在你知道，臭氧是另一個獨立變量，而且它在野火場景下會被系統(tǒng)性低估。美國環(huán)保署的空氣質(zhì)量指數(shù)（AQI）確實包含臭氧，但公眾注意力往往被可見的煙塵吸引。這項研究的價值，在于用數(shù)據(jù)量化了這種"看不見的代價"。

對于政策層面，研究的暗示也很直接：野火管理策略如果只關(guān)注滅火和疏散，可能遺漏了煙霧擴散后的慢性健康負擔。Qiu提到的"科學家應(yīng)該開始考慮"，其實也是公共衛(wèi)生系統(tǒng)、空氣質(zhì)量預(yù)警系統(tǒng)需要考慮的——當煙霧羽流飄向千里之外的中西部，那里的醫(yī)院急診量會不會有滯后上升？現(xiàn)有的健康警報有沒有覆蓋臭氧超標的風險？

最后，回到那個被截斷的句子。暴露-反應(yīng)函數(shù)的選擇，會直接影響死亡數(shù)字的估算。如果研究團隊采用了偏保守的函數(shù)，2000例可能是下限；如果采用了更敏感的函數(shù)，數(shù)字可能更高。原文沒有說明，所以我們不能替他們斷言。這正是科學寫作的鐵律：原文沒說的一律不寫。

我們能確定的是，這項研究把臭氧拉進了野火健康影響的討論中心。它沒解決的問題——不同人群的脆弱性差異、長期低劑量暴露的累積效應(yīng)、氣候變化下野火頻率增加的未來場景——需要更多研究跟進。而眼下，當你看到野火新聞時，或許可以多問一句：今天的臭氧指數(shù)是多少？