空气污染对区域性人口健康的影响

摘要：空气污染日益严重，对空气污染体现的区域脆弱性进行评价研究对改善空气质量、降低健康风险和实现可持续发展具有重要意义。借鉴HOP模型思想，将空气污染暴露水平结合社会脆弱性指标构建区域综合脆弱性框架，并采用自然断裂点法进行脆弱性分级，对中国除台湾外31个省（自治区）的区域综合脆弱性进行分析和评价。结果表明，降低区域脆弱性和健康风险要从人类和社会本身入手。

关键词：暴露水平社会脆弱性空气污染区域脆弱性

一、引言

上世纪70年代，“脆弱性”一词被引入自然灾害领域[1]，随后地理学、社会学、生态学、工程学、管理学、以及经济学等领域的学者都开始对这一概念进行了探索性运用和发展[2-6]，试图推动各领域间对这一概念的相互探讨和交流。不同领域由于其研究视角不同，对脆弱性的理解也千差万别，脆弱性这一综合性很强的概念，其内涵发展经历了从一元到多元、由简单到复杂的过程。

社会脆弱性是在脆弱性这一概念基础上发展而来，一些比较典型的定义如：IPCC（2001）评估报告中将脆弱性定义为系统容易受到外部扰动带来的不良后果的影响或对其应对能力的不足，是系统对扰动的特征、强度和速率、敏感性以及适应性的函数[7];Adger将社会脆弱性定义为系统在暴露的环境中由于缺乏适应能力而对扰动敏感的潜在损害状态[8];Cutter等认为在一定程度上而言，社会脆弱性是社会不平等的产物，且导致不平等的社会因素和压力使得不同社会群体对扰动的敏感性有差异，同时其应对能力和恢复能力也会受到影响[9-10]。由于各研究领域对社会脆弱性内涵、影响因子和作用机制的理解不同，社会脆弱性的分析模型也呈现很大差异，主要的模型框架可归纳如下：1植根于经济、人口和政治的“压力和释放模型”（PAR）;2蕴含外部冲击、发展趋向及季节性变化特征的“可持续生计框架”;3物理环境和社会环境相互作用的“地方—风险模型”（HOP）;4包含三个层次人文和环境条件的多尺度性“人—环境耦合系统分析框架”;5基于环境、社会和经济三个层面的动态性“BBC框架”;涵盖多元概念特征、整合多重维度的“MOVE框架”[11]。这些模型是基于不同的概念理解和不同的研究领域或范围建立的，相对而言，HOP模型在社会脆弱性的测量上更加注重时间和空间的演进，先后在美国等国家的社会脆弱性研究中获得了广泛应用，并取得了成功，是个不错的研究框架。而Cutter在HOP模型上提出的区域脆弱性模型，其思想是灾害风险和社会减灾相互作用产生潜在致灾因子，当该因子作用于地理和社会层面时将分别表现为物理脆弱性和社会脆弱性，这两种脆弱性综合作用又最终表现为区域脆弱性[12]。

本文另辟蹊径，基于脆弱性视角，以全国31个省为例，将空气污染等社会灾害问题引入HOP模型，综合考虑社会因素和环境因素的相互作用对人口健康的影响，构建社会脆弱性指标体系，并联合空气污染暴露水平构建区域综合脆弱性体系对区域性人口健康的影响进行分析。

二、指标体系与评估模型

（一）脆弱性度量的指标体系

在社会指标选取上，一般情况而言，社会脆弱性指标应包含社会中人口结构特征、社会弱势群体特征、社会的经济发展水平、社会服务设施水平等。尽管有这些方面的区分，但一些学者在研究该问题时人为地把社会脆弱性包含的内容进行分类、赋权处理并分别进行分析，这明显掺杂了过多的主观性，会增加结果的不确定性，不免思虑欠妥[13]。本文选取了2015年中国31个省（不包括港、澳、台地区）社会发展数据共18个指标，这些指标虽然不完全与Cutter所选取的42个指标一致，但在大致覆盖了社会脆弱性若干方面的同时减少了数据冗余，提高了便捷可行性。具體如表1所示。

空气污染方面，对于物理脆弱性采用暴露水平的指标来表征。本文对人为活动造成的灾害，采用灾害的强度或频率数据来进行暴露程度的度量，而由于空气中对人体健康存在威胁的污染物种类并不单一，且浓度标准各异，因此选择API（空气污染指数）为综合依据，用各省年空气质量良以下的天数比例（即API大于100）来衡量空气污染的暴露水平。其中，社会发展和空气污染指标所涉及的数据均来自2016年中国各省统计年鉴、统计局数据以及部分第六次全国人口普查数据。

（二）脆弱性综合测度的计量模型

1污染暴露水平度量。对于暴露水平的处理，具体方法如下：①采用0-1标准化方法，先将年空气质量良以下天数比例最大的省的空气污染暴露水平赋值为1，其他各省年空气质量良以下的天数比例与该省的比值为对应省的空气污染暴露水平，那么空气污染暴露水平取值范围为0-1，最后按照自然断裂点法进行各省的暴露水平分级。

2社会脆弱性度量。（1）数据的标准化：设有i个评价对象，每个评价对象对应j个评价指标，为了消除量纲的影响，对数据用改进的极差标准化方法进行处理，以避免出现0值，具体如下：

当评价指标与评价结果正相关时bij=[SX（]aij-min（aj）[]max（aj）-min （aj）[SX）]+05

当评价指标与评价结果负相关时bij=[SX（]max（aj）-aij[]max（aj）-min （aj）[SX）]+05，其中bij为标准化数据，i≤31，j≤18

在对数据进行预处理后，运用SPSS220软件对数据进行降维处理，采用因子分析中的主成分分析方法来具体分析出主成分因子，从而把多个评价指标包含的全部信息转化为能够反映大部分内容的若干主成分综合指标。为了使每个因子得到更好的解释，进行标准旋转最大变异法，最大程度地对变量中每个因子的因子载荷交叉验证，以便得到更好的结果。经过KMO检验和Bartlett球形检验可知变量间具有一定的相关性，适合进行因子分析，最终迭代得到5个主成分。

（2）主成分因子得分計算。根据软件计算结果，数据视图中增加的5列数据即对应各主成分的因子系数矩阵，设为Ami，则各主成分因子得分Bmi=ami×[KF（]rm[KF）]，其中rm为m因子对应的特征值，i≤31，m≤5

（3）社会脆弱性综合得分计算。根据因子得分矩阵可得综合得分的计算如下：

Si=∑[DD（]5[]m=1[DD）][SX（]因子m的方差贡献率[]总方差贡献率[SX）]×Bmi，其中Si为第i个省的社会脆弱性综合得分，最终各省的社会脆弱性指数SVI同样采取0-1标准化方式处理。

（4）区域综合脆弱性度量。依据HOP模型的理论原理，由于现在还未能得到足够的证据说明暴露水平和社会脆弱性两者哪个对最终的区域综合脆弱性影响更大，因此谨慎起见选择将二者标准化后的数据直接相乘得到区域综合脆弱性指数，然后结合地理信息系统的制图功能，采取自然断裂点对区域综合脆弱性分级，并对结果进行展示分析。

三、结果与讨论

（一）空气污染暴露水平分析

在暴露水平上，地理空间的差异性表现十分突出。如图1所示，空气污染暴露程度高的省有6个，主要分布在我国的中部和北部以及西北的部分省份。其中空气污染程度最高的省是河北，暴露水平为1，这主要是由于其偏重工业的产业结构造成的，如钢铁、建材、石化和电力等。这些支柱产业在拉动经济增长的同时也导致了空气质量的极度恶化。其他污染程度较高的省份（或直辖市）合理地分布在河北的周边，包括河南、北京、山东、陕西和天津，暴露水平分别达到了0967、0952、0898、0858和0827。它们除了受河北空气污染扩散作用的影响，还存在自身产业结构和布局不合理的因素。污染程度次高的有7个省，分别是位于附近的山西、宁夏、湖北、江苏、上海和吉林，外加位于大西北的新疆。新疆与前述污染严重的地区隔得较远，导致其空气质量低下的原因可能是其特殊的地理因素。新疆整体地势偏高，多山加之建筑密集，不利于污染物的扩散，另外完全依赖煤炭供暖也会相应增加污染程度。除了黑龙江（0181）外，暴露水平较低的省主要分布在南部，如云南（0035）、贵州（0071）、广西（0135）、海南（0013）、广东（0152）和福建（0083），其中空气质量最好的是海南省。其他11个省都处于中等或较低的暴露水平，主要分布于西部和中部。

（二）社会脆弱性分析

根据主成分分析结果，经过降维之后社会脆弱性方面一共[KH-1D]提取了5个主成分，旋转前后累计方差解释贡献率均为7998%>75%，故能有效地反映研究对象的社会脆弱性水平。通过软件的描述统计分析可知，社会脆弱性综合得分最小值为-391，最大值为196，均值为0，标准差为127。下面分别从各主成分因子来和社会综合方面对社会脆弱性加以描述和分析。

1第一主成分指标因子分析。第一主成分指标因子主要反映了经济发展水平和人口结构特征。该因子提取了居民可支配收入、人均生产总值、城镇化率、第三产业人口比重、65岁以上人口比率、14岁以下人口比率等确切体现经济水平和人口特征的大多数指标，另外还包括反映人口聚集程度和地理倾向特征的人口密度指标，以及反映基础设施状况的百人拥有的电话数指标。因子1的方差解释贡献率共达到了3617%，表明社会经济的发展水平和人口结构特征对社会脆弱性的影响力十分显著。经济发展水平越高，相对而言对各种突发状况的应急能力也越强，事后恢复也越快;而幼年和老龄化人口越高，二者抚养比越高，社会负担就越大，脆弱性也就越高，第三产业从业人口越多，社会产业结构越趋向于完善和优化，社会发展越稳定，其脆弱性越低。由图2可知，在经济水平和人口结构特征方面具有高度脆弱性的有6个省，脆弱性最高的是贵州（2603），其他几个由高到低分别是湖南（2551）、新疆（2128）、甘肃（1931）、云南（1862）和四川（1781），它们大部分位于我国的西北和西南等经济发展稍滞后的地区，符合逻辑常识。具有较高脆弱性的有8个省，主要分布于中部和北部区域，包括陕西、山西、河北、黑龙江、河南、湖北、江西和广西，其脆弱性指数均大于096。而处于低度脆弱性的只有2个省，即我国经济实力最强的北京和上海，其因子脆弱性指数分别只有-6822和-8665。处于较低脆弱性的为辽宁、天津、江苏、浙江和广东等环渤海、东海和南海相对较发达的省份，其脆弱性指数均低于-122。

2第二和第五主成分指标因子分析。第二主成分和第五主成分指标因子综合反映了人类发展指数和医疗卫生水平。根据旋转系数矩阵来看，因子2提取了人口自然增长率、死亡率、人均公园绿地面积、万人拥有医生数四个指标;因子5提取了万人拥有的病床数和人均住房面积这两个指标。因子2和因子5这两个主成分分别贡献了2001%和63%的方差解释率，二者累计达到2631%，可见人类发展指数和医疗卫生水平对社会脆弱性的影响不能小觑。人类发展指数和医疗卫生水平越高，表明社会环境比较优越，社会脆弱性越低。这两个主成分脆弱性的空间分布如图3所示，在人类发展指数和医疗卫生水平上表现出高度脆弱的有4个省，主要分布在西南地区，分别为湖南（27）、贵州（2574）、和云南（2439），但脆弱性最高的是位于北方的河南省，其脆弱性指数高达3311。究其原因，一方面结合上述因子1的脆弱性分布可知，河南经济发展水平和人口结构特征处于较高的脆弱性，且较其他三省而言，其旅游业对经济的带动作用比较微弱，受到经济发展水平的限制;另一方面河南的教育质量相对低下，在素质教育和医疗投入方面都有待提高。而处于低度脆弱的有新疆、宁夏和天津3省市，其中脆弱性得分最低的为宁夏，只有-346，三个省市整体得分都低于-3。除了广东以外，其他几个较低脆弱的省份如内蒙古、黑龙江、吉林和青海等都位于最北方，得分基本处于-2以下。剩下的大致覆盖我国整个西部、中部和东部地区的若干省份，都处于中等或较高程度的脆弱性。

3第三和第四主成分因子分析。第三主成分和第四主成分共同反映了社會弱势群体特征。该部分提取了文盲人口比率、贫困人口比重、女性人口比重和城镇登记失业率共四个指标，这两个主成分的方差解释贡献率分别是1007%和743%，共计175%。文盲体现的是精神文化的匮乏，会导致该群体忧患意识和安全意识薄弱，信息接收不畅、不及时;就业困难和经济贫困无疑会增加脆弱性，而女性由于生理构造的不同在某种程度上来说也体现了社会的脆弱性，因此这四个指标取值越大，社会脆弱性越高。从空间分布来看，如图4所示，弱势群体上表现出高度脆弱的有3个省，其中脆弱性最高的是西藏，得分达5344，其他两个分别为上海（3225）和青海（3046）。其中让人有点意外的是，上海竟然在弱势群体上具有高度的脆弱性，这可能与其发达的经济、与竞争力以及快速的生活节奏有关，正因在如此强大的发展光环下，处于劣势的人群会相形之下过得更加举步维艰，且高强度的生活节奏和竞争压力也可能造成失业率的上升。而甘肃、宁夏、山西、黑龙江和贵州处于较高的脆弱性，其脆弱性得分均在06以上，除此之外的其他省份都处在中等及以下的脆弱性，其中广东和湖北的脆弱性最低，分别只有-2757和-2654。

（三）社会综合脆弱性分析

通过各因子的方差解释贡献率所占比可知，因子1体现的经济发展水平和人口结构特征对社会脆弱性的影响最大，所以比较也可以发现，图6与图3的相似程度最高。再结合图6社会脆弱性的空间分布可知，社会综合脆弱性高的有6个，主要分布在经济相对不发达且人口也较集中的西北和西南地区，社会脆弱性较高的也是6个，均环脆弱性高的几个省毗邻分布，社会脆弱性中等的有10个，社会脆弱性较低及以下的省份基本都在沿海经济发达地，即渤海附近的辽宁和京津冀地区、长三角和珠三角等地，其中脆弱性最低的为我国经济发展水平首屈一指的北京、天津、上海和广东4个省市，这与实际情况吻合度也颇高。而人类发展指数的方差解释率占比显示了其对社会综合脆弱性也有比较大的影响。经过空间对比并结合统计数据可知，像新疆和黑龙江等在经济水平和人口结构上处于高度或较高脆弱的在社会综合脆弱性却是一般脆弱，而像西藏及河南在因子1上表现中度脆弱的在社会综合脆弱性上却成了较高或高度脆弱，说明像人口自然增长率、人均住房面积等人类发展指数指标的减小会导致社会脆弱性的增加。

（四）区域综合脆弱性分析

区域综合脆弱性的空间分布如图7所示，具有高度脆弱的只有1个，即河南，因为其在暴露水平和社会综合脆弱性上都是高度脆弱。整体来看，除河南外，脆弱性从东往西区依次增加。区域综合脆弱性较高的有10个，分别是新疆、西藏、甘肃、陕西、四川、重庆，湖北、湖南、河北和江西，中度脆弱的有11个，其他的脆弱性都较低，其中最低的为北京、天津和上海。将图7分别和图2与图6对比可知，区域综合脆弱性的空间分布图与社会脆弱性的分布相似度略高，特别是从黑龙江、内蒙古和河北一直到海南沿海一带，其脆弱性的分布基本完全一致，其他各省的区域综合脆弱性整体上也是与社会脆弱性的分布较为相似。其原因由空气污染灾害自身的种类和特性所决定，首先它主要是由人类社会活动造成的，因此带有社会性质，然后它整体呈现的是一种可扩散可迁移的面状污染，且其影响过程是持续性的而非短暂即时的，所以受社会脆弱性的差异较大。同时，暴露水平对区域综合脆弱性有一定的影响，比如像甘肃、四川、云南、贵州和广西等处于高度或较高社会脆弱性的省，由于其空气污染暴露水平较低，所以其最终的区域综合脆弱水平都在社会脆弱性的基础上下降了一到两个等级。

四、结论与展望

我国省级区域的脆弱性具有比较明显的空间分异特征，但总体脆弱性程度不是太重，高度脆弱的仅有河南省。一方面同地势分布类似，区域脆弱性整体呈“梯度化”分布，东部地区的区域脆弱性整体高于中部和西部，而社会脆弱性也呈现从东部沿海到西部内陆逐步升高的分异态势;另一方面，从面域上来看为“半包围式”分布，从北到东北再往南沿海分布的省市区脆弱性相对较低，除青海外，脆弱性较高的中部和西部地区则呈现出被外层的低脆弱性区域包围的状态。

区域综合脆弱性的空间分布总体上和社会脆弱性更为相似，所以主要由社会脆弱性决定，同时受暴露水平调节作用。空气污染带有社会性质，从根本上讲是社会问题在自然层面的体现，是人与自然关系不和谐的表现。其作用效果不像地质灾害那样迅速，在人体健康上表现为经过一段时期的累积后爆发，而社会因素在这个过程中可起到缓冲和改善的作用。因此，区域脆弱性的改善要从人类本身开始，调整产业结构、优化资源基础如油品品质的改善等，不能走先发展后治理的老路，要在尊重自然的基础上发挥人类的主观能动性，这是人与自然和谐相处的前提，也是可持续发展的内在要求。

参考文献：

[1]Janssena M A，Schoon M L，Ke W et alScholarly networks on resilience，vulnerability and adaptation within the human dimensions of global environmental changeGlobal Environmental Change，2006，16（3）：240-252

[2]刘燕华，李秀彬脆弱性生态环境与可持续发展[M]北京：商务印书馆2001

[3]Gallopin G CLinKages between vulnerability，resilience，andaptive capacityGlobal Environmental Change，2006，16（3）：293-303

[4]Smit B，Wandel JAdaptation，adaptive capacity and vulnerabilityGlobal Environmental Change，2006，16（3）：282-292

[5]Fussel H M Vulnerability：A generally applicable conceptual framework for climate change researchGlobal Environmental Change，2007，17（2）：155-167

[6]方修琦，殷培红弹性、脆弱性和适应性—IHDP三个核心概念综述[J]地理科学进展，2007，26（5）：11-22

[7]IPCC2001Climate change：impacts，adaptation and vulnerabilityCambridge，UK：Cambridge University Press

[8]Adger W NVulnerability[J]Global Environmental Change，2006，16（3）：268-281

[9]Cutter S L，Boruff B J，Shirley W LSocial vulnerability to environmental hazards[J]Social science quarterly，2003，84（2）：242-261

[10]Cutter S L，Finch CTemporal and changes in social vulnerability to natural hazards [J]Procedings of the National Academy of Science，2008，105（7）：2301-2306

[11]黄晓军，黄馨，崔彩兰，杨新军社会脆弱性概念、分析框架与评价方法[J]地理科学进展，2014，33（11）：1512-1525

[12]Cutter S L Vulnerability to environmental hazards[J] Progress in Human Geography，1996，20：529-539

[13]唐玲，劉怡君自然灾害社会易损性评价指标体系与空间格局分析[J]电子科技大学学报社科版，2012，14（3）：49-53

（梁欣，中南财经政法大学信息与安全工程学院）