文章信息
- 周海川
- Zhou Haichuan
- 空气质量与公共健康:以森林吸收烟粉尘为例
- Air Pollution and Public Health:Evidence from Forests Absorb Smoke and Dust Emission in China
- 林业科学, 2017, 53(8): 120-131.
- Scientia Silvae Sinicae, 2017, 53(8): 120-131.
- DOI: 10.11707/j.1001-7488.20170814
-
文章历史
- 收稿日期:2016-05-03
- 修回日期:2016-08-01
-
作者相关文章
伴随着经济的高速增长,我国面临的环境污染问题日渐严重。据统计,世界污染最严重的20个城市中我国占据80%,我国七大流域水体中54%的水已经不适合居民饮用,空气中的粉尘、二氧化硫含量在全世界最高(乔晓楠等,2012)。长时间反复出现的雾霾天气,尤其是可吸入颗粒物(PM10、PM2.5) 是近3年社会普遍关注的焦点,被视为首要污染物,人们带口罩工作、生活、锻炼成为了网络上和现实生活中的真实写照。来华游客闻之色变,甚至还出现国外运动员因雾霾而放弃来我国比赛的现象。我国居民纷纷购置气净化器和口罩等,为体育活动提供过滤空气的“空气净化穹顶”也日益常见。空气质量恶化不仅有损大国形象,而且也强烈威胁着我国居民的身体健康。Wang等(2013)研究发现空气污染排在引发中国居民死亡10大因子中的第4位,并且主要以肺癌的形式导致居民死亡;Yuyu等(2013)发现中国淮河以北可吸入颗粒物浓度要比淮河以南高184 μg·m-3,将近高出55%,由此引发的心肺疾病等健康问题将使北方居民的预期寿命缩短5.52年,并指出如果居民长期暴露在颗粒物中,浓度每增加100 μg·m-3,出生预期寿命将减少3年。长期遭受空气污染、吸烟以及工作中接触致癌物增大了中国人患肺癌的风险。《全球癌症报告2014》显示,中国肺癌比率尽管低于绝大多数欧洲国家,但患肺癌人数远多于欧洲,并成为最普遍和最致命的癌症。智研数据中心(中国产业信息网,2014)的研究表明,男性肺癌发病率和死亡率均占所有恶性肿瘤的第1位,女性发病率占第2位,死亡率占第1位。触目惊心的高发病率和死亡率使社会各界高度关注空气污染对国民健康的长远影响。
随着公众对空气污染问题的关注以及国家生态文明建设目标的提出,一些研究试图以降低污染来提高公共健康,开展了影响机制分析、具体措施实施以及政策效果评价等的分析。但这些研究多数集中在医学领域,研究方法主要以观察法和试验法为主,尽管在试验设计中考虑了对照、随机化、重复性和盲法原则,但依然存在对照组选择不恰当、随机化方法错误、样本缺乏代表性、样本量较小等弊端,且尚未考虑内生性问题。经济学领域定量关注空气污染和公民健康的研究文献较少,而且内生性问题亦没有得到很好的解决。从政策制定角度来讲,空气污染作为环境污染的一种,理应纳入公共政策考核之中,除了着眼于推动医学方面的微观研究外,还需要在宏观尺度上研究空气污染的后果和防控策略。然而,目前针对特定产业政策(如大气污染防治法、林业政策等)所实施的环境成本量化以及公共健康潜在影响的相关研究均缺乏严谨的评估,研究所推出的结论和政策启示需要审慎对待。
鉴于此,本研究试图以森林吸收烟粉尘为例,实证检验烟粉尘对居民呼吸系统相关疾病的影响,与之前研究的不同之处在于,基于我国30个省(市、区)7年的面板数据,采用三阶段最小二乘估计(3SLS)方法克服颗粒物排放的内生性问题,从而更加准确地评价环境污染对公共健康的负面影响。
1 文献综述1930年,比利时马斯河谷烟雾在短短1个星期内造成60多人和许多家畜死亡,成为20世纪记载最早的大气污染惨案。1948年美国多诺拉烟雾事件、1959年墨西哥波萨里卡事件是由工业排放烟雾引发的大气污染。最严重的大气污染是1952年12月发生的伦敦烟雾事件(主要是冬季取暖燃煤和工业排放的烟雾),该污染直接导致12 000多人死于呼吸系统疾病(Bell et al., 2001),这次大气污染事件引起了社会各界对空气质量和公共健康之间关系的广泛关注。
大气污染是引发呼吸系统相关疾病的主要原因。Brunekreef等(2002)基于美国居民健康调查数据发现,居住在城市化或工业化程度较高地区的居民,由于汽车尾气及工业废气增加,患呼吸系统相关癌症尤其是肺癌的概率要比其他地区高出1倍;宋桂香等(2006)考察了上海大气污染对居民每日死亡的影响,发现大气SO2(NO2)浓度每增加10 μg·m-3, 上海市城区居民总死亡、心血管疾病死亡和呼吸道疾病死亡数分别增加1.25%(1.04%)、1.45%(1.05%)和1.71%(1.43%);殷文军等(2012)基于时间序列数据讨论了广州市空气污染与城区居民心脑血管疾病死亡间的关系,发现广州市大气中NO2和PM10对人群健康存在短期影响,能增加人群心脑血管疾病死亡;杨海兵等(2010)采用苏州日度天气数据研究了大气主要污染物浓度对癌症死亡率的影响,发现该地区居民恶性肿瘤日死亡率与大气中SO2和PM10日平均水平呈正相关,与NO2呈负相关;王燕侠等(2007)、陈晓等(2012)探索了空气污染对新生儿健康、青少年呼吸系统的影响,结果表明空气污染物的长期恶性积累可能成为出生缺陷甚至围生儿死亡发生的隐患,大气污染物PM2.5、SO2、NO2的综合作用对青春期青少年肺功能产生了严重危害,表现为肺通气功能阻塞性障碍,年龄越小影响越大,并表现出长期慢性的影响过程;Chen等(2012)使用全国样本研究发现,冬季燃煤取暖造成的总悬浮颗粒增加将会降低人均寿命;Yuyu等(2013)通过中国有区别性煤炭政策所导致的“自然试验”研究淮河南北颗粒物排放对于人均预期寿命的影响,发现空气污染使得生活在淮河以北的5亿中国人失去累计将近25亿年的预期寿命。综上可知,空气污染和人类健康呈显著的负相关关系,需要通过减少空气污染来提高人类的健康水平。
森林可以通过减少空气污染物来影响人体健康。森林除了具有涵养水源、固碳释氧等生态功能外,还具有改善视觉、降低噪声等保健功能,能对人类生理、心理产生积极的健康效应。张志永等(2014)对城市森林保健功能的内涵进行了界定,明确森林可通过影响城市的物理和生物环境缓解城市环境质量的下降,减轻对人体健康的损害。进一步,他们将森林健康效应分为净化空气、雨洪控制和提高水质、降低噪声、缓解城市热岛效应、缓解居民的压力和疲劳、调节心理情绪等方面。在净化空气方面,森林主要通过气孔吸入、表面阻滞等方式直接减少空气污染物,Yang等(2005)发现北京中心城区约240万株树木每年能够吸收或去除772.0 t可吸入颗粒物(PM10),Nowak等(2006)发现美国城市树木每年能去除71.1万t空气污染物。森林还可通过遮荫和蒸腾等方式降低夏季的环境温度,直接减少空调等制冷设备所需的能源消耗,从而间接减少空气污染物的排放。除减少空气污染物外,森林还可以释放出氧气,而空气中的负氧离子可以调节人体的机能,一些树种还可以分泌出芳香化合物和有机酸等具有杀菌作用的化学物质来净化空气。正因为森林的保健功能,森林浴日渐盛行,人们在林中通过行走、慢跑、骑自行车、采摘等系列游憩活动的开展,使肺部充分吸收森林植物中散发出来的具有药理效果的植物精气和空气负氧离子,从而改善自身的身体状态。森林浴产生的康复、保健和疗养效果很早就被医学证实,Franke等(1962)便发现清新的空气以及森林散发的挥发性物质对支气管哮喘、肺部炎症、肺结核等疾病具有显著的治疗效果,一些尘肺患者借助森林浴康复治疗后,头痛、头晕、胸闷、气促、咳喘等症状均有明显改善(陆玲香,1997)。正因为如此,日本将国土面积的15%划为森林公园,这些公园每年吸引参加沐浴的民众达到8亿人次,并且逐渐形成了医疗福祉型森林、疗养保养型森林、预防生活习惯病森林3类森林疗法基地。美国也建立了众多的“森林医院”。我国的红螺寺松林浴园、北京市森鑫森林公园、浙江天目山“森林康复医院”也开展了森林浴。诚然,森林浴会对人体健康带来诸多好处,但是由于劳动时间、交通条件等因素限制,森林浴主要服务对象还是当地人口,呈现空间专有性和人类主动性的特征。
就研究的准确性来说,医学方面的文献在研究通过改善空气质量提高公共健康水平时,往往在研究对象上选取个体或非随机样本,而且也没有考虑内生性问题的处理,估计结果一致性较差,所得政策建议的含金量不高。经济学方面的文献则更多关注空气质量与公共健康之间的相关关系,很少关注因果关系,但也有一些作者对因果关系进行了探究,如Chen等(2012)采用准自然试验的断点回归技术处理空气质量和公众健康的关系,陈硕等(2014)利用3SLS检验火电厂二氧化硫排放对公共健康的影响,这些研究不仅检验了因果关系,而且有效处理了有害气体排放的内生性问题。总体来说,经济学领域从地区宏观层面准确评价空气质量与公共健康的文献相对较少,内生性问题成为一个需要突破的瓶颈。
2 空气质量与公共健康:2004—2010年省级面板数据的实证检验 2.1 变量和数据来源 2.1.1 被解释变量衡量公共健康水平的指标很多,参照陈硕等(2014)的研究,将“每万人中呼吸系统疾病死亡人数”和“每万人中肺癌死亡人数”2个指标作为衡量公共健康水平的代理变量,该数据源自《全国疾病监测系统死因监测数据库》。
2.1.2 核心解释变量核心解释变量为空气质量和森林面积,空气质量指标主要包括颗粒物、二氧化硫、氮氧化物、挥发性有机物、氨等。Lelieveld等(2015)研究了全球范围内危害人类健康的大气污染源分布状况,指出引发大气污染的最主要来源不是之前认为的工业排放和汽车尾气,而是居民取暖、餐饮产生的烟尘以及农业氨肥的使用,同时进一步测算了中国的大气污染来源,发现居民能源消耗占32%、农业排放占29%、自然排放占9%、火力发电占18%、工业排放占8%、机动车尾气占3%、生物质燃烧占1%。另外,SO2作为气体类的空气质量指标在陈硕等(2014)中予以研究。因此,空气质量的代理变量将选取颗粒物中的烟粉尘排放量,该数据源自《中国环境统计年鉴》。森林面积数据源自《中国林业统计年鉴》,需要指出的是,各地区的森林面积在全国森林资源清查期内是恒定的,如在第七次(2004—2008年)全国森林资源清查期,北京森林面积恒定为37.88万hm2,为此需要将每年新造林面积逐年累计加入恒定面积作为森林面积的代理变量。
2.1.3 工具变量为了处理内生性问题,选择森林病虫害发生面积作为工具变量,除了包括森林病虫害合计发生面积外,还包括森林病害发生面积和森林虫害发生面积,该数据源自《中国林业统计年鉴》。
2.1.4 控制变量根据文献中常用的影响公共健康的因素,选择的控制变量包括经济发展水平、公共卫生水平、人口密度,分别用人均GDP、医院数、人均医疗支出、人口密度加以测量,该数据源自《中国统计年鉴》。
具体的描述性统计如表 1所示。可以发现,2004—2010年间,我国30个省(市、区)每万人中肺癌死亡人数平均值为0.127人,低于每万人中呼吸系统疾病死亡人数0.215人,从标准差来看,后者的离散程度要高于前者,如果将7年间30个省(市、区)每万人中肺癌死亡人数平均值进行排名,可以发现北京、上海和天津位居前3名,分别为1.666、1.398和1.290人,云南、海南和贵州排在后3名,分别是0.090、0.069和0.055人;同样对每万人中呼吸系统疾病死亡人数进行排名,可以发现上海、北京和吉林位居前3名,分别是2.013、1.695和1.012人,江西、西藏和海南排在后3名,分别为0.220、0.179和0.175人。2004—2010年间,30个省(市、区)烟粉尘排放总量的平均值为33.487万t,其中工业烟尘、工业粉尘和生活烟尘排放量的平均值分别为19.281万、23.759万和14.208万t,从标准差来看,烟粉尘排放总量的离散程度最大,生活烟尘排放量离散程度最小。就各地区平均森林面积而言,7年间为608.801万hm2,森林病虫害合计发生面积平均值为352 523.5 hm2,占森林面积的5.79%,其中森林病害发生面积为33 420 hm2,小于森林虫害发生面积。控制变量中,7年间30个省(市、区)人均GDP平均为22 998.55元,人均医疗支出为212.574元,医院数为649.667个,人口密度为392.948人·km-2。
考虑到不同的模型估计方法会导致不同的结论,因此分别采用OLS、面板模型、3SLS进行估计。其中,烟粉尘排放和公共健康之间的线性关系如下:
$\text{healt}{{\text{h}}_{it}}={{\alpha }_{1}}\text{smok}{{\text{e}}_{it}}+{{X}^{\prime }}{{\beta }_{1}}+\text{prefectur}{{\text{e}}_{i}}+\text{yea}{{\text{r}}_{t}}+{{\varepsilon }_{1it}}。$ | (1) |
式中:i表示30个省(区、市);t表示年份;health为被解释变量公共健康水平;smoke表示“烟粉尘排放量”;向量X′是其他影响公共健康的因素;prefecture为地区效应,用来捕获同时影响烟粉尘排放量及公共健康水平且不随时间变化的因素,如地方治理质量、市场经济发达程度等;year为时间效应,用来捕获影响所有样本的因素,如经济周期、国际贸易等;ε1为误差项。
对式(1) 进行OLS和面板估计,结果如表 2所示。其中模型(1)~(3) 的被解释变量为“万人中肺癌死亡人数(取自然对数)”,模型(4)~(6) 的被解释变量为“万人中呼吸系统疾病死亡人数(取自然对数)”。模型(1) 和(4) 使用最小二乘法(OLS)估计,可以发现烟粉尘对公共健康的影响非常显著,烟粉尘排放量每增加1%,万人中死于肺癌和呼吸性疾病的人数相应增加0.568%和0.488%。模型(2) 和(5) 是对面板数据(panal data)的估计结果,分别采用固定效应模型(fixed effects model,简称FE)和随机效应模型(random effects models,简称RE)进行估计,并利用Hausman检验进行模型选择,得到χ(6)2=(b-B)′(Vb-VB)-1(b-B)=5.01, Prob>χ(5)2=0.414 7,表明随机效应模型比固定效应模型更能准确估计式(1),因此采用随机效应模型估计面板数据。可以发现,与模型(1) 的估计结果相比,烟粉尘排放总量对肺癌死亡人数的显著性水平有所降低,在10%的水平下显著为正,而对呼吸系统疾病的死亡人数影响非常显著,烟粉尘排放总量每增加1%,二者死亡人数分别增加0.207%和0.467%。进一步地控制其他变量(模型3和6),利用随机效应模型(RE)估计面板数据,发现人均收入增加会显著提高肺癌死亡人数,但对呼吸系统疾病死亡人数的影响不显著。人口密度越高,肺癌死亡人数和呼吸系统疾病死亡人数也越多。人均医疗支出会显著降低呼吸系统疾病死亡人数。医院数越多,肺癌死亡人数和呼吸系统疾病死亡人数越多,主要原因是我国医院集中分布在发达地区,并且医疗条件相对好,一些肺癌和呼吸系统疾病患者更倾向于在发达地区治疗,因此死亡人数也相对较高,但是医院数对肺癌死亡人数的影响不显著。
用OLS和面板随机效应模型估计式(1) 时难免遇到内生性问题,如现阶段空气质量已经纳入地方官员考核体系,一些地方官员在汇报烟粉尘排放量等有关空气质量数据时存在明显的断点,而造成这种断点的原因并不是来自于测量偏误(陈硕等,2014),而往往与地方官员为追求政绩修改监测数据等行为有关,如果这种行为同样也在当地公共健康状况测量中出现,那么将导致烟粉尘排放的内生性问题。除此之外,遗漏变量也会导致内生性问题,如汽车尾气(Kagawa,2002)、天气条件(McMichael et al., 2006)、室内烟尘(Lozano et al., 2012)等也会影响公共健康水平,如果这些遗漏变量同时与森林以及公共健康相关,那么使用双向固定效用模型是无法剔除这些影响的,也将导致式(1) 的估计结果不一致。
因此,通过建立联立方程模型,使用基于工具变量的三阶段最小二乘估计(3SLS)方法来解决烟粉尘排放的内生性问题。目前联立方程模型估计方法主要包括两阶段最小二乘法(2SLS)和三阶段最小二乘法(3SLS),均适用于恰好识别以及过度识别的结构方程。由于联立方程模型中每个随机方程之间往往存在某种相关性,表现在不同方程的随机误差项之间,因此如果采用单方程估计方法(2SLS属于单方程估计方法)分析将忽视这种相关性,造成信息损失。3SLS属于系统估计方法,该方法考虑了模型系统中不同结构方程随机误差项之间的相关性,可对联立方程中的所有参数同时进行估计,比2SLS逐个估计每个方程更为有效(Zellner et al., 1962)。3SLS的具体操作过程是首先用2SLS估计模型系统中的每一个结构方程,然后再用GLS(广义最小二乘法)估计模型系统。
在用3SLS估计模型前,首先需要找到合适的工具变量。已有文献表明,粉尘(烟尘)吸收能力会受到单个树木枝叶茂密程度、表面粗糙程度、叶面绒毛多寡、分泌物多少的影响(李海梅等,2008),也会受到森林群落的层次结构和叶面积指数(郭伟等,2010)、树龄和种植密度(殷杉等,2007)、树木疾病(Carianos et al., 2011)的影响,但是由于数据限制以及研究对象以省级地区为单位,因此只采用森林面积作为森林的代理变量。粉尘(烟尘)吸收量会受到森林覆盖率高低或森林面积的影响,但森林面积依然是内生的,不能作为烟粉尘的工具变量,因为森林可以通过释放氧气和芳香烃影响人体健康,同时人们为了提高自身健康水平也会主动地开展森林浴或者通过植树造林来提高森林面积,因此,还需要寻找工具变量,使之仅通过影响森林面积来影响烟粉尘的排放。为此,本研究采用外生的病虫害发生面积作为森林面积的工具变量。首先,要确定病虫害发生与误差项无关。有关研究指出,病害发生诱因包括生物因素和非生物因素,生物因素为真菌、细菌、病毒等侵入植物体所引起的病害,非生物因素为如旱、涝、严寒、养分失调等影响或损坏生理机能而引起的病害;虫害主要是昆虫、螨类、蜗牛、鼠类等。从影响森林面积的因素来看,人口增长、林地面积、国民生产总值、复种指数、采伐限额等均会影响森林面积(王兰会等,2003),但从病虫害发生的诱因来看,很难确定病虫害发生与上述几个变量以及误差项有关。其次,要确定病虫害只能通过影响森林面积对森林吸附烟粉尘的能力产生作用,进而影响人类健康。据报道(中国环境频道,2013),“十一五”期间我国年均发生病虫害面积为1 133.3万hm2,主要林业有害生物种类增加到295种,每年因森林病虫害致死树木4 000多万株,年均造成损失1 100多亿元,其中2010和2011年全国林业有害生物中度、重度发生面积年均353.3万hm2,为同期造林面积的59%,说明病虫害发生会影响森林面积,并且只能通过影响森林健康状况、生活力、生长势来影响森林面积。另外,全球经济一体化进程加快进一步扩大了重大危险性外来林业有害生物在我国的传播范围,先后有松材线虫(Bursaphelenchus xylophilus)、美国白蛾(Hyphantria cunea)、薇甘菊(Mikania micrantha)等36种外来林业有害生物传入我国,这一例子既可以说明外来林业有害生物的外生性,同时也可以说明特定的病虫害只对特定树种产生作用,是作为工具变量的最佳选择;但是由于缺乏外来林业有害生物的发生数据,因此只能选择病虫害作为工具变量。第三,病虫害发生与烟粉尘排放量无关。病虫害发生与森林火灾有所不同,后者影响森林面积的同时还释放SO2、NO、CO、烟雾等物质,而这些物质污染空气,直接影响人类健康。第四,确定人类呼吸系统疾病并不会影响到病虫害的发生。从目前来看,即使各地区采取了化学、生物和物理等防治病虫害的方法和措施,但目的是维持森林健康和生态系统的稳定,很难说是为了保护人体的健康,二者之间并不存在明显的因果关系。由于上述因果链条中存在3个阶段,因此估计值获取也需要3个阶段,具体如下:
$\text{healt}{{\text{h}}_{it}}={{\alpha }_{2}}{{\overline{\text{smoke}}}_{it}}+{{X}^{\prime }}{{\beta }_{2}}+\text{prefectur}{{\text{e}}_{i}}+\text{yea}{{\text{r}}_{t}}+{{\varepsilon }_{2it}};$ | (2) |
$\text{smok}{{\text{e}}_{it}}={{\alpha }_{3}}\text{fores}{{\text{t}}_{it}}+{{X}^{\prime }}{{\beta }_{3}}+\text{prefectur}{{\text{e}}_{i}}+\text{yea}{{\text{r}}_{t}}+{{\varepsilon }_{3it}};$ | (3) |
$\text{fores}{{\text{t}}_{it}}={{\alpha }_{4}}\text{diseas}{{\text{e}}_{it}}+{{X}^{\prime }}{{\beta }_{4}}+\text{prefectur}{{\text{e}}_{i}}+\text{yea}{{\text{r}}_{t}}+{{\varepsilon }_{4it}}。$ | (4) |
在联立方程组中,首先在第一阶段式(4) 中用病虫害总发生面积估计森林面积;然后将估计值代人第二阶段回归式(3) 中,估计“森林-烟粉尘排放”关系,该式中森林面积的方差来自于外生的病虫害总发生面积;最后将式(3) 中获得的烟粉尘排放估计值作为式(2) 的关键解释变量进而获得一致性的估计值。由于上述过程涉及2个工具变量,因此借鉴陈硕等(2014)的做法,采用3SLS法进行估计,该估计方法能够充分利用方程之间残差项的相关关系,一定程度上可以看作是2SLS和SUR(seemly unrelated regression)的结合,从而获得更有效率的估计结果。对方程的一致性估计取决于病虫害是否通过且仅通过影响森林来影响烟粉尘排放,很明显,绝大多数病虫害是针对特定树种的,如松材线虫病是针对松树的一种毁灭性流行病;另外鼠类活动也会造成一定的粉尘,但影响几乎可以忽略。部分学者认为森林在不发达地区比较集中,这些地区公共财政收入少、人民生活水平和医疗服务水平低,也会对公共健康水平产生影响,因此在式(2) 中加入了经济发展水平、医疗支出、医疗设施等控制变量。
从表 3中可以发现病虫害总发生面积正向影响森林面积,一个重要的原因是每年造林面积增长量大于病虫害发生面积,并且显著性水平(P)均大于10%,意味着单变量的F远大于10,说明所选取的工具变量不存在弱工具变量问题。第二阶段回归将所预测的森林面积作为核心解释变量来解释烟粉尘排放,可以发现森林面积显著影响烟粉尘排放水平,森林面积每增加1%,烟粉尘排放量降低约0.884%。表 3中模型(1) 和(3) 是采用3SLS估计的结果,模型(2) 和(4) 是采用OLS估计的结果,二者估计的显著性水平没有差异,但在数值上后者主要变量的估值偏高。另外,在第二阶段回归中,人均GDP的估计出现了相反的符号,说明OLS估计的结果确实存在内生性问题。
表 4展示在第三阶段回归时,将用外生变量解释过了的烟粉尘排放量作为解释变量来解释公共健康。通过上述处理,烟粉尘排放变量中的内生性部分已被排除,剩下的外生部分可以保证其估计结果的一致性。可以发现,烟粉尘排放对公共健康水平显著不利,烟粉尘排放量每增加1%,万人中死于肺癌的人数增加0.777%,死于呼吸系统疾病的人数增加0.704%,并且均高于采用OLS估计的结果。该结果与陈硕等(2014)研究一致,均显示OLS方法会低估空气污染对公共健康的影响。就其他控制变量来说,人均GDP和人口密度不利于居民公共健康水平的提高,从侧面说明我国一些地区在经济发展过程中忽视了生态环境保护,尽管提高了生活水平,但健康水平却出现下降。另外,人均GDP对死于呼吸系统疾病人数的影响不显著。人均医疗支出对居民公共健康水平在1%水平下显著为负,即人均医疗支出每增加1%,万人中肺癌及呼吸系统疾病死亡人数分别降低0.362%和0.543%,与Jacob等(2012)的研究结果一致,提高医疗支出可显著提高居民的公共健康水平。
《中国环境统计年鉴》中公布的烟粉尘包括工业烟尘、工业粉尘和生活烟尘3类,分别用上述3个变量作为空气污染的代理变量估计烟粉尘排放与公共健康的关系。如表 5中模型(1)~(6),在第三阶段中,这3个变量均在10%显著性水平下正向影响肺癌及呼吸系统疾病死亡人数,其中工业烟尘对呼吸系统疾病的影响大于对肺癌的影响,工业粉尘和生活烟尘对呼吸系统疾病的影响小于对肺癌的影响。三者对公共健康的影响中,工业烟尘最大,生活烟尘次之,最小的是工业粉尘。森林面积的增加会显著降低工业烟尘、工业粉尘和生活烟尘的排放量,其中森林面积对工业烟尘的降低效果最明显,其次是工业粉尘,最后是生活烟尘。病虫害总发生面积正向影响森林面积。其他控制变量中,除了各别变量在估计参数时不显著外,绝大多数与表 4所得结果一致。
《中国环境统计年鉴》中公布的森林有害生物包括病害、鼠害和虫害3种类型,鼠害由于数据缺失严重,因此只采用病害和虫害作为工具变量分析烟粉尘排放对公共健康的影响。如表 5模型(7)~(10),将病害作为工具变量时,烟粉尘排放总量对呼吸系统疾病的影响大于对肺癌的影响,即烟粉尘排放总量每增加1%,呼吸系统疾病将增加1.196%,肺癌将增加0.943%;将虫害作为工具变量时,情况正好相反,即烟粉尘排放总量每增加1%,呼吸系统疾病将增加0.661%,肺癌将增加0.724%;但是烟粉尘排放总量的影响均在10%水平下显著异于零(第三阶段估计)。森林面积的增加会显著降低烟粉尘排放总量(第二阶段估计),具体来说,以病虫害总发生面积作为工具变量时,森林面积每增加1%,工业烟尘、工业粉尘和生活烟尘排放量将分别降低1.115%、0.985%和0.617%;以病害作为工具变量时,森林面积每增加1%,烟粉尘总排放量将降低0.934%;以虫害作为工具变量时,森林面积每增加1%,烟粉尘总排放量将降低0.790%。病害、虫害发生面积与森林面积正相关,并且前者小于后者对森林面积的影响(第一阶段估计)。医院数对于公共健康的影响不再显著,同时在第二阶段回归中,人均GDP对烟粉尘排放总量的影响也不再显著。人口密度在第二阶段回归中,正向显著影响烟粉尘排放量,在第三阶段中,正向显著影响公共健康变量。人均医疗支出尽管影响为负,但是不同方程中显著性水平有所不同。
4 结论与讨论基于我国30个省(市、区)7年的面板数据,采用3SLS方法克服颗粒物排放的内生性问题,准确评价了烟粉尘排放对公共健康的影响,验证了森林吸收烟粉尘以降低其对公共健康的作用,获得了如下结论:
1) 烟粉尘排放显著降低居民的公共健康水平。烟粉尘排放量每增加1%,万人中死于肺癌人数将增加0.777%,死于呼吸系统疾病人数将增加0.704%。森林会显著影响烟粉尘排放水平,森林面积每增加1%,烟粉尘排放量降低约0.884%。人均GDP的增加和人口密度的增大并不能提高居民的健康水平。增加人均医疗支出有助于降低居民患肺癌和呼吸系统疾病的概率,且人均医疗支出每增加1%,万人中肺癌及呼吸系统疾病死亡人数将分别降低0.362%和0.543%。
2) 稳健性检验结果显示,将病害作为工具变量时,烟粉尘排放总量对呼吸系统疾病的影响大于对肺癌的影响,即烟粉尘排放总量每增加1%,呼吸系统疾病将增加1.196%,肺癌将增加0.943%;而森林面积每增加1%,烟粉尘总排放量将降低0.934%。将虫害作为工具变量时,烟粉尘排放总量每增加1%,呼吸系统疾病将增加0.661%,肺癌将增加0.724%;而森林面积每增加1%,烟粉尘总排放量将降低0.790%。
以上结论的学术价值和现实意义在于:第一,有效克服了医学研究中多重视发病个体层面、少关注地区性影响因素的局限性,从而可以有效解释地区间健康水平的异质性,是宏观层面研究环境污染和公共健康关系的一种尝试。由于烟粉尘排放危害公共健康,因此要继续加大环境治理力度,一是实施烟粉尘排放总量控制,将现有设施烟粉尘排放量测算纳入环评文件,加大大气污染治理力度;二是提高清洁生产和资源综合利用水平,在工业生产中要采用先进除尘技术和细微颗粒物控制技术,落实重点行业烟粉尘除尘系统的升级改造工程,在农业生产中要严防田间焚烧秸杆,在居民生活中大力推广清洁能源的使用,减少生活烟尘的排放;三是在制度执行层面,要严格环评审批制度,实施排污许可证管理制度、完善环保核查制度和环保信息公开制度,从而有效控制颗粒物的排放。第二,侧面验证了生态文明建设的实施效果,使公众更加体会到“山水林田湖”生命共同体中林业的宗命脉作用(陈绍志等,2014),有利于推动绿水青山转化为人类健康的金山银山,真正使良好生态环境成为最公平的公共产品和最普惠的民生福祉。当前,我国仍然是一个缺林少绿、生态脆弱的国家,生态差距是我国与发达国家最大的差距之一,生态环境远远不能满足人民群众需求,一些地区为了发展经济而忽视生态保护甚至污染环境,影响了当地居民的健康。为了扭转生态环境恶化趋势、减少生态差距和提升居民健康水平,必须毫不动摇地加强生态建设,而林业是生态建设的主体,管理好3.04亿hm2林地、0.53亿hm2湿地、2.62亿hm2荒漠化土地才能从根本上保证生态环境的良好;与此同时,要加快自然生态系统的全面修复,以山水林田湖统一治理的观念为指导,坚持以大工程带动大发展,实施重大生态修复工程,并通过法治化、制度化、科学化的管理方式巩固生态建设成果。第三,鉴于森林通过吸收烟粉尘可以提高公共健康水平,为了进一步提高公共健康水平,除了通过法律和强制措施从源头治理污染外,还需要扩大森林面积、提升森林质量、增强森林生态功能。具体来说,一方面要通过加强林木新品种选育、人工林高效培育及天然林可持续经营等关键技术创新,构建高水平的森林资源培育技术支撑体系,扩大吸收烟粉尘强的树种面积,从而提高森林覆盖率和质量;另一方面要重视森林的保护管理,准确把握林业有害生物发生客观规律,科学确定防控工作策略,通过监测预警、检疫御灾、防治减灾体系建设等措施有效提高森林有害生物防治水平,降低森林资源损失,保证林业持续的发挥生态功能和保健功能,通过减少空气污染物来提升人类健康水平。
[] |
陈绍志, 周海川. 2014. 林业生态文明建设的内涵、定位与实施路径. 中州学刊(7): 91–96.
( Chen S Z, Zhou H C. 2014. Forestry ecological civilization construction, location and implementation path. Zhongzhou Academic Journal(7): 91–96. [in Chinese] ) |
[] |
陈硕, 陈婷. 2014. 空气质量与公共健康:以火电厂二氧化硫排放为例. 经济研究(8): 158–169.
( Chen S, Chen T. 2014. Air pollution and public health:evidence from sulfur dioxide emission of coal-fired power stations in China. Economic Research Journal(8): 158–169. [in Chinese] ) |
[] |
陈晓, 陈亚琼, 侯海燕, 等. 2012. 天津地区空气污染与围生儿死亡和出生缺陷的关系. 国际妇产科学杂志, 39(3): 308–310.
( Chen X, Chen Y Q, Hou H Y, et al. 2012. An relationship between air pollution and perineonate death and birth defects in tianjin. J Int Obstet Gynecol, 39(3): 308–310. [in Chinese] ) |
[] |
郭伟, 申屠雅瑾, 郑述强, 等. 2010. 城市绿地滞尘作用机理和规律的研究进展. 生态环境学报, 19(6): 1465–1470.
( Guo W, Shentu Y J, Zheng S Q, et al. 2010. Research advances on mechanisms and rules of dust retention of the urban green areas. Ecology and Environmental Sciences, 19(6): 1465–1470. [in Chinese] ) |
[] |
李海梅, 刘霞. 2008. 青岛市城阳区主要园林树种叶片表皮形态与滞尘量的关系. 生态学杂志, 27(10): 1659–1662.
( Li H M, Liu X. 2008. Relationships between leaf epidermal morphology and dust-retaining capability of main garden trees in Chengyang District of Qingdao City. Chinese Journal of Ecology, 27(10): 1659–1662. [in Chinese] ) |
[] |
陆玲香. 1997. 尘肺患者接受森林浴康复治疗方法与体会. 职业医学, 24(6): 37–39.
( Lu L X. 1997. Pneumoconiosis patients receiving treatment and rehabilitation of forest bath experience. Occupational Medicine, 24(6): 37–39. [in Chinese] ) |
[] |
乔晓楠, 段小刚. 2012. 总量控制, 区际排污指标分配与经济绩效. 经济研究(10): 121–133.
( Qiao X N, Duan X G. 2012. Total quantity control, inter regional allocation of emission permits and economic performance. Economic Research Journal(10): 121–133. DOI:10.3969/j.issn.1005-913X.2012.10.071 [in Chinese] ) |
[] |
宋桂香, 江莉莉, 陈国海, 等. 2006. 上海市大气气态污染物与居民每日死亡关系的时间序列研究. 环境与健康杂志, 23(5): 390–393.
( Song G X, Jiang L L, Chen G H, et al. 2006. A time-series study on the relationship between gaseous air pollutants and daily mortality in shanghai. Journal of Environment and Health, 23(5): 390–393. [in Chinese] ) |
[] |
王兰会, 刘俊昌. 2003. 1978-1998年我国森林覆盖率变动的影响因素分析. 北京林业大学学报:社会科学版(2): 33–36.
( Wang L H, Liu J C. 2003. An analysis on the factors affecting forest coverage (1978-1998). Journal of Beijing Forestry University(Social Sciences)(2): 33–36. [in Chinese] ) |
[] |
王燕侠, 牛静萍, 丁国武, 等. 2007. 兰州市大气污染对青春期青少年肺功能的影响. 环境与健康杂志, 24(6): 415–418.
( Wang Y X, Niu J P, Ding G W, et al. 2007. Effects of air pollution on juvenile lung function in Lanzhou. Journal of Environment and Health, 24(6): 415–418. [in Chinese] ) |
[] |
杨海兵, 葛明, 洪梅, 等. 2010. 苏州市恶性肿瘤日死亡率与大气主要污染物的关系. 环境与职业医学(6): 353–355.
( Yang H B, Ge M, Hong M, et al. 2010. Relation between the daily mortality of malignant tumor and the air pollutant in Suzhou. Environmental and Occupational Medicine(6): 353–355. [in Chinese] ) |
[] |
殷杉, 蔡静萍, 陈丽萍, 等. 2007. 交通绿化带植物配置对空气颗粒物的净化效益. 生态学报, 27(11): 4590–4595.
( Yin S, Cai J P, Chen L P, et al. 2007. Effects of vegetation status in urban green spaces on particles removal in a canyon street atmosphere. Journal of Ecology, 27(11): 4590–4595. DOI:10.3321/j.issn:1000-0933.2007.11.026 [in Chinese] ) |
[] |
殷文军, 彭晓武, 宋世震, 等. 2012. 广州市空气污染与城区居民心脑血管疾病死亡的时间序列分析. 环境与健康杂志, 29(6): 521–525.
( Yan W J, Peng X W, Song S Z, et al. 2012. Air pollution and the cerebro cardio-vascular disease mortality of population in guangzhou:a time-series analysis. Journal of Environment and Health, 29(6): 521–525. [in Chinese] ) |
[] |
张志永, 叶兵, 杨军, 等. 2014. 城市森林保健功能研究进展. 世界林业研究(12): 27–33.
( Zhang Z Y, Ye B, Yang J, et al. 2014. Research progress in studies of health functions of urban forests. World Forestry Research(12): 27–33. [in Chinese] ) |
[] |
中国产业信息网. 2014. 2014年中国肺癌发病率、死亡率现状, 肺癌未来趋势解读. http://www.chyxx.com/news/2014/0409/236571.html. ( China Industrial Information. 2014. Lung cancer incidence, mortality situation, future trends in China 2014.http://www.chyxx.com/news/2014/0409/236571.html.[in Chinese]) |
[] |
中国环境频道. 2013. 国家林业局: 森林病虫害致年均损失1100亿. http://www.cctvhjpd.com/Article/Show.asp?ID=53264. ( China Environment channel.2013. State Forestry Administration:forest pests cause annual losses 110 billion.http://www.cctvhjpd.com/Article/Show.asp?ID=53264.[in Chinese]) |
[] | Bell M L, Davis D L. 2001. Reassessment of the lethal London fog of 1952:novel indicators of acute and chronic consequences of acute exposure to air pollution. Environmental Health Perspectives, 109(3): 389. |
[] | Brunekreef B, Holgate S T. 2002. Air pollution and health. The Lancet, 360(9341): 1233–1242. DOI:10.1016/S0140-6736(02)11274-8 |
[] | Carianos P, Casares-Porcel M. 2011. Urban green zones and related pollen allergy:a review:some guidelines for designing spaces with low allergy impact. Landscape and Urban Planning, 101(3): 205–214. DOI:10.1016/j.landurbplan.2011.03.006 |
[] | Chen Y, Jin G Z, Kumar N, et al. 2012. Gaming in air pollution data? Lessons from China. The BE Journal of Economic Analysis & Policy, 12(3): 1–43. |
[] | Franke E K, Braunstein J R, Zellner D C. 1962. Study of high frequency components in electrocardiogram by power spectrum analysis. Circulation Research, 10(6): 870–879. DOI:10.1161/01.RES.10.6.870 |
[] | Lelieveld J, Evans J S, Fnais M, et al. 2015. The contribution of outdoor air pollution sources to premature mortality on a global scale. Nature, 525(7569): 367–371. DOI:10.1038/nature15371 |
[] | Jacob N, Solomon A O, Justice N. 2012. The effects of public and private health care expenditure on health status in sub-Saharan Africa:new evidence from panel data analysis. Health Economics Review, 2(1): 1–8. DOI:10.1186/2191-1991-2-1 |
[] | Kagawa J. 2002. Health effects of diesel exhaust emissions-a mixture of air pollutants of worldwide concern. Toxicology, 181-182(3): 349–353. |
[] | Lozano R, Naghavi M, Foreman K, et al. 2013. Global and regional mortality from 235 causes of death for 20 age groups in 1990 and 2010:a systematic analysis for the global burden of disease study 2010. The Lancet, 380(9859): 2095–2128. |
[] | McMichael A J, Woodruff R E, Hales S. 2006. Climate change and human health:present and future risks. The Lancet, 367(9513): 859–869. DOI:10.1016/S0140-6736(06)68079-3 |
[] | Nowak D J, Crane D E, Stevens J C. 2006. Air pollution removal by urban trees and shrubs in the United States. Urban Forestry & Urban Greening, 4(3): 115–123. |
[] | Wang H, Dwyer-Lindgren L, Lofgren K T, et al. 2013. Age-specific and sex-specific mortality in 187 countries, 1970-2010:a systematic analysis for the global burden of disease study 2010. The Lancet, 380(9859): 2071–2094. |
[] | Yang J, McBride J, Zhou J, et al. 2005. The urban forest in Beijing and its role in air pollution reduction. Urban Forestry & Urban Greening, 3(2): 65–78. |
[] | Yuyu C, Avraham E, Michael G, et al. 2013. Evidence on the impact of sustained exposure to air pollution on life expectancy from China's Huai River policy. PNAS, 110(32): 12936–12941. DOI:10.1073/pnas.1300018110 |
[] | Zellner A, Theil H. 1962. Three stage least squares:simultaneous estimate of simultaneous equations. Econometrica, 30(1): 54–78. DOI:10.2307/1911287 |