环境公正（Environmental Justice）是基于环境保护和社会公正相结合提出的一套理论概念，试图确保不同社会经济属性的人群，不论其社会经济地位如何，都应承受同等程度由于社会经济发展所带来的环境负面影响^[1]。国际上已有的环境公正研究主要集中于美国、英国等西方发达国家，主要探讨垃圾填埋场、工业污染源以及空气污染等是否主要集中分布在弱势群体居住的地区^[2]。研究表明，黑人、低收入者等弱势群体通常居住在环境污染比较严重的地方，更大程度上承受经济发展所带来的环境负面影响^{[3, 4]}，健康状况也显著低于其他社会群体^[5]。这些研究促进了西方发达国家提出环境公正理论，制定相应的环境公正政策，以保护弱势群体的利益和促进社会的可持续发展^[6]。

空气污染是环境公正研究的重要内容之一，也是目前发展中国家伴随快速城市化和工业化过程所存在的主要问题之一。相关研究表明空气污染与心脏病、糖尿病、呼吸系统疾病等存在显著的正相关^[7]，其中PM_2.5是对人体健康危害最严重的一类大气污染物^[8]。世界卫生组织（WHO）称可吸入颗粒是构成国际社会空气污染的最大威胁^[9]，PM_2.5的升高会增加呼吸系统疾病和心血管疾病的死亡率以及非意外死亡的风险^{[7, 10]}。据WHO估算，世界范围内每年大约有700万例过早死亡可归因于室内外空气污染的影响^[11]，其中PM_2.5是引发过早死亡的主要原因^[12]。最近一项全球疾病负担（Global Burden of Disease）研究报告指出，2015年因PM_2.5死亡的人口约420万，使其成为第五大死亡风险因素。此外，空气污染对弱势群体的影响更为显著。例如，社会经济地位较低的家庭，其儿童的健康状况相对较差，主要是由于他们通常生活在空气污染较为严重的地区，对他们的健康状况产生不利影响^[13]。美国最近针对大约六千万老年人的研究表明，长期暴露在空气污染较为严重的地区、社会经济地位较低的老年人其死亡率更高^[14]。

20世纪90年代以来，随着工业化进程加快以及生态环境恶化等问题凸显，健康公平性研究在中国日益受到重视^[15]，尤为关注不同群体间以及城乡间健康不平等的问题，但对区域健康不平等的影响因素缺乏深入分析^[16]。当前在发展中国家，尤其是中国，关于环境负担的社会与空间分布，以及环境不公正如何对居民健康不平等产生影响的研究甚少^[17]，从微观层面上研究空气污染的社会分布以及环境公正与健康不平等的文献较为缺乏^[18]。基于此，本文以河北省为例，利用2010年河北省乡镇街道层面的人口普查数据以及空气质量数据，从微观层面探讨空气污染和死亡人口的空间分布、社会分布及其关系，为促进中国环境公正和健康不平等的理解和认识提供科学依据。

河北省地处华北平原中部，内环京津两市，总面积约18.77万平方千米，包括11个地级市。近年来，国家积极推进京津冀一体化，对河北出台相关扶持政策，并设立雄安新区，河北省生产总值从2010年的2.0万亿元增加到2018年的3.6万亿元，在全国排名第九；但作为我国的工业大省，在工业化和城镇化过程中，河北省产生严重的环境污染问题。近几年空气质量有所好转，但河北省仍是我国空气污染最为严重的地区之一。

人口数据来自2010年河北省第六次人口普查，我们从人口普查长表中提取多项社会经济属性指标，如婴儿（1岁及以下）、老年人（60岁及以上），失业者、省外农村流动人口等。同时，本文从2010年人口普查数据中提取河北省各乡镇街道的死亡人口构成比（或死亡人口占比，见下文表 1所示）来反映居民健康水平的空间差异。与马春波关于河南省工业污染的环境公正研究类似^[19]，本文不涉及种族或民族问题。研究中使用的空气污染（PM_2.5）数据来源于加拿大大气成分分析组公布的全球尺度高分辨率的空气质量数据^[20]，Van Donkelaar等人将基于卫星的观测数据（气溶胶光学深度）与化学输送模式模拟值相结合，利用地理加权回归等方法对基于地面的PM_2.5观测结果进行估算，得出1998年至2015年在空间尺度上约为1km × 1km的PM_2.5浓度网格（http://fizz.phys.dal.ca/~atmos/martin/?page_id=140）。

表 1(Tab. 1

表 1 研究中使用的变量 Tab.1 Description of Variables Used in the Study

表 1 研究中使用的变量 Tab.1 Description of Variables Used in the Study

在此基础上，利用ArcGIS，通过叠加河北省乡镇、街道层面的行政区划图层以及1km × 1km的PM_2.5浓度网格，计算2010年河北省乡镇、街道层面的PM_2.5浓度年均值：

(1)

其中C_k表示乡镇街道k的PM_2.5浓度年均值；m表示落在乡镇街道k以内（或交叉）的网格数量；S_ik表示乡镇街道k内网格i的面积；S_k表示乡镇街道k的总面积；C_i表示网格i的PM_2.5浓度年均值。最终，我们获得并关联了河北省2010年2282个乡镇街道的PM_2.5年均值及其对应的人口普查数据。

本文主要采用空间分析、描述性统计以及空间回归模型等方法。首先，我们使用ArcGIS10.3软件绘制2010年河北省分乡镇、街道的PM_2.5浓度值及死亡人口占比的空间分布，并对婴儿、老年人、失业者、省外农村流动人口等弱势群体进行空间分析。

再将2010年乡镇街道PM_2.5浓度的年均值作为对应空间单元普查人口的空气污染暴露量^[21]，各个乡镇街道的死亡人口构成比为对应空间单元的健康水平，研究死亡人口与弱势群体在城市与农村地区不同空气污染水平下分布情况。

本文采用全局Moran's Ⅰ度量全局空间自相关。全局Moran's Ⅰ表示从整体上衡量空间要素之间的相互关系，其公式如下：

(2)

式中：，，Y_i表示第i个地区的观测值，n为地区总数，W_ij为二进制的邻接空间权重矩阵，表示其中的任一元素采用邻接标准或距离标准定义空间对象的相互邻接关系。

最后，运用空间回归模型控制各个乡镇街道的地理位置和其他变量，对主要的社会经济指标与空气污染、死亡人口构成比之间的关系进行统计建模。模型中运用乡镇街道的质心坐标获取死亡人口构成比的全局空间平滑趋势，使用空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）处理死亡人口构成比在模型中存在的空间相关性（或者空间自相关性）。按照Anselin（1988）的研究^[22]，SLM可以表达为：

(3)

式中：Y为因变量；X为n × k的外生解释变量矩阵；ρ为空间回归系数；β为解释变量的待估参数；ε为随机误差向量，并且ε ~ N（0，σ²I）；WY为空间滞后因变量，W表示分析单元连接结构行标准化的空间权重矩阵，我们基于乡镇街道的地理邻近性提取W：如果i和j共用一条边，则W_ij =1，反之，则为0，由于自变量有多个，所以X，Y及其他参数均为矩阵。在模型中，为了减少异方差和多重共线性，除了空气污染水平和城市规模这些虚拟变量之外，其他变量都进行了标准化处理。SEM可以表达为：

(4)

式中：ε为误差项向量，λ为n × 1的截面因变量向量的空间误差系数；μ为正态分布的随机误差向量。研究中所涉及的变量及其定义如表 1所示。依据国家环保部发布的《环境空气质量标准》，PM_2.5年平均浓度不得超过35μg/m³，将河北省各个乡镇街道分成年均PM_2.5小于35μg/m³、35~70μg/ m³、70μg/m³及以上三种类型。参考2014年《国务院关于调整城市规模划分标准的通知》和2011年《中国城市统计年鉴》，将河北省11个地级市按照2010年市辖区年末总人口分成三个等级，分别为小城市、中等城市和大城市。小城市有衡水市，大城市有保定市、邯郸市、石家庄市和唐山市，剩余的6个城市为中等城市。

为了直观地反映河北省不同社会群体，尤其是弱势群体受到的空气污染暴露量，本文基于乡镇街道层面首先分析2010年河北省空气污染（PM_2.5）年均值、死亡人数以及弱势群体的空间分布。2010年河北省各个乡镇街道PM_2.5年均值为62.5μg/m³，2282个乡镇街道中只有425个乡镇街道达到国家二级标准（PM_2.5年平均浓度低于35μg/m³），有1120个乡镇街道的PM_2.5浓度超过70μg/m³。河北省PM_2.5年均值较大的乡镇街道主要集中在河北省东南部，尤其是围绕在天津周边的乡镇街道，其空气污染较为严重，许多乡镇街道PM_2.5年均值范围在77.75μg/m³—106.64μg/m³之间（图 1a）。河北省死亡人口的空间分布差异较大，死亡人口占比在0.072%—0.220%之间的乡镇街道主要集中在河北省的东南部（图 1b）。与图 1a对比可得，河北省各乡镇街道PM_2.5年均值与死亡人口构成比的高值区的空间分布大体类似，基本为东南高，西北低。已有研究表明，随着PM_2.5浓度的升高，呼吸系统疾病死亡、心血管疾病死亡和非意外死亡人数会显著增加^{[7, 10]}。本研究中空气污染与死亡人口构成比的空间分布也表明，空气污染会对人们的健康产生影响，空气污染严重的地方其死亡人数较多。

图 1(Fig. 1)

图 1 2010年河北省各乡镇街道PM2.5浓度年均值和死亡人口构成比的空间分布 Fig.1 The Annual Mean PM2.5 Concentration and the Proportion of the Dead Population of Townships in Hebei Province in 2010

接着，我们对弱势群体进行空间分析，发现在河北省的东南部婴儿和老年人构成比例较大，范围分别在0.067%—0.239%和0.063%—0.263%之间（图 2a，b）。结合图 1a所示，这些乡镇街道的PM_2.5年均值较高，并且相对于婴儿而言，老年人比例较高的乡镇街道与空气污染较严重的乡镇街道的空间分布更为趋同，表明老年人更多的居住在空气质量较差的地区。失业者构成比例较高的乡镇街道分布较为分散（图 2c），无明显集聚特征，较难看出大多数失业者是否暴露在空气污染比较严重的地区。省外农村流动人口构成比例较大的乡镇街道空间分布也较为分散（图 2d），大多数集中在河北省各个城市的市区以及北京和天津周边地区，这些区域的地区生产总值较高，工业化和城镇化水平也较高，吸引了大量省外农村流动人口。

图 2(Fig. 2)

图 2 2010年河北省各乡镇街道弱势群体构成比的空间分布 Fig.2 Spatial Distribution of the Proportion of Vulnerable Group of Townships in Hebei Province in 2010

参考2008年《城乡划分标准》，将河北省所有乡镇街道分为城市地区和农村地区两种类型，其中以街道结尾命名以及各个区县政府所在地的镇归为城市地区（共287个），其余划分为农村地区（共1995个）。同时，对PM_2.5年均值划分为三个区间，即 < 35μg/m³、35—70μg/m³和≥70μg/m³，分别计算死亡人数和不同弱势群体在城市与农村地区不同空气污染水平下的构成比。如图 3所示，不管是在城市地区还是农村地区，随着空气污染水平的上升，死亡人口占比不断增加。然而，在不同空气污染水平下，城市地区的死亡人口占比远远小于农村地区。由此可见，随着污染水平的升高，城市地区与农村地区死亡人口构成比的增幅不尽相同，城乡之间空气污染水平和死亡人口占比差异较大，即死亡人数受空气污染影响之外，还受到地区之间不同社会经济因素的影响，这将在后面的模型中进行验证。

图 3(Fig. 3)

图 3 死亡人口在不同空气污染水平下的构成比 Fig.3 The Proportion of Deaths of Townships under Different Air Pollution Levels

接着对弱势群体进行分析，发现不管在城市地区还是农村地区，随着空气污染水平上升，婴儿、老年人、失业者和省外农村流动人口的构成比不断增大（图 4），说明大多数弱势群体暴露在空气污染比较严重的乡镇街道；然而，不同弱势群体在城市和农村地区的构成比又有所差异。例如，在城市地区PM_2.5年均值≥70μg/m³的街道，省外农村流动人口占比最大，婴儿占比最小，分别为28.89%、8.14%（图 4a）；而在农村地区，PM_2.5年均值≥70μg/m³的乡镇，婴儿构成比最大，失业者构成比最小，分别为52.17%、33.76%（图 4b）。从整个省份看，在PM_2.5年均值≥ 70μg/m³的乡镇街道，省外农村流动人口构成比最大，失业者构成比最小。由于这四个弱势群体的人口基数不同，从人口绝对数看，在PM_2.5年均值≥70μg/m³的乡镇街道，老年人口数为573671，失业者人数为112506，而省外农村流动人口和婴儿数分别为56364和54956，表明老年人和失业者更多地暴露在空气污染较为严重的地区，老年人由于身体机能下降，疾病治愈能力降低，受空气污染的影响更大，其健康水平可能更低。

图 4(Fig. 4)

图 4 弱势群体在不同空气污染水平下的构成比 Fig.4 The Proportion of Vulnerable Group of Townships under Different Air Pollution Levels

为了更好地对比分析不同地区影响死亡人数的关键因素，本文分别对城市和农村两种地域类型的死亡人数、空气污染及社会经济属性等变量进行统计建模。首先，检测城市地区各单元死亡人口构成比在地理空间上的相关性，即空间相互依赖性，其Moran's I指数为0.233，p值小于0.001，存在显著的空间相关性。这种情况下，用一般线性回归模型（OLS）研究每个单元死亡人口构成比与其他变量的关系，并用各个乡镇街道质心坐标的多项式获取死亡人口构成比的空间平滑度，对模型残差进行空间自相关性检验，结果显示模型的残差Moran's I值为0.107，p值小于0.001，不满足独立同分布的假设。因此，用空间回归模型进行统计建模。表 2显示城市地区死亡人口构成比与空气污染及其他社会经济变量的OLS、SLM和SEM的模型估计结果。

表 2(Tab. 2

表 2 2010年河北省城市地区死亡人口构成比的模型估计结果 Tab.2 Model Estimation Results of the Proportion of Deaths in Urban Region of Hebei Province in 2010

表 2 2010年河北省城市地区死亡人口构成比的模型估计结果 Tab.2 Model Estimation Results of the Proportion of Deaths in Urban Region of Hebei Province in 2010

如表 2所示，在城市地区空气污染系数为正，表明随着乡镇街道空气污染水平的上升，其死亡人数也呈上升趋势，但是统计上并不显著。婴儿和老年人的系数显著为正，表明婴儿和老年人聚集的街道其死亡人数较多。结合图 2可知，老年人口占比较大的乡镇街道，死亡人数显著增加，除受到人口年龄结构影响之外，也受所在乡镇街道空气质量的影响。而婴儿的身体处于发育之中，免疫系统脆弱，容易受空气污染的影响。已有研究表明，空气中的PM_2.5与婴儿的呼吸道疾病相关性较强^[23]，因此，婴儿构成比例较高的街道其死亡人数也显著增加。在城市地区，对于使用固体炊事燃料的家庭，其变量系数为正（表 2），表明住房条件会对居民健康状况产生影响，即住房设施较差、经济发展水平较低的地区其死亡人口显著上升。相反，大学专科及以上人口构成比和住房为商品房户数构成比与死亡人口呈显著负相关，表明受教育程度越高、住房条件越好的地区，其经济发展水平一般较高，基础设施更加完善，所在乡镇街道的死亡人数占比相对较低，居民健康水平较高。已有研究也表明在城市地区不同类型的邻里环境对于居民健康的影响存在显著差异^{[15, 24]}。此外，由于流动人口集中于青壮年这一年龄段，因此不管是省内亦或省外农村流动人口的构成比例，其与死亡人口构成比都呈显著的负相关。

根据Rook原则设定权重矩阵，接着对农村地区各单元死亡构成比在地理空间上的相关性进行检验，Moran's I指数为0.375，p值小于0.001，表明存在显著的空间自相关关系。接着，用OLS研究每个乡镇死亡构成比与其他变量的关系，并对模型残差进行空间自相关检验，结果表明OLS模型残差的Moran's I值为0.052，p值小于0.001，不满足独立同分布的假设。比较OLS、SLM和SEM模型的AIC、SC和Log Likelihood值，结果显示SLM、SEM模型拟合度更优（表 3）。在农村地区，我们主要依据空间滞后模型进行解释说明。

表 3(Tab. 3

表 3 2010年河北省农村地区死亡人口构成比的模型估计结果 Tab.3 Model Estimation Results of the Proportion of Deaths in Rural Region of Hebei Province in 2010

表 3 2010年河北省农村地区死亡人口构成比的模型估计结果 Tab.3 Model Estimation Results of the Proportion of Deaths in Rural Region of Hebei Province in 2010

如表 3所示，在农村地区，空气污染与死亡人数呈显著正相关，表明随着空气污染水平的上升，乡镇地区的死亡人数显著增加。与城市地区的结果类似，婴儿和老年人口比例较大的乡镇其死亡人数也显著上升；变量为大学专科及以上人口构成比和住房为商品房户数构成比与死亡人口构成比呈显著负相关。在农村地区，对于使用固体炊事燃料的家庭其变量系数显著为正，表明家庭使用炊事燃料的类型会对居民健康状况产生显著影响，而在城市地区，该变量则不显著。此外，在城市地区，住房无洗澡设施户数构成比与死亡人口构成比在1%水平上显著为正，而在农村地区该变量并不显著，表明住房条件对于居民健康产生的影响在不同地区存在差异。省内农村流动人口构成比的系数显著为负，而省外农村流动人口的系数并不显著，表明在农村地区省内农村流动人口与省外农村流动人口的健康水平存在差异。

中国是世界上最大的发展中国家，目前正处于快速城市化和工业化进程，同时也产生了严重的环境污染，如空气污染、噪音污染等^[25]。研究这些环境负担如何在不同的社会人群中分布以及居民健康水平的空间差异，具有重要的学术意义和应用价值^[26]。本研究采用GIS空间分析和空间回归模型等方法在乡镇街道层面上探讨空气污染和死亡人口的空间分布，并且区分城市与农村地区对婴儿、老年人、失业者等弱势群体与空气污染、死亡人数之间的关系分别进行统计建模，主要结论如下：

（1）河北省2010年空气污染的社会分布存在较大差异，大多数老年人和失业者的年均PM_2.5暴露量相对较高，在一定程度上存在环境不公正现象。

（2）河北省2010年城市和农村地区基于乡镇街道层面死亡人口的空间分布及影响因素存在异同。其中，家庭设施对于城乡死亡人数的影响存在显著差异；而婴儿、老年人这些弱势群体构成比例较高的乡镇街道，其死亡人口占比相对较大；相反，大学专科及以上学历人口和商品房户数构成比例较大的乡镇街道，其死亡人数显著较低。

（3）环境污染与健康不平等之间存在正相关，空气污染越高、弱势群体构成比例越大的乡镇街道，死亡人口占比越大。此外，受空气污染和个人社会属性影响之外，健康水平或死亡人数还受到不同地区社会经济因素的影响，如住房条件、炊事燃料使用类型等。

（4）空气污染与死亡人数的关系在城市地区和农村地区存在显著差异，农村地区空气污染水平整体低于城市地区，但其死亡人口占比却显著高于城市地区，除受空气污染影响之外，还受到城乡经济发展水平以及人们生活方式等因素的影响。

本文对河北省乡镇街道层面2010年的年均PM_2.5、死亡人数以及年龄、受教育程度、户籍等社会经济属性进行空间分析与统计建模，研究结论与国内外已有的相关研究较为一致。由于数据的限制，本文尚未研究中国弱势群体空气污染暴露水平和健康水平的动态演变趋势，在未来的研究中，需要获取面板数据探讨环境不平等现象产生的原因和动力机制，以及环境不公正和健康不平等的演化趋势及内在关系。此外，还要综合考虑邻里环境、个人生活习惯等因素对于居民、尤其是弱势群体健康水平的影响，为建立更为公平、有效的环境健康政策提供科学依据。