不同類型城市的PM_2.5健康風(fēng)險(xiǎn)及影響因素差異

刁貝娣 丁鐳 成金華

摘要當(dāng)前，空氣污染的現(xiàn)狀與公民對干凈、健康環(huán)境的訴求之間關(guān)系緊張，迫使城市在發(fā)展的過程中必須解決空氣污染和相關(guān)的健康問題?；?008—2018年中國338個(gè)城市PM濃度和人口密度的遙感數(shù)據(jù)，采取暴露-響應(yīng)函數(shù)來估算因?yàn)殚L期暴露在PM污染下產(chǎn)生的早逝及相關(guān)疾病發(fā)病率。進(jìn)而利用KMeans聚類分析方法將城市分為四類，并針對不同類型城市分別建立計(jì)量模型進(jìn)行健康風(fēng)險(xiǎn)影響因素的分析。結(jié)果表明：雖然PM污染及相關(guān)的健康風(fēng)險(xiǎn)都經(jīng)歷了惡化、緩解到改善的過程，但全國范圍內(nèi)由污染導(dǎo)致的各類健康問題依舊嚴(yán)峻，早逝、呼吸系統(tǒng)疾病和心腦血管疾病等發(fā)病人次高達(dá)到數(shù)十萬。通過K？Means聚類分析方法將全國338個(gè)城市劃分為工業(yè)型城市、資源型城市、中心型城市和其他類型城市，四類城市的健康風(fēng)險(xiǎn)隨時(shí)間變化趨勢基本一致，2018年相比2013年表現(xiàn)出健康風(fēng)險(xiǎn)顯著下降的狀態(tài)。從影響因素來看，健康風(fēng)險(xiǎn)主要受城市化率、人口密度、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展等因素的影響；針對不同類型的城市，工業(yè)型城市健康風(fēng)險(xiǎn)的主導(dǎo)因素為城市化率、人口密度和產(chǎn)業(yè)結(jié)構(gòu)，資源型城市則為城市化率和人口密度，中心型為人口密度和產(chǎn)業(yè)結(jié)構(gòu)，其他類型為城市化率和人口密度。最后根據(jù)不同類型城市的城市特性及主導(dǎo)因素差異，分別針對城市發(fā)展模式、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、公共衛(wèi)生服務(wù)和評價(jià)標(biāo)準(zhǔn)深化等方面給出以下四條政策建議：多中心城市模式與城市落戶政策雙管齊下，降低人口密度；提高行業(yè)準(zhǔn)入標(biāo)準(zhǔn)，獎(jiǎng)罰并行優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)；發(fā)揮社區(qū)醫(yī)院功效，提高公共衛(wèi)生服務(wù)質(zhì)量；將健康成本納入環(huán)境及城鎮(zhèn)化質(zhì)量評估體系。

關(guān)鍵詞 PM污染；城市化率；健康風(fēng)險(xiǎn)；城市類型；差異研究

中圖分類號F205文獻(xiàn)標(biāo)識碼A文章編號1002-2104（2021）08-0090-11DOI：10. 12062/cpre. 20210422

基金項(xiàng)目：中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助“基于多時(shí)空尺度大氣污染跨界傳輸產(chǎn)生的影響及生態(tài)補(bǔ)償機(jī)制研究”（批準(zhǔn)號：2021QN1056）。

近年來，隨著中國城市化建設(shè)的不斷推進(jìn)，城市大氣污染特別是細(xì)顆粒物（PM）污染對居民公共健康造成了嚴(yán)重的威脅[1]?！笆奈濉卑l(fā)展階段，中國將面臨環(huán)境空氣質(zhì)量持續(xù)改善與公共健康水平不斷提升的攻堅(jiān)任務(wù)?！丁敖】抵袊?030”規(guī)劃綱要》提出在城市發(fā)展進(jìn)程中，必須要打好污染防治攻堅(jiān)戰(zhàn)，完善公共衛(wèi)生服務(wù)體系，提升公共健康狀況。在此背景下，探究PM健康風(fēng)險(xiǎn)的控制因素特別是城市化水平及其影響程度，并分析這種影響在不同類型城市的差異化表現(xiàn)對美麗中國和健康中國建設(shè)具有重要指導(dǎo)意義。

1文獻(xiàn)綜述

城市發(fā)展過程對城市環(huán)境和居民健康的影響路徑是復(fù)雜的。一方面在城市快速發(fā)展的過程中，工業(yè)化、人口聚集、交通擁堵、能源消耗等原因加劇了空氣在內(nèi)的環(huán)境污染[2]，高人口密度和高人口流動(dòng)使得暴露于污染環(huán)境下的人口數(shù)量急劇增多[3]，最終導(dǎo)致城市居民健康風(fēng)險(xiǎn)和生命財(cái)產(chǎn)損失。另一方面，部分學(xué)者們卻認(rèn)為，當(dāng)城市社會經(jīng)濟(jì)等發(fā)展到較高階段時(shí)，城市化對環(huán)境的影響將通過技術(shù)創(chuàng)新，結(jié)構(gòu)轉(zhuǎn)型等途徑緩解[4]，進(jìn)而降低公共健康風(fēng)險(xiǎn)。同時(shí)，相對于鄉(xiāng)村居民，城鎮(zhèn)居民可以獲得更為優(yōu)質(zhì)的醫(yī)療保健和公共衛(wèi)生服務(wù)，這也給城市居民健康帶來積極的保障[5]。除了城市化水平以外，不少學(xué)者[6]認(rèn)為其他宏觀經(jīng)濟(jì)指標(biāo)諸如人均收入、人口規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)以及能源強(qiáng)度等也是增加健康風(fēng)險(xiǎn)的主要驅(qū)動(dòng)力。還有部分學(xué)者[7]認(rèn)為病床供給等具體指標(biāo)更能直接表達(dá)對公共健康的影響。因此，要想全面地評估城市化水平等社會經(jīng)濟(jì)因素對公共健康的影響，需要建立以城市化水平為主要解釋變量的計(jì)量模型來進(jìn)行分析。

考慮到我國幅員遼闊，不同地區(qū)的城市在發(fā)展過程中，其經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)、人口密度等存在較大的差異，使用單一計(jì)量模型在全國層面進(jìn)行分析往往會造成較大的誤差。許多專家也關(guān)注到這一問題并試圖利用細(xì)化研究區(qū)域的方式解決，例如Zhang等[6]將全國分為東中西三個(gè)部分，期望分析不同地區(qū)的城市發(fā)展對健康風(fēng)險(xiǎn)影響的差異。Liu等[8]以居民收入水平為標(biāo)準(zhǔn)，將城市劃分為四個(gè)大類來分析處于不同經(jīng)濟(jì)水平的城市其發(fā)展對公共健康的影響。相對上述基于單一標(biāo)準(zhǔn)的粗略劃分，本研究選擇多指標(biāo)城市分類方式，重點(diǎn)關(guān)注城市發(fā)展對健康風(fēng)險(xiǎn)影響差異較大的城市類型。首先是資源型城市或礦業(yè)城市，這類城市嚴(yán)重依賴單一資源且在發(fā)展過程中當(dāng)?shù)鼐用褚淌墉h(huán)境破壞帶來的生態(tài)惡化、公共健康風(fēng)險(xiǎn)[9]。以安徽省淮南市為例，相對于城市的其他地區(qū)，工礦場地周邊的住宅會接觸到更多的多環(huán)芳烴和細(xì)顆粒污染，尤其是在冬季會造成較大的健康隱患[10]。還有工業(yè)型城市，工業(yè)城市雖然依賴工業(yè)化的提升經(jīng)濟(jì)不斷發(fā)展，但同時(shí)也因?yàn)椴糠制髽I(yè)的高污染高能耗造成嚴(yán)重的環(huán)境污染和公共健康問題[11]。以加拿大的漢密爾頓為研究對象，結(jié)果表明在以工業(yè)為主導(dǎo)產(chǎn)業(yè)的城市在其社會經(jīng)濟(jì)特征較低的地區(qū)，空氣污染暴露比例和死亡率均高于周邊地區(qū)[12]。考慮到快速城市化進(jìn)程中對健康影響最大的除了大氣污染還有人口的集聚，故而將大都市型城市作為城市分類的其中一個(gè)類別是必要的。以西安為例，通過對比發(fā)現(xiàn)西安是我國西北地區(qū)最大的城市，同時(shí)嚴(yán)重的大氣污染和密集的城市人口使得其PM相關(guān)死亡人數(shù)遠(yuǎn)高于周邊城市[13]。

基于此，選擇2008—2018年我國338個(gè)城市PM濃度和人口密度的遙感數(shù)據(jù)，結(jié)合綜合暴露-響應(yīng)函數(shù)來估算因?yàn)楸┞对赑M污染環(huán)境下導(dǎo)致的早逝及相關(guān)疾病發(fā)病率，并分析健康風(fēng)險(xiǎn)隨時(shí)間的變化及在空間上的分布差異。同時(shí)，利用K？Means聚類分析方法將城市細(xì)化分類，并對不同類型城市分別建立以城市化水平為主要影響因子的計(jì)量模型進(jìn)行擬合分析，以期為大氣環(huán)境治理和城市公共健康改善的政策制定提供依據(jù)。相對已有研究，文章基于多指標(biāo)多類型城市分類方式，不僅在一定程度上降低模型擬合誤差，使得健康風(fēng)險(xiǎn)影響因素和影響程度的研究更具有可信性，而且在政策啟示中給出的建議更具有針對性，保證分區(qū)管控的合理性和可實(shí)施性。

2數(shù)據(jù)來源及研究方法

2. 1數(shù)據(jù)來源

2013年我國發(fā)布了《大氣污染防治行動(dòng)計(jì)劃》，為了評估對比這一政策的實(shí)效性，分析政策實(shí)施前后的空氣質(zhì)量和健康風(fēng)險(xiǎn)差異，選擇前后五年即2008—2018年的數(shù)據(jù)進(jìn)行長時(shí)間樣本的比較分析。文章的數(shù)據(jù)主要涉及四個(gè)方面的內(nèi)容：PM污染數(shù)據(jù)，人口密度數(shù)據(jù)，城市化率數(shù)據(jù)，人均GDP等相關(guān)經(jīng)濟(jì)數(shù)據(jù)。

為了減少使用地面監(jiān)測點(diǎn)可能帶來的誤差和數(shù)據(jù)損失，并提高計(jì)算結(jié)果的準(zhǔn)確度，這里采用空間覆蓋范圍更廣更全面的衛(wèi)星遙感數(shù)據(jù)[14]。PM污染數(shù)據(jù)采用了達(dá)爾豪斯大學(xué)的大氣成分分析團(tuán)隊(duì)（Atmospheric Composition Analysis Group）提供的全球年度衛(wèi)星衍生PM產(chǎn)品。采用實(shí)時(shí)衛(wèi)星遙感數(shù)據(jù)來計(jì)算各城市的人口規(guī)模，能更準(zhǔn)確估計(jì)當(dāng)前暴露于PM污染中的實(shí)際人口總量[15]。具體的數(shù)據(jù)為得克薩斯農(nóng)工大學(xué)的地理信息科學(xué)與技術(shù)研究團(tuán)隊(duì)（Geographic Information Science and Technology）提供的Land Scan數(shù)據(jù)。對于城市化發(fā)展水平，現(xiàn)有研究主要有以下三種表達(dá)方式：常駐城市人口比例即人口城市化率[16]，多指標(biāo)計(jì)算的綜合評價(jià)指標(biāo)[17]以及夜間燈光數(shù)據(jù)[18]?？紤]到地級市水平數(shù)據(jù)的可獲取性（綜合評價(jià)指標(biāo)地級市數(shù)據(jù)缺失較多）及數(shù)據(jù)的連貫性（夜間燈光數(shù)據(jù)缺乏連貫性），選擇了人口城市化率來表示城市發(fā)展水平。

城市類型劃分所需指標(biāo)以及模型構(gòu)建分析中所需的人均GDP、城市化率、產(chǎn)業(yè)結(jié)構(gòu)及醫(yī)院床位數(shù)等社會經(jīng)濟(jì)相關(guān)數(shù)據(jù)均來自2009—2019年的《中國城市統(tǒng)計(jì)年鑒》及各省的統(tǒng)計(jì)年鑒，具體的變量見表1。

2. 2研究方法

2. 2. 1K？Means聚類分析方法

K？Means聚類分析方法也稱快速聚類方法，是一種將聚類單元抽象為m維空間上的點(diǎn)，以聚類單元之間的距離權(quán)衡單元之間的相似程度的方法[19]。具體的步驟為：①確定聚類類型（K）。②確定K個(gè)初始類中心點(diǎn)。③基于距離最短原則進(jìn)行聚類。④再次確定K類中心點(diǎn)。⑤判斷是否已經(jīng)滿足終止聚類分析的條件，如若滿足則停止聚類[20]。

前文關(guān)于城市類型的描述，將城市劃分為資源型城市、工業(yè)型城市以及大都市型城市。其中，工業(yè)型城市的分類指標(biāo)為工業(yè)增加值占總經(jīng)濟(jì)增加值的百分比，資源型城市的判斷依據(jù)是采礦業(yè)從業(yè)人員占總從業(yè)人員的比例，而大都市型城市特征較為復(fù)雜缺乏確切的分類依據(jù)。相對于大都市型城市，國家發(fā)改委發(fā)布的《2020年新型城鎮(zhèn)化建設(shè)和城鄉(xiāng)融合發(fā)展重點(diǎn)任務(wù)》提出的中心型城市（直轄市、省會城市、計(jì)劃單列市、重要節(jié)點(diǎn)等城市）較為貼合大都市型城市的概念且分類依據(jù)明確，中心型城市的指標(biāo)為市轄區(qū)人口數(shù)量及城市年生產(chǎn)總值。此外，部分城市是不能確定主導(dǎo)產(chǎn)業(yè)或城市職能不穩(wěn)定的，這里將其統(tǒng)一歸類為其他類型城市。將338個(gè)城市的分類指標(biāo)分別導(dǎo)入SPSS中，選定聚類類型為2，重復(fù)利用K？Means聚類方法，依次劃分出資源型城市、工業(yè)型城市、中心型城市，最后剩余的城市統(tǒng)歸于其他類型城市。

2. 2. 2暴露響應(yīng)函數(shù)

HI代表由PM濃度變化帶來的健康終端的變化；EP為暴露人群；BIR為參考基準(zhǔn)濃度下PM導(dǎo)致的死亡率或發(fā)病率；所以[（RR？1）/RR]為人口暴露在參考污染濃度下的發(fā)病率或死亡率，c為實(shí)際PM濃度，c0為參考基本PM濃度；α、β、δ在IER中，為暴露-響應(yīng)關(guān)系中確定了公式的整體意義，γ在LL中為暴露-響應(yīng)系數(shù)。

暴露-響應(yīng)函數(shù)分析來自流行病學(xué)揭露長期暴露于污染的空氣中對人體健康影響的一系列研究。國外的相關(guān)研究更多針對歐美發(fā)達(dá)國家低PM濃度背景[24]，其研究得到的暴露-響應(yīng)系數(shù)并不適用于我國當(dāng)前的實(shí)際情況。參考近年來針對我國的流行病學(xué)研究成果，Maji等[22]、黃德生等[25]、王桂芝等[26]的研究，選取的具體相關(guān)系數(shù)見表2。

2. 2. 3STIRPAT模型構(gòu)建

其中：i表示地區(qū)，t表示時(shí)間，μit為誤差項(xiàng)；HR表示因PM污染而導(dǎo)致的死亡人數(shù)和發(fā)病人數(shù)總和即PM污染導(dǎo)致的健康風(fēng)險(xiǎn)總和；UR是城市化率（用常住人口的城鎮(zhèn)人口占比來表示）；SGDP代表人均GDP；POP表示人口密度；IP代表產(chǎn)業(yè)結(jié)構(gòu)（以第二產(chǎn)業(yè)產(chǎn)值占GDP的百分比表示）；HB代表醫(yī)療水平（用各城市醫(yī)院床位數(shù)來表示）。

3結(jié)果與討論

3. 1城市類型劃分結(jié)果及空間分布特征

通過K？Means聚類分析方法，根據(jù)城市主導(dǎo)行業(yè)、經(jīng)濟(jì)水平、人口總量等評判標(biāo)準(zhǔn)將全國338個(gè)地級及以上城市劃分為工業(yè)型城市、資源型城市、中心型城市及其他類型城市。分類結(jié)果見表3。

由表3可以看出，其他類型城市數(shù)量最多（151個(gè)），工業(yè)型城市數(shù)量次之（107個(gè)），再次是中心型城市（48個(gè)），資源型城市最少（32個(gè)）。其中，工業(yè)型城市分布較為分散，幾乎所有的省份都有一定數(shù)額的工業(yè)城市，這與產(chǎn)業(yè)的區(qū)位分布規(guī)劃密切相關(guān)。資源型城市主要分布在河北、山西、山東、河南等有著豐富資源優(yōu)勢的地區(qū)。受“資源詛咒”的影響，資源型城市發(fā)展會帶來諸如生態(tài)環(huán)境加速惡化、經(jīng)濟(jì)動(dòng)力持續(xù)衰退等問題[9]。對于中心型城市，除了各省省會外，主要分布在山東、江蘇、浙江、福建、廣東等東南沿海發(fā)達(dá)地區(qū)。相對工業(yè)型城市，中心城市不僅經(jīng)濟(jì)發(fā)展迅速，經(jīng)濟(jì)發(fā)展模式、產(chǎn)業(yè)結(jié)構(gòu)等更為合理有序，較好地突破了以環(huán)境為代價(jià)的發(fā)展模式，做到了提高綠色發(fā)展效率，提升資源利用效率，減輕污染排放[28]。但是，中心型城市由于居住人口更為密集，一旦出現(xiàn)突發(fā)性或持續(xù)性環(huán)境惡化問題則會導(dǎo)致更為嚴(yán)峻的居民健康受損。由此，對不同類型城市的發(fā)展模式、產(chǎn)業(yè)結(jié)構(gòu)、發(fā)展水平等分析，有助于后續(xù)探究不同類型城市對大氣環(huán)境及公共健康帶來的不同影響。

3. 2PM污染及相關(guān)健康風(fēng)險(xiǎn)影響評估

3. 2. 1PM的濃度變化情況

2008—2018年間我國總體上經(jīng)歷了從霧霾污染大爆發(fā)到藍(lán)天保衛(wèi)戰(zhàn)嚴(yán)格實(shí)施的轉(zhuǎn)變。為全面了解近十年來我國PM濃度的變化過程以及污染防治政策實(shí)施后污染的改善情況，選擇以2008—2018年全國338個(gè)城市的PM濃度繪制箱狀曲線圖（圖1）。

由圖1可以看出，PM濃度在2008—2018年的十年間，整體呈現(xiàn)出先增加然后趨于穩(wěn)定再逐年降低的趨勢。詳細(xì)來看，2008—2011年，由于經(jīng)濟(jì)的發(fā)展和工業(yè)化的推進(jìn)，全國PM濃度整體呈現(xiàn)逐漸上升的趨勢，特別是高值區(qū)的城市，濃度上升幅度較大。2012年和2013年保持了高濃度污染的狀態(tài)并出現(xiàn)了高異常值，與2013年初我國中東部地區(qū)爆發(fā)大規(guī)模霧霾事件相對應(yīng)，隨后城市大氣污染問題成為社會各界高度關(guān)注的公眾議題[29]。2013年之后，政府實(shí)施了更嚴(yán)格的減排政策《大氣污染防治行動(dòng)計(jì)劃》，提出了改善空氣質(zhì)量的目標(biāo)（特別是降低大氣中的PM濃度）。政策實(shí)施后全國范圍內(nèi)的PM濃度開始出現(xiàn)逐年下降的趨勢，特別是上四分之一位的高值區(qū)濃度值，從60～110μg/ m3下降到40～70μg/ m3，整體大氣環(huán)境質(zhì)量得到了較為有效的改善。

3. 2. 2健康風(fēng)險(xiǎn)隨時(shí)間變化特征

減排政策實(shí)施一定程度上降低了PM等污染物的質(zhì)量濃度，但由于濃度響應(yīng)函數(shù)在高濃度范圍內(nèi)，死亡率及發(fā)病率對PM的超線性響應(yīng)，以及人口的集聚、流動(dòng)等原因使得減排帶來的健康效益相對有限[1]，也即在大氣環(huán)境不斷改善的大背景下，公共健康風(fēng)險(xiǎn)及相關(guān)的經(jīng)濟(jì)損失問題依舊嚴(yán)峻。因此進(jìn)一步估算健康風(fēng)險(xiǎn)及評估污染改善過程中帶來的健康效益十分必要。以2018年為時(shí)間截面，計(jì)算出338個(gè)城市由PM污染而導(dǎo)致的包括早逝、住院及患病等健康終端的變化，結(jié)果顯示，慢性支氣管炎和哮喘患者最多分別為87. 471萬人和86. 466萬人，其次為過早死亡、呼吸系統(tǒng)疾病和心血管疾病分別為59. 289萬人、53. 035萬人和31. 336萬人，急性支氣管炎患病人次最少為9. 055萬人。為了了解由PM污染導(dǎo)致健康風(fēng)險(xiǎn)隨時(shí)間變化的過程，這里計(jì)算出2008—2018年間城市的健康終端變化總?cè)舜危ㄋ薪】到K端變化人次之和），繪制箱型散點(diǎn)圖（圖2）。

由圖2發(fā)現(xiàn)健康風(fēng)險(xiǎn)隨時(shí)間的變化與PM濃度變化具有一定的相似性，可以分為三個(gè)階段：2008—2012年，由于污染狀況的不斷加劇，健康風(fēng)險(xiǎn)是逐年上升的；經(jīng)過2013年大規(guī)模爆發(fā)的霧霾污染后，政府出臺了《大氣污染防治行動(dòng)計(jì)劃》，實(shí)施嚴(yán)格的污染防控措施，空氣質(zhì)量停止惡化；最終在2015—2018年的四年間保持逐年下降的趨勢。細(xì)分來看，由散點(diǎn)圖可以看出，較多的城市分布在低值區(qū)，健康風(fēng)險(xiǎn)越高則相同區(qū)間范圍內(nèi)包含的城市數(shù)量越少，散點(diǎn)呈現(xiàn)出尖塔狀的分布特征。由箱型圖可以看出，上邊緣與上四分位間包含的高值區(qū)位距最大，表明高值區(qū)的城市間健康風(fēng)險(xiǎn)差異較大，而下邊緣與下四分位間的位距最小，說明低值區(qū)的城市間健康風(fēng)險(xiǎn)較為相近。高值區(qū)城市數(shù)量雖少，健康風(fēng)險(xiǎn)波動(dòng)較大，體現(xiàn)了高值區(qū)的健康風(fēng)險(xiǎn)對環(huán)境治理政策的敏感性。相反的，低值區(qū)包含的城市數(shù)量最多，但變化較小，對政策等的反應(yīng)相對遲緩。對比來看，高值區(qū)城市的健康風(fēng)險(xiǎn)變化更易受到空氣質(zhì)量、人口密度等變化的影響，對環(huán)境政策的變化更為敏感，且健康風(fēng)險(xiǎn)排前列的城市占據(jù)了大比例的死亡率和發(fā)病率，是最需要關(guān)注及采取必要措施的地區(qū)。

3. 2. 3不同類型城市的總健康風(fēng)險(xiǎn)對比

為分析不同類型城市間健康風(fēng)險(xiǎn)的差異狀況，選擇以2008年（起始年）、2013年（轉(zhuǎn)折年）以及2018年（結(jié)尾年）為時(shí)間截面繪制箱型散點(diǎn)圖（圖3）。

從不同類型城市的健康風(fēng)險(xiǎn)來看，中心型城市最大，其次是工業(yè)型城市和資源型城市，其他類型城市最小。工業(yè)型、資源型與其他類型城市的城市間差異較大，較多城市的健康風(fēng)險(xiǎn)處于低值區(qū)，健康風(fēng)險(xiǎn)越高，相同區(qū)間內(nèi)包含的城市越少。中心型城市分布相對均勻，較多城市分布在上下兩個(gè)四分位之間，低值區(qū)和高值區(qū)包含的城市數(shù)量相對較少。從變化趨勢來看，相對于2008年，2013年總體呈上升趨勢，其中工業(yè)型和中心型兩類城市的健康風(fēng)險(xiǎn)都有明顯地上升，資源型城市出現(xiàn)小幅度的上升，其他類型城市變化不明顯；對比2013年和2018年，四類城市表現(xiàn)出一致的下降趨勢，且各類型城市高值區(qū)城市的健康風(fēng)險(xiǎn)下降最為明顯。表明經(jīng)過近年來的環(huán)境監(jiān)控與治理政策的實(shí)施，污染改善過程中帶來健康效益在各類城市中均有所體現(xiàn)。

3. 3PM相關(guān)健康風(fēng)險(xiǎn)的影響因素分析

3. 3. 1計(jì)量面板模型回歸檢驗(yàn)

考慮到面板數(shù)據(jù)的連貫性要求，在進(jìn)行影響因素回歸檢驗(yàn)時(shí)對部分?jǐn)?shù)據(jù)缺失的城市進(jìn)行剔除，最后篩選出288個(gè)數(shù)據(jù)完整的城市進(jìn)行分析。模型擬合前，為保證擬合結(jié)果的有效性和準(zhǔn)確性需要對數(shù)據(jù)進(jìn)行一系列的檢驗(yàn)，包括平穩(wěn)性檢驗(yàn)、協(xié)整檢驗(yàn)以及霍斯曼檢驗(yàn)[30]。

平穩(wěn)性檢驗(yàn)結(jié)果表明，Levin？Lin？Chu檢驗(yàn)顯示除健康風(fēng)險(xiǎn)外所有的變量都在水平上平穩(wěn)，且在1%水平上顯著，健康風(fēng)險(xiǎn)在一階差分后顯示平穩(wěn)。Im？Pesaran？Shin和Fisher？type檢驗(yàn)結(jié)果顯示有些變量存在單位根，選擇將所有變量進(jìn)行一階差分，再一次進(jìn)行單位檢驗(yàn)，此時(shí)所有變量都平穩(wěn)了，且在1%水平上顯著。為進(jìn)一步檢驗(yàn)PM相關(guān)健康風(fēng)險(xiǎn)與各解釋變量之間是否存在穩(wěn)定的長期關(guān)系，使用Kao test、Pedroni test、Westerlund test三種檢驗(yàn)方式對所有變量進(jìn)行協(xié)整檢驗(yàn)。其中，Kao test和Pedroni test檢驗(yàn)結(jié)果顯示，每一個(gè)解釋變量與健康終端變化之間在1%的顯著水平上都存在協(xié)整關(guān)系。Westerlund test檢驗(yàn)結(jié)果表明僅人口密度在10%的顯著水平上與健康終端變化之間存在協(xié)整關(guān)系，其他變量均在1%的顯著水平上存在協(xié)整關(guān)系?；羲孤鼨z驗(yàn)選擇固定效應(yīng)模型和非固定效應(yīng)模型進(jìn)行對比，根據(jù)結(jié)果（P=0. 000），三個(gè)模型均應(yīng)選擇固定效應(yīng)模型。

3. 3. 2計(jì)量面板模型估計(jì)結(jié)果

相對于特殊形式的普通最小二乘法（ordinary regres？ sion model，OLS），廣義最小二乘法（generalized regression model，GLS）的主要思想是為解釋變量加上一個(gè)權(quán)重，從而使得加上權(quán)重后的回歸方程方差是相同的[31]，進(jìn)而達(dá)到消除異方差的效果。GLS方法修正了線性模型隨機(jī)項(xiàng)的異方差和序列相關(guān)問題，因此我們可以得到估計(jì)量的無偏和一致估計(jì)，這里選擇GLS模型進(jìn)行擬合估算，估計(jì)結(jié)果見表4。

從模型的擬合結(jié)果可以看出，除了醫(yī)療水平外，其余變量均通過了顯著性檢驗(yàn)。首先，城市化率的擬合系數(shù)結(jié)合二次項(xiàng)及三次項(xiàng)公式可知，在具有現(xiàn)實(shí)意義的取值范圍內(nèi)，HU2和HU3模型均存在一個(gè)優(yōu)化拐點(diǎn)（HU3模型的惡化拐點(diǎn)無實(shí)際意義），即在拐點(diǎn)出現(xiàn)前，健康風(fēng)險(xiǎn)是隨著城市化率的上升而增加的，城市化率的提高是城市空氣質(zhì)量降低、健康風(fēng)險(xiǎn)增大的主要原因。在拐點(diǎn)之后，由于城市化對環(huán)境的影響將通過技術(shù)創(chuàng)新、結(jié)構(gòu)轉(zhuǎn)型等途徑來緩解，且城市醫(yī)療水平的發(fā)展為城市居民提供更好的公共衛(wèi)生服務(wù)，使得健康風(fēng)險(xiǎn)隨城市化率的提升而降低。其他變量的擬合系數(shù)表明，產(chǎn)業(yè)結(jié)構(gòu)和人口密度的提升也都會增加健康風(fēng)險(xiǎn)，且影響系數(shù)較大。其中人口密度的影響最為顯著，因?yàn)椴粌H高污染會帶來健康風(fēng)險(xiǎn)，高暴露同樣會帶來較高的死亡率和發(fā)病率。人均GDP的提升會小幅度降低居民的健康風(fēng)險(xiǎn)，表明城市居民具有更多的收入后，相對地可以得到更全面的防護(hù)和更優(yōu)質(zhì)的公共衛(wèi)生服務(wù)，這一負(fù)向作用緩解了部分因?yàn)槌鞘邪l(fā)展帶來的健康問題。

為了進(jìn)一步分析不同類型城市中健康風(fēng)險(xiǎn)影響因素的差異，選擇工業(yè)型城市，資源型城市，中心型城市以及其他類型城市的HU1、HU2、HU3三種模型分別進(jìn)行擬合，且通過霍斯曼檢驗(yàn)（P=0. 000）可知四類城市均應(yīng)該選擇固定效應(yīng)模型，擬合結(jié)果見表5。

從擬合系數(shù)來看，相同的解釋變量對不同類型城市的健康風(fēng)險(xiǎn)影響存在差異。首先是人口密度，四個(gè)類型的城市表現(xiàn)一定的一致性，均為明顯的正向影響。因?yàn)槌鞘腥丝诘脑鲩L和遷入意味著，即使空氣質(zhì)量沒有明顯變化，人口暴露在空氣污染中的數(shù)量也會增加[8]，證實(shí)了對于所有城市來說，高暴露都會帶來更多的健康終端變化。產(chǎn)業(yè)結(jié)構(gòu)對四個(gè)類型城市的健康風(fēng)險(xiǎn)也都是正向影響，但影響程度出現(xiàn)了差異，工業(yè)型和中心型城市受到的影響較大，資源型和其他類型城市稍小。人均GDP的提升對不同類型城市產(chǎn)生了不同的影響，對資源型城市的影響為正向的，但對其他三類城市的影響為負(fù)向的。也就是說，除了資源型城市外，其他三類城市中人均GDP的提升會因?yàn)樵黾臃雷o(hù)可能與提升公共衛(wèi)生服務(wù)質(zhì)量，進(jìn)而降低健康風(fēng)險(xiǎn)。對于資源型城市來說，人均GDP提升帶來的優(yōu)勢無法有效緩解城市與經(jīng)濟(jì)發(fā)展給環(huán)境和健康帶來的影響。醫(yī)療水平僅在中心型城市通過檢驗(yàn)，中心型城市的醫(yī)療水平改善可以有效降低城市居民的健康風(fēng)險(xiǎn)，說明由于經(jīng)濟(jì)的發(fā)達(dá)和較高的人口密度，中心型城市醫(yī)療水平的提升可以惠及更多城市居民，同時(shí)也提供更優(yōu)質(zhì)的公共衛(wèi)生服務(wù)，這些都在一定程度上降低了當(dāng)?shù)鼐用竦慕】碉L(fēng)險(xiǎn)。

對比表4和表5可以看出城市化率的影響和城市間的差異更為復(fù)雜，城市化率對不同類型城市健康風(fēng)險(xiǎn)以及相同城市不同模型間均存在差異，為了更清晰明了的對比這些差異，選擇將健康風(fēng)險(xiǎn)與城市化率的擬合曲線以示意圖的形式表現(xiàn)，見圖4。

從擬合曲線和曲線拐點(diǎn)來看，各類城市HU2模型的擬合曲線形態(tài)基本相同，且均存在優(yōu)化拐點(diǎn)。對比來看，其他類型城市的優(yōu)化拐點(diǎn)出現(xiàn)最早，對應(yīng)城市化率為21%，其次是資源型城市對應(yīng)23%，工業(yè)型城市的城市化率稍大為30%，中心型城市最大為40%。相對于HU2模型只存在一個(gè)拐點(diǎn)，HU3模型存在兩個(gè)拐點(diǎn)，分別為優(yōu)化拐點(diǎn)和惡化拐點(diǎn)，其中優(yōu)化拐點(diǎn)均比HU2模型中延遲出現(xiàn)。對于惡化拐點(diǎn)，中心城市不存在此拐點(diǎn)，工業(yè)城市在城市化率為78%，資源城市為90%以及其他類型城市為95%時(shí)出現(xiàn)惡化拐點(diǎn)。對比上述擬合曲線拐點(diǎn)，其他類型城市中優(yōu)化拐點(diǎn)最早出現(xiàn)而惡化拐點(diǎn)最晚出現(xiàn)，工業(yè)與資源型城市優(yōu)化拐點(diǎn)出現(xiàn)較晚，同時(shí)惡化拐點(diǎn)又出現(xiàn)較早，中心型城市由于暴露人口的密度最大，優(yōu)化拐點(diǎn)出現(xiàn)的最晚。從擬合系數(shù)大小來看，資源型城市的城市化率提升對健康風(fēng)險(xiǎn)的影響最為顯著，其次為工業(yè)城市和其他類型城市，中心型城市的城市化率提升對健康風(fēng)險(xiǎn)的影響相對較小。

3. 4政策啟示

最后根據(jù)不同類型城市的城市發(fā)展特征及其主要影響因素差異，對于改善空氣質(zhì)量和緩解城市居民健康風(fēng)險(xiǎn)給出針對性的政策建議。

（1）多中心城市模式與城市落戶政策雙管齊下，降低市轄區(qū)人口密度。對于工業(yè)型、資源型和其他類型城市，城市化率和人口密度共同作為居民健康風(fēng)險(xiǎn)的主要影響因素，在城市化率達(dá)到一個(gè)中等水平后，城市化率對的健康風(fēng)險(xiǎn)產(chǎn)生負(fù)向影響，而人口密度的影響卻始終是正向的。兩者共同作用時(shí)就要求城市在提高城市化率的過程中控制人口密度，即要求城市化水平不斷提升時(shí)擴(kuò)充城市容量。對于這個(gè)問題，歐美國家的多中心式城市建設(shè)體系是一個(gè)較好的解決方式，讓城市如同細(xì)胞分裂一般沿交通線不斷分裂復(fù)制[32]。中心型城市僅有人口密度作為主導(dǎo)因素，降低人口密度成為首要選擇，因此提高戶籍落戶要求，控制周邊城市人口的涌入可以緩解中心型城市的公共健康壓力。

（2）提高行業(yè)準(zhǔn)入標(biāo)準(zhǔn)，獎(jiǎng)罰并行優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)。工業(yè)型城市雖然經(jīng)濟(jì)發(fā)展較為迅速，但同時(shí)也帶來了較多的環(huán)境與健康問題，對于此類城市，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)勢在必行。這就要求各城市在產(chǎn)業(yè)引入時(shí)，提高新建企業(yè)行業(yè)準(zhǔn)入門檻，利用倒逼機(jī)制，遏制新建項(xiàng)目對排污指標(biāo)的需求[33]。同時(shí)對已布局在城市內(nèi)的各類行業(yè)核查其減排政策落實(shí)情況，以獎(jiǎng)勵(lì)機(jī)制調(diào)動(dòng)企業(yè)治污的積極性，并考慮以經(jīng)濟(jì)懲罰、行政約談等手段進(jìn)行違規(guī)排放責(zé)任處理。中心型城市的經(jīng)濟(jì)發(fā)展模式、產(chǎn)業(yè)結(jié)構(gòu)等更為合理有序，但同時(shí)密集的人口也意味著一旦出現(xiàn)環(huán)境惡化則會導(dǎo)致更為嚴(yán)峻的公共健康問題。對于此類城市，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)指的是不斷剔除耗能大、污染排放多的產(chǎn)業(yè)，完成相關(guān)產(chǎn)業(yè)的轉(zhuǎn)移或升級，增加各行業(yè)的協(xié)同集聚效應(yīng)，提高綠色發(fā)展效率。

（3）發(fā)揮社區(qū)醫(yī)院功效，提高公共衛(wèi)生服務(wù)質(zhì)量。對于資源型城市和其他類型城市，由于城市產(chǎn)業(yè)過于單一或缺乏支柱型產(chǎn)業(yè)，在城市發(fā)展過程中會出現(xiàn)經(jīng)濟(jì)動(dòng)力持續(xù)衰退或經(jīng)濟(jì)發(fā)展較為緩慢，這兩類城市的居民不但不能享受經(jīng)濟(jì)發(fā)展帶來的資源與便利，還要忍受環(huán)境破壞或污染轉(zhuǎn)移帶來的生態(tài)惡化、公共健康風(fēng)險(xiǎn)等。對于這兩類城市，建立標(biāo)準(zhǔn)化、規(guī)范化的社區(qū)醫(yī)院，使當(dāng)?shù)鼐用裉貏e是生活在農(nóng)村和貧困地區(qū)的人更容易獲得醫(yī)療衛(wèi)生服務(wù)是公共健康管理的首要選擇。對于中心型城市，醫(yī)療水平需要不斷提高，同時(shí)，發(fā)揮社區(qū)衛(wèi)生站等便民機(jī)構(gòu)的公共健康宣傳與服務(wù)功效，增加社區(qū)居民的公共衛(wèi)生服務(wù)質(zhì)量和自我防護(hù)意識。

（4）將健康成本納入環(huán)境及城鎮(zhèn)化質(zhì)量評價(jià)體系?，F(xiàn)有的環(huán)境空氣質(zhì)量評價(jià)體系更多關(guān)注大氣污染物種類及濃度[34]，而新型城市化建設(shè)要求重視居民健康和城市化質(zhì)量。因此，在當(dāng)前城市化高質(zhì)量發(fā)展過程中，應(yīng)將健康成本納入城市環(huán)境質(zhì)量評價(jià)體系以及城鎮(zhèn)化質(zhì)量評價(jià)體系。從控制城市環(huán)境質(zhì)量轉(zhuǎn)化到改善健康的人居環(huán)境，建立健康影響評估制度，把健康作為城市人居環(huán)境建設(shè)的首要目標(biāo)，系統(tǒng)評估各項(xiàng)經(jīng)濟(jì)社會發(fā)展規(guī)劃和政策、重大工程項(xiàng)目對健康的影響。

4結(jié)論

目前，在快速工業(yè)化、城鎮(zhèn)化進(jìn)程中，空氣污染嚴(yán)重危害了居民的生命與健康，中國正處于空氣質(zhì)量控制與公共健康管理的關(guān)鍵階段。對中國這樣地理范圍廣闊的國家，從細(xì)化區(qū)域著手開展城市水平及環(huán)境影響的分類分析具有重要的意義。在此背景下，探究PM健康風(fēng)險(xiǎn)的控制因素特別是城市化水平的影響程度，以及這種影響在不同類型城市的差異化表現(xiàn)等對現(xiàn)階段的美麗中國、健康中國建設(shè)至關(guān)重要。研究結(jié)果表明：

（1）近十年來，PM污染及相關(guān)健康風(fēng)險(xiǎn)經(jīng)歷了惡化、緩解、改善三個(gè)階段。2008—2012年間，PM污染及健康風(fēng)險(xiǎn)都在逐漸惡化，在2013年爆發(fā)大規(guī)模霧霾污染后，政府發(fā)布了《大氣污染防治行動(dòng)計(jì)劃》，通過總量控制、污染治理等措施，使得惡化的趨勢得到緩解，并從2015年開始逐年改善。

（2）通過K？Means聚類分析方法將全國338個(gè)城市劃分為工業(yè)型城市、資源型城市、中心型城市和其他類型城市。對比來看中心型城市的健康風(fēng)險(xiǎn)最大，工業(yè)型城市與資源型城市次之，其他類型城市最小。四類城市的健康風(fēng)險(xiǎn)隨時(shí)間變化趨勢基本一致，2018年相比2013年表現(xiàn)出健康風(fēng)險(xiǎn)下降的趨勢，表明PM環(huán)境的改善同時(shí)也帶來了健康效益。

（3）通過構(gòu)建以城市化率為主導(dǎo)因素的三種計(jì)量模型，對健康風(fēng)險(xiǎn)的影響因素進(jìn)行分析得出，健康風(fēng)險(xiǎn)主要受城市化率、人口密度、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展等因素的影響。從不同城市類型來看，工業(yè)城市健康風(fēng)險(xiǎn)的主要影響因素為城市化率、人口密度和產(chǎn)業(yè)結(jié)構(gòu)，資源型城市的主導(dǎo)因素則為城市化率和人口密度，中心型為人口密度和產(chǎn)業(yè)結(jié)構(gòu)，最后其他類型為城市化率和人口密度。根據(jù)不同類型城市的城市發(fā)展特征及主要影響因素的差異，給出針對城市發(fā)展模式、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、公共衛(wèi)生服務(wù)和評價(jià)標(biāo)準(zhǔn)深化等方面的政策建議。

參考文獻(xiàn)

[1]薛濤，劉俊，張強(qiáng)，等.2013—2017年中國PM污染的快速改善及其健康效益[J].中國科學(xué)：地球科學(xué)，2020，50（4）：441-452.

[2]杜雯翠，馮科.城市化會惡化空氣質(zhì)量嗎：來自新興經(jīng)濟(jì)體國家的經(jīng)驗(yàn)證據(jù)[J].經(jīng)濟(jì)社會體制比較，2013（5）：91-99.

[3]LU X C，LIN C Q，LI W K，et al.Analysis of the adverse health ef？ fects of PM from 2001 to 2017 in China and the role of urbaniza？ tion in aggravating the health burden[J].The science of the total environment，2019，652：683-695.

[4]SADORSKY P.The effect of urbanization on CO2emissions in emerging economies[J].Energy economics，2014，41：147-153.

[5]MOORE M，GOULD P，KEARY B S.Global urbanization and im？ pact on health[J].International journal of hygiene and environ？ mental health，2003，206（4/5）：269-278.

[6]ZHANG Z Y，SHAO C F，GUAN Y，et al.Socioeconomic factors and regional differences of PM health risks in China[J].Journal of environmental management，2019，251：109564.

[7]LIU M M，LIU X Y，HUANG Y N，et al.Epidemic transition of en？ vironmental health risk during China’s urbanization[J].Science bulletin，2017，62（2）：92-98.

[8]LIU M M，HUANG Y N，JIN Z，et al.The nexus between urbaniza？ tion and PMrelated mortality in China[J].Environmental pollu？ tion，2017，227：15-23.

[9]余建輝，李佳洺，張文忠.中國資源型城市識別與綜合類型劃分[J].地理學(xué)報(bào)，2018，73（4）：677-687.

[10]ZHENG L G，OU J P，LIU M，et al.Seasonal and spatial varia？ tions of PM10？bounded PAHs in a coal mining city，China：distribu？ tions，sources，and health risks[J].Ecotoxicology and environ？ mental safety，2019，169：470-478.

[11]劉艷萍，王明仕，桂晨露，等.中國工業(yè)基地城市群PM時(shí)空分布特征及相關(guān)性分析[J].科學(xué)技術(shù)與工程，2018，18（15）：184-189.

[12]JERRETT M，BURNETT R T，BROOK J，et al. Do socioeconom？ ic characteristics modify the short term association between air pol？ lution and mortality：evidence from a zonal time series in Hamil？ ton，Canada[J]. Journal of epidemiology & community health，2004，58（1）：31-40.

[13]HUANG W，CAO J J，TAO Y B，et al.Seasonal variation of chem？ ical species associated with short？term mortality effects of PM in Xi’an，a central city in China[J].American journal of epidemiol？ ogy，2012，175（6）：556-566.

[14]ZHENG Y X，ZHANG Q，LIU Y，et al.Estimating ground？level PMconcentrations over three megalopolises in China using satel？ lite？derived aerosol optical depth measurements[J].Atmospheric environment，2016，124：232-242.

[15]DOBSON J E，BRIGHT E A，COLEMAN P R，et al. LandScan：a global population database for estimating populations at risk[J]. Photogrammetric engineering and remote sensing，2000，66（7）：849-857.

[16]楊維，姚程，蘇夢穎.城鎮(zhèn)化水平影響創(chuàng)新產(chǎn)出的地區(qū)差異性和空間依賴性：基于非空間面板與空間面板模型的實(shí)證分析[J].中國軟科學(xué)，2019（7）：91-101.

[17]丁鐳，劉超，黃亞林，等.湖北省城市環(huán)境空氣質(zhì)量時(shí)空演化格局及影響因素[J].經(jīng)濟(jì)地理，2016，36（3）：170-178.

[18]ZHAO M，CHENG W M，ZHOU C H，et al. Assessing spatiotem？ poral characteristics of urbanization dynamics in southeast Asia us？ ing time series of DMSP/OLS nighttime light data[J]. Remote sens？ ing，2018，10（1）：47.

[19]LIU G，YANG J，HAO Y，et al. Big data？informed energy efficien？ cy assessment of China industry sectors based on K？means cluster？ ing[J]. Journal of cleaner production，2018，183：304-314.

[20]WEGNER T，HUSSEIN T，H？MERI K，et al. Properties of aero？ sol signature size distributions in the urban environment as derived by cluster analysis[J]. Atmospheric environment，2012，61：350-360.

[21]APTE J S，BRAUER M，COHEN A J，et al.Ambient PMreduces global and regional life expectancy[J].Environmental science & technology letters，2018，5（9）：546-551.

[22]MAJI K J，YE W F，ARORA M，et al. PM？related health and economic loss assessment for 338 Chinese cities[J]. Environment international，2018，121：392-403.

[23]DIAO B D，DING L，ZHANG Q，et al. Impact of urbanization on PM？related health and economic loss in China 338 cities[J]. In？ ternational journal of environmental research and public health，2020，17（3）：990.

[24]DOCKERY D W，POPE C A，XU X，et al. An association be？ tween air pollution and mortality in six US cities[J]. New England journal of medicine，1993，329（24）：1753-1759.

[25]黃德生，張世秋.京津冀地區(qū)控制PM污染的健康效益評估[J].中國環(huán)境科學(xué)，2013，33（1）：166-174.

[26]王桂芝，武靈艷，陳紀(jì)波，等.北京市PM污染健康經(jīng)濟(jì)效應(yīng)的CGE分析[J].中國環(huán)境科學(xué)，2017，37（7）：2779-2785.

[27]袁華錫，劉耀彬，封亦代.金融集聚如何影響綠色發(fā)展效率：基于時(shí)空雙固定的SPDM與PTR模型的實(shí)證分析[J].中國管理科學(xué)，2019，27（11）：61-75.

[28]華堅(jiān)，朱文靜，黃媛媛.制造業(yè)與生產(chǎn)性服務(wù)業(yè)協(xié)同集聚對綠色發(fā)展效率的影響：以長三角城市群27個(gè)中心城市為例[J].資源與產(chǎn)業(yè)，2021，23（2）：61-72.

[29]向堃，宋德勇.中國省域PM污染的空間實(shí)證研究[J].中國人口·資源與環(huán)境，2015，25（9）：153-159.

[30]DIAO B D，DING L，SU P D，et al.The spatial？temporal charac？ teristics and influential factors of NOxemissions in China：a spatial econometric analysis[J].International journal of environmental research and public health，2018，15（7）：E1405.

[31]BAILLIE R T，KIM K H. Choices between OLS with robust infer？ ence and feasible GLS in time series regressions[J]. Economics letters，2018，171：218-221.

[32]張景奇，婁成武.中美城市蔓延特征差異對比及對中國蔓延治理的啟示[J].資源科學(xué)，2014，36（10）：2131-2139.

[33]刁貝娣，丁鐳，蘇攀達(dá)，等.中國省域PM濃度行業(yè)驅(qū)動(dòng)因素的時(shí)空異質(zhì)性研究[J].中國人口·資源與環(huán)境，2018，28（9）：52-62.

[34]伏晴艷，李健軍，田旭東，等.我國重大活動(dòng)環(huán)境空氣質(zhì)量監(jiān)測預(yù)報(bào)評估技術(shù)體系的發(fā)展與思考[J].中國環(huán)境監(jiān)測，2020，36（2）：1-9.

Differences of PMhealth risks and influencing factors in different types of cities

DIAO Beidi1，DING Lei2，CHENG Jinhua3

（1. School of Economics and Management， China University of Mining and Technology， Xuzhou Jiangsu 221000， China； 2. Industrial Economic Research Center Around Hangzhou Bay， Ningbo Polytechnic， Ningbo Zhejiang 315800， China； 3. School of Economics and Management， China University of Geosciences， Wuhan Hubei 430074， China）

AbstractCurrently， the relationship between the deteriorating air quality and citizens？demands for a clean and healthy environment is becoming increasingly tense， which forces cities to solve air pollution and related health problems in the process of urban develop？ ment. Based on the remote sensing data of PMconcentration and population density in China from 2008 to 2018， an exposure？re？ sponse function was used to estimate the mortality and morbidity caused by long？term exposure to PMpollution. Furthermore， the K？ Means cluster analysis method was selected for city classification， and econometric models were established for different types of cities to analyze health risk factors. The results showed that： Although PMpollution and related health risks experienced a process of deteri？ oration， mitigation， and then improvement， all kinds of health problems caused by pollution were still severe， with hundreds of people suffering from premature deaths and related diseases. From the analysis of influencing factors， health risks were mainly affected by fac？ tors such as urbanization rate， population density， industrial structure， and economic development. In terms of different types of cities， the leading factors of health risks in industrial cities were urbanization rate， population density and industrial structure； those of re？ source？based cities were urbanization rate and population density； those of central cities were population density and industrial struc？ ture； and those of other types of cities were urbanization rate and population density. Finally， based on the differences in urban charac？ teristics and leading factors of health risks， this study gives policy recommendations for urban development modeling， industrial struc？ ture optimization， public health service improvement， and evaluation standard reforms.

Key wordsPMpollution； urbanization rate； health risk； city type； difference study

（責(zé)任編輯：王愛萍）