英格兰的环境不平等:小区域内社会经济地位和环境污染的关联

最近的研究表明,被剥夺(deprived)水平更高的人往往生活在环境污染程度更高的地区。由此带来的环境不平等可能会导致不良的健康后果,并加剧流行病学研究中一些问题的复杂性。因此,本研究的目的是考察英国环境不平等与环境变化之间的关系:(1)不同的环境污染物(以不同的方式测量);(2)不同的社会经济地位层面;(3)不同的地理范围和环境(城市和农村)。此外,本文还分析了复合剥夺指数(Index of Multiple Deprivation;IMD2004)及其涵盖范围与根据邻近性(proximity)、排放强度(emission intensity)和环境浓度(environmental concentration)而测量的五组环境污染物(道路交通、工业、电磁频率辐射、饮用水消毒副产物和氡)之间的关联。

作为反种族主义运动的一部分,与环境(不)平等(environmental(in)equality)、环境(不)公平(environmental(in)equity)、环境种族隔离、环境种族主义或环境(不)公正(environmental(in)justice)等主题相关的研究迅速增长。处于社会不利地位或被边缘化的人总会承受更具污染和危险的生活环境的额外负担。同时,环境不平等也可能进一步危害健康,尤其剥夺(deprivation)和暴露于环境污染是导致疾病和死亡的重要风险因素。这些因素综合在一起可能会导致环境不平等的“三重危害”,在英国又被称为复合剥夺,即社会经济地位差、生活环境差和健康状况差。

此外,环境与社会经济地位之间也存在复杂关系。例如,在美国的一项全国性研究发现,含有害物质的地区通常更为工业化、更多工人且受教育程度更低。然而,在大都市区和农村地区,少数族裔(西班牙裔和黑人)群体中则表现为负相关或不相关。在英国,不同地区的社会阶层所暴露的空气污染水平存在差异。大伦敦、伯明翰和大贝尔法斯特地区的空气污染与国家复合剥夺指数之间为正相关,但在加的夫地区并未发现相关性。通过比较接近工业污染源、空气污染和洪水等各种环境危害之间的联系也会发现在有些情况下是非线性甚至是U形的。

本文指出现有研究主要有以下三个方面的不足。第一,流行病学研究中的社会经济地位与环境污染之间的关系较复杂,尤其是在总体规模上进行分析时可能会忽略变量间的交互作用。第二,以往研究的结果并不一致且具有不确定性。在描述与环境危害的关系时过于简单,对暴露量的增加关注较少或仅考察个别地区或社区中选定的少量环境危害,因此其研究结果的普遍性尚存在争议。第三,较少探讨与社会经济地位存在反向关联(即在剥夺程度较低的社区中有较高的暴露水平)的可能性。

本研究利用地理信息系统(ArcGIS)对数据进行了汇编、整合和处理,并在大输出区(super output areas,SOAs)、选区(wards)和行政区(districts)三个层次上进行分析。其中,大输出区是英格兰人口普查地理的第二级,平均人口约为1500人(n=32482)。选区是大输出区的聚合,平均人口约为6200人(n=7932)。行政区是进一步的聚合,平均人口约为139000人(n=354)。表1给出了数据来源、数据整合方法和变量调整。

社会经济地位采用复合剥夺指数(Index of Multiple Deprivation;IMD2004)及其组成领域进行测量。其中,IMD2004是一个基于地区的综合的剥夺衡量指标,涵盖收入、就业、教育、健康、生活环境、住房和服务障碍以及犯罪等七个不同剥夺维度(领域)。每个领域都根据一组指标(总共 37 个)进行量化,这些指标要么通过直接求和(其中变量仅以人数的形式)聚合到各个领域,要么使用因子分析其他数据类型,然后对七个域进行加权并求和。IMD2004的总体指数及其各领域的指数是在大输出区(SOA)和行政区(district)层级上计算的,通过网站(可以获得。在本研究中,根据大输出区(SOA)人口通过加权聚合计算选区一级的剥夺指数。(如下所示)

本研究利用邻近污染源(proximity to source)、排放和环境浓度三个指标来测量环境污染,并在此基础上选择了20个变量(见表1)。在本研究中,计算了九种邻近度测量值,涉及道路、点排放源、工业活动、垃圾填埋场和电磁场(EMF) 源。除工业用地外,邻近性均是通过计算每个大输出区中居住在指定污染源距离内的人的百分比来衡量的,然后将结果汇总到选区和行政区层面。排放测量可用于两个污染物组:空气污染和射频辐射。NAEI 提供了整个英格兰的1公里网格单元的大气排放数据。根据潜在的不利健康影响选择了四种污染物:氮氧化物 (NOx)、10毫米或更小的颗粒物 (PM10)、二氧化硫(SO2)和总挥发性有机化合物(VOC)。本文通过将1公里NETCEN(()网格与行政边界相交,对每个区域的每种污染物进行估计。移动电话天线杆的功率输出是根据 Sitefinder 数据库中报告的最大许可功率输出计算的。对于环境污染浓度,本文估算了饮用水中环境二氧化氮 (NO2)、PM10、SO2、VOC 和臭氧(O3)、室内氡和三卤甲烷(THM)的浓度。每个SOA(或选区或行政区)的平均浓度是使用邮政编码单位区的人数加权估算的。通过更加强调人们居住地点的平均浓度,而不是整个地区,这些测量因此为当地居民提供了近似的暴露量。

在统计分析方面,本文运用ArcGIS中的克里金函数(kriging function)生成半方差图以探索空间结构。同时,利用双变量相关分析和主成分分析(principal components analysis,PCA)探讨了环境变量中的相关性。使用箱线图(以 SES 作为五分位数)和散点图(以SES作为连续变量)和双变量回归分析(适当转换数据)探索IMD2004及其各个领域和环境变量之间的关联性。Spearman等级相关和Pearson积矩相关都用于分析双变量关联并比较结果。还计算了 IMD2004 分数的五分位数,并在最高和最低五分位数之间的环境危害进行了多变量和单变量比较以考察多重环境不公平。

在多变量分析上,环境危害分为四个主题:道路交通、工业、EMF 和其他(如表1所示)。本文使用多变量和单变量技术分析了前三个环境危害,使用单变量方法单独分析了“其他”类别中的变量(靠近机场和氡浓度)。本文还使用广义加性模型(GAM)以考察在控制空间自相关的条件下收入、就业和教育对环境暴露的影响程度。此外,本文还使用GAM模型还研究了收入、就业和教育与健康之间以及健康与环境变量之间的关联性。所有分析均在三个地理级别进行:SOA、选区和行政区。

表2给出了大输入区所有变量的汇总统计数据。其中,统计分布呈现高度多样性和倾斜,许多环境变量存在大量极低值或零值。选区层面的统计分布(未显示)相似。行政区层面的统计分布则更为对称,零值相对较少

表3给出了在SOA内IMD2004的七个领域间的相关性。其中,收入、就业、教育和健康领域相关性较强(r>0.7),且与总体IMD2004显著相关。生活环境和犯罪与其他领域之间的相关性较弱(r=0.3到0.6),而住宅与其他领域的相关性则更弱甚至呈负相关。选区和行政区级别(未显示)的相关性则略高,且呈现了类似的模式。

表4是IMD2004与不同环境危害的双变量相关性。其中,除靠近电力线、大气臭氧和氡外,所有环境危害均呈正相关(更多的剥夺与更高的潜在暴露相关),且其相关强度从点排放源到环境浓度层面都呈增加趋势。在大SOA水平上,IMD2004与挥发性有机物排放、二氧化氮浓度和臭氧浓度的相关性最强,而与邻近道路、点污染源(point sources)和工业用地的相关性以及二氧化硫和电磁场排放的相关性均较弱。与封闭的垃圾填埋场相比,IMD2004与邻近开放的垃圾填埋场的相关性更强。在行政区水平上,除了邻近电力线和特殊垃圾填埋场之外,其余指标相关方向均一致。就接近源而言,从SOA到选区和行政区层面的相关性通常会增加,而就排放量和浓度而言,规模效应(effects of scale)的变化更大。

IMD2004最低和最高五分位区域之间的多变量比较表明,道路交通、工业和电磁场相关环境危害的三个平均向量在所有地理水平上都存在差异。在SOA层面,Hotelling T2分别为0.52、0.54和0.13(在所有情况下,p0.0001);在选区层面,T2分别为0.63、0.54和0.27;在行政区层面,T2分别为1.11、1.66和0.51。表5显示了SOA每种环境危害的单变量比较。就大多数危害而言,在最剥夺的五分之一中可以看到显著更高的值,但臭氧和氡浓度在最少剥夺的五分之一中出现显著更高的值。表5总结了 SOA 层面的城市和农村地区之间的比较。一般而言,城市地区的关联性强于农村,对于排放和环境浓度的某些测量指标而言,这一点非常明显。对于靠近电力线、手机天线杆的 EMF 排放、NO2浓度、PM10 浓度和氡浓度,城市和农村地区之间的关联也相反。

表6中每个环境危害变量与IMD2004的七个单独领域之间的关系显示出与总体指数大致相似的模式。大多数环境危害变量与收入和就业的相关性较弱,与住房/服务、犯罪和生活环境的关系最为密切。教育和健康仅与点源污染、垃圾填埋场和工业用地的相关性最高。

表7给出了GAM模型的参数回归系数,用于对各环境危害与SOA层面就业、收入和教育三个主要领域得分之间关系的多元分析,这些模型还包括SOA 质心的 x、y 坐标上的非参数项以控制空间自相关。第一列显示仅包含 x,y 坐标时的 R2 系数,最后一列显示进一步包含SES各域后的 R2(标准化以简化回归系数之间的比较)。最终模型结果存在很大差异,并且没有明确的模式。当模型中包含社会经济地位时,拟合优度(R2)会出现小幅增加,这表明社会经济地位只能解释环境指标中的少量变化。此外,只有臭氧、PM10和挥发性有机物排放R2系数的增量为0.1或更大。表7第二列的模型(只包含x,y 坐标)结果表明,浓度比排放量的空间趋势更平滑,而排放量比接近源的空间趋势更平滑。

(1)社会经济地位与环境污染之间的相关性往往因污染物的选择和其特点而异。总的来说,与电磁场、氡或废弃物相比,其与室外空气污染层面的相关性最强。与排放强度或浓度相比,其与接近污染物的关联性较弱。与一种危害相关的环境质量较差的区域不一定与其他危害相关,并且与 SES 的关联也不能一概而论。

(2)本文分析了环境危害的地理分布与构成 IMD2004 的七个单独领域(收入、就业、教育、生活条件、获得住房和服务、健康和犯罪)。与这些不同领域的环境关联在任何特定危害和不同危害之间都有很大差异。环境不公平不能轻易地用 SES 的任何一个方面来描述。像 IMD2004 这样的复合测量似乎也不能为分析提供完整和一致的基础。如果寻求对环境不公平的更深入了解,使用多种不同的 SES 测量在多元框架中分析它们似乎更有帮助。

(3)环境危害与代表收入、就业和教育的领域的相关性往往相对较弱。最强的关联实际上是它们与臭氧浓度的负关联。多变量分析还表明,这三个领域共同“解释”了环境危害潜在暴露的一小部分变化,并且经常在多变量模型中产生违反直觉的关联。因此,即使结合起来,这些因素似乎也只是环境不公平的有限预测因素。这意味着环境不平等实际上反映了特定社区中环境和社会问题的地理聚集。几乎可以肯定,经济劣势在影响这种聚类方面发挥了作用,但根据本研究的证据,不能将其视为压倒一切的力量。因此,需要考虑导致社会地理分层的其他社会和政治过程以及历史惯性的影响。

(4)本研究认为,分析的空间尺度也会影响地理模式和关联。过去,环境不公平研究中对这些问题的关注相对较少,尽管近年来许多作者开始强调它们的重要性。在这项研究中,我们通过在三个不同的分析尺度上比较 SES 和环境危害之间的关联来探索这些影响。不同规模的分析尺度与地理环境显著相关,从SOA到选区再到行政区层面,社会经济地位和危险强度之间相关性逐渐增加。此外,受空间自相关因素的影响,城市比农村地区危害的相关性更强。

这里介绍的研究可能提供了当时对英国环境不平等进行的最详细和最全面的分析,并试图解决一些公认的先前研究的弱点。特别是,它涉及在整个国家的一系列空间尺度上分析各种环境质量测量与不同的 SES 测量之间的地理关联。这有助于评估发现的关联的稳健性和环境不公平概念的普遍性。使用单变量和多变量统计分析(包括允许空间自相关的 GAM 模型)也可以探索关联的一些复杂性。尽管如此,这项研究也存在一些局限性。与几乎所有先前的研究一样,这里使用的任何测量都不能代表暴露的明确测量——而是它们都是来自源暴露链中不同点的代理,也不可避免地意味着结果容易出现生态谬误。此外,本研究对于社会经济地位和环境危害之间的相关性分析聚焦于群体水平层面,不能直接转化应用到个体层面。与纵向研究相比,横断面研究也不能揭示环境不平等背后的因果机制。

原标题:《英格兰的环境不平等: 小区域内社会经济地位和环境污染之间的关联》

标签:

发表评论

邮箱地址不会被公开。 必填项已用*标注