农村人居环境综合环境-健康脆弱性指标:来自中国的时空证据

《Ecological Indicators》:An integrated environmental–health vulnerability indicator for rural human settlements: Spatio-temporal evidence from China

【字体: 大 中 小 】 时间:2026年07月12日 来源:Ecological Indicators 8.7

编辑推荐:

  农村人居环境日益暴露于环境退化与人口变化的双重压力之下,然而现有评估很少将这些过程整合在一个统一框架内。本研究通过整合农村生活与生产压力驱动的环境暴露(environmental exposure)、根植于人口结构与基线健康易感性的群体敏感性(populati

  
农村人居环境日益暴露于环境退化与人口变化的双重压力之下,然而现有评估很少将这些过程整合在一个统一框架内。本研究通过整合农村生活与生产压力驱动的环境暴露(environmental exposure)、根植于人口结构与基线健康易感性的群体敏感性(population sensitivity),以及由经济、制度、医疗和生态资源支持的适应能力(adaptive capacity),开发了一个环境-健康脆弱性指标(EHVI)。利用中国29个省份2014年至2023年的面板数据,研究人员应用该指标考察了农村环境-健康脆弱性的时空格局、空间依赖性与人口驱动因素。结果显示,脆弱性存在显著的空间集聚和持续的区域差异。虽然总体脆弱性在2019年之前有所下降,之后部分反弹,但明显的区域格局依然存在。人口因素发挥着差异化的作用:农村劳动力转移与较高的脆弱性相关,而较高的农村受教育程度则持续与较低的脆弱性相关。通过将人口转变纳入基于指标的框架,本研究将脆弱性评估拓展至超越对生物物理条件的狭隘关注,并展示了EHVI如何支持针对性的农村系统环境管理与公共服务干预。
**论文解读:农村人居环境环境-健康脆弱性——基于中国省级面板数据的时空证据**

**研究背景与问题**

农村人居环境日益受到环境退化与人口变化双重压力的共同塑造。农业集约化、土地利用变化和资源枯竭给农村生态系统施加了持续压力,而人口外流与老龄化则削弱了地方的适应能力。在此背景下,农村系统的脆弱性无法通过单一维度的评估来充分捕捉,需要一种能够链接环境暴露、人口敏感性与适应能力的综合性指标框架。尽管生态系统服务、社会-生态系统及行星健康等领域的已有研究分别揭示了环境退化与人类福祉的联系,或人口与资源获取对环境风险敏感性的影响,但这些研究线索很少在完全适用于农村人居住境的情况下整合。现有脆弱性评估虽在捕捉生态脆弱性的空间异质性与时间变化方面取得了进展,但结构性人口变化,特别是老龄化与劳动力外迁,在实证研究中往往被简化为人口密度等汇总指标,未能被充分纳入。这种缺口至关重要,因为在许多农村地区,环境压力加剧的同时,环境治理与健康保护的社会与人口基础正在削弱。中国作为经历快速农业转型、持续环境压力和大规模人口变化的案例,为开展此项研究提供了理想情境。现有针对中国生态脆弱性的研究多聚焦于生态敏感区的生物物理脆弱性,对主要农业区域脆弱性的人口维度关注不足。为此,本研究旨在开发一个整合环境-健康脆弱性指标(EHVI, Environmental-Health Vulnerability Indicator),以考察中国农村环境-健康脆弱性的时空演变与人口驱动因素。

**主要关键技术方法**

本研究采用的主要关键技术方法包括:基于暴露-敏感性-适应能力框架构建综合指标体系;采用**熵权法**(Entropy Weight Method, EWM)确定各指标客观权重;引入**集对分析**(Set Pair Analysis, SPA)合成多维指标,生成单个环境-健康脆弱性指数(EHVI);运用**核密度估计**(Kernel Density Estimation, KDE)分析脆弱性的分布动态;使用**全局莫兰指数**(Global Moran's I)检验空间自相关;并构建**空间面板计量模型**(包括空间误差模型SEM、空间自回归模型SAR、空间杜宾模型SDM),结合**动态面板扩展**,分析人口因素与脆弱性的关联,并控制省份与年份固定效应。研究使用中国29个省份(不包括西藏、新疆、香港、澳门和台湾)2014-2023年的省级面板数据,数据来源包括《中国统计年鉴》、《中国农村统计年鉴》和《中国卫生健康统计年鉴》。

**研究结果**

**3.1 农村环境-健康脆弱性的时空分布**

* **3.1.1 全国趋势:** 全国平均EHVI值从2014年的0.614下降至2019年的0.519,随后在2020年显著反弹至0.620,并在2023年维持在0.622的高位,表明脆弱性呈波动而非线性下降趋势,2019年后压力未持续缓解。
* **3.1.2 区域异质性:** 存在显著的区域差异。长江中游和西南地区在观测期内维持高EHVI水平,而北部沿海、东部沿海和西北地区水平较低。2023年西南地区最高(0.812),西北地区最低(0.392)。除沿海及西北地区外,多数区域脆弱性在研究期内总体上升。
* **3.1.3 省际差异:** 省级差异显著。四川、广西、河南、湖南等内陆省份长期处于高脆弱性组,而北京、天津、上海、宁夏等发达沿海城市或部分西北省份始终处于低水平,表明全国平均值掩盖了严重的内部分化。

**3.2 分布动态与区域分化**

* **3.2.1 全国核密度演化:** 全国EHVI分布未收敛于单一稳定均衡,呈持续的多极分化形态。密度曲线在多个年份表现为双峰或弱双峰,体现结构性分化。
* **3.2.2 区域分布模式:** 沿海地区(如北部沿海、东部沿海)分布相对集中稳定;内陆地区(如东北、黄河中游、西南)峰型更宽、峰值分裂或移动明显,显示区域内轨迹不一致。西南地区尤为突出,不仅脆弱性总体高,且内部分化持续存在。

**3.3 农村环境-健康脆弱性的空间依赖性**

* **3.3.1 全局空间自相关:** 2014-2023年各年全局莫兰指数均为正且显著,表明高脆弱性省份趋于空间集聚,低脆弱性省份也相互邻近,为后续空间计量分析提供了基础。
* **3.3.2 空间分布格局演化:** 分类地图显示,高脆弱性省份(如西南和中部地区)与低脆弱性省份(如沿海部分城市和西北部分地区)的分布格局在2014、2019和2023年呈现出持续性与调整并存的特征,表明空间不均衡具有地理持久性。

**3.4 人口因素:静态空间面板结果**

* **3.4.1 模型选择与基准设定:** 通过拉格朗日乘数(LM)检验、稳健LM检验和豪斯曼检验,最终采用双向固定效应的空间误差模型(SEM)作为基准模型。
* **3.4.2 核心解释变量的效应:** 农村劳动力转移与EHVI呈显著正相关(β=0.0120, p<0.01),表明劳动力外流与更高脆弱性相关联;儿童抚养比与EHVI显著负相关(β=-0.0047, p<0.01);农村高等教育比例与EHVI显著负相关(β=-0.7683, p<0.05)。
* **3.4.3 控制变量的效应:** 平均家庭户规模与EHVI显著负相关;农村养老服务水平的系数显著为正,可能反映了脆弱性较高地区的补偿性服务提供;道路密度和农村用电量不显著。
* **3.4.4 替代空间设定:** 非空间模型、空间自回归模型(SAR)和空间杜宾模型(SDM)的估计结果与基准SEM的核心解释变量符号和显著性模式基本一致,验证了结果的稳健性。

**3.5 动态效应与时间持续性**

* **3.5.1 脆弱性的路径依赖与时间持续性:** 引入因变量滞后项后,其系数显著为正(β=0.4430, p<0.01),表明当前脆弱性显著受历史水平影响,呈现明显的时间持续性。
* **3.5.2 人口转变的动态影响:** 在控制滞后项后,劳动力转移的正效应不再显著;儿童抚养比的负效应在10%水平显著;农村高等教育比例的负效应保持显著(β=-0.9015, p<0.05),表明教育结构的影响更持续稳定。

**3.6 稳健性检验**

* **3.6.1 劳动力转移的替代度量:** 当采用农村劳动力从事非农产业比例替代城镇化率作为劳动力转移的代理变量后,核心解释变量的系数方向与显著性模式保持不变,证明了基准结果的稳健性。
* **3.6.2 稳健性总结:** 替代测度下,劳动力转移与EHVI的正相关、儿童抚养比与高等教育的负相关均稳健。

**讨论与结论**

讨论部分指出,农村环境-健康脆弱性是生态压力与人口转变的共同结果,而非单纯环境退化的后果。劳动力转移之所以与高脆弱性相关,可能在于其不仅改变了人口数量,更削弱了留守人群的环境管理和社区治理能力。儿童抚养比和农村高等教育比例与脆弱性的负相关,前者反映了更可持续的代际结构和劳动力再生产潜力,后者则通过提升健康素养和环境意识增强适应能力。空间集聚现象暗示了区域性协同治理的必要性,特别是在高脆弱性的中部和西南地区,需要跨省协调污染控制、卫生基础设施投资和公共服务规划。

研究结论部分总结如下:本研究通过整合环境暴露、人口敏感性与适应能力,开发了中国农村人居环境的综合环境-健康脆弱性指标(EHVI)。基于2014-2023年省级面板数据,得出了四点主要结论。第一,中国农村环境-健康脆弱性呈现明显的时空异质性,西南和中南部分省份持续高于北方和东部沿海地区。第二,农村EHVI的演变特征为结构性分化而非趋向收敛,核密度结果显示持续的分布分割和部分极化。第三,农村脆弱性具有清晰的空间维度,全局莫兰指数恒正且显著。第四,人口因素与EHVI系统相关但方向各异:劳动力转移与高脆弱性正相关,而儿童抚养比和高等教育与低脆弱性负相关。动态模型进一步揭示脆弱性的时间持续性,其中教育结构与低脆弱性关联最为持久。研究贡献在于提供了一个可操作的多维评估框架,表明农村脆弱性应被理解为生态压力与人口变化的耦合结果,人口结构是环境危害转化为差异化脆弱性的重要机制。政策启示是,降低脆弱性需超越短期环境修复,在更高脆弱性的内陆地区需优先减轻环境压力并加强人口与制度应对能力,而在集聚的高脆弱性区域需开展跨省协调。总之,中国农村环境-健康脆弱性不仅是环境问题,也是人口与治理问题。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号