方法学设计选择对空气污染暴露差异评估的影响：以加州农业部门为例

《Environmental Science & Technology》：Methodological Design Choices Can Affect Air Pollution Exposure Disparity Estimates: A Case Study on California’s Agricultural Sector

本文系统探讨了方法学设计选择（如暴露指标选取、研究地理范围界定和参照人群设定）如何显著影响PM2.5暴露差异的评估结果。通过加州农业排放案例，研究揭示不同设计组合可能导致差异方向和幅度的结论分歧，强调在环境正义研究中明确方法学假设的重要性，并为制定精准干预策略提供科学依据。

　　

方法学设计选择对空气污染暴露差异评估的影响：以加州农业部门为例

引言

在美国及加利福尼亚州，有色人种群体长期面临细颗粒物（PM_2.5）暴露不成比例的问题。这种差异根植于数十年来的种族歧视政策，解决这一问题需综合考虑环境正义的核心原则，包括分配正义、程序正义和承认正义。定量研究虽擅长评估分配公平问题，但研究设计的合理性直接决定其效用。随着暴露差异量化研究的深入，有必要反思研究方法与科学问题之间的关联。已有研究指出，方法学选择的分歧可能导致环境正义研究结论的显著差异，尤其在采用单元-危害重合或邻近度分析技术时。本文通过加州农业排放案例，系统分析暴露输入、研究地理范围和参照人群选择三大方法学要素如何塑造对暴露差异的理解。

研究方法

研究基于2014年美国国家排放清单，利用干预空气污染模型（Intervention Model for Air Pollution, InMAP）这一降维模型，估算加州农业部门排放的PM_2.5及其前体物（包括氮氧化物NO_x、氨NH₃、硫氧化物SO_x和挥发性有机物VOC）导致的年均PM_2.5浓度空间分布。结合2012-2016年美国社区调查的人口数据，在人口加权的非规则网格上分析人口普查区块组（Block Group, BG）水平的暴露差异。种族-民族分类遵循学界惯例，将任何种族的西班牙裔视为“西班牙裔”，其他族群仅指非西班牙裔人群。

为检验方法学选择的影响，研究设计了三组对比分析：首先比较不同暴露输入形式（全分布、人口加权均值PWM、分布点估计）；其次设定四种研究地理范围（全州、农业区域、圣华金河谷、全州高PM_2.5暴露区域）；最后在不同地理范围内选择参照人群（区域内参照vs全州参照）。每种地理范围均具有明确的政策关联性，例如农业区域通过叠加三项政府耕地数据集界定，圣华金河谷对应空气质量管理区，高暴露区域则基于两类观测约束的PM_2.5浓度数据筛选前25%分位的区块组。

结果与讨论

暴露分布差异与均值差异的对比

图2展示了农业排放导致PM_2.5暴露的种族-民族分布特征。全州人口加权均值（PWM）为1.5 μg/m³，但前25%分位人群暴露浓度≥2.1 μg/m³。基于PWM的差异分析显示，西班牙裔和黑人居民相对于全州均值分别超额暴露14%和5%。然而，分布分析揭示重要细节：西班牙裔人群的整个暴露分布曲线均向右偏移，表明其在所有暴露水平上均处于不利地位；而黑人群体虽在PWM层面显示差异，但其75%分位暴露与全州人群持平，95%分位暴露甚至略低。这种分布尾部的异质性提示，若关注高暴露极端值的健康风险，仅依赖均值可能低估或误判差异模式。空间人口分布分析进一步佐证：西班牙裔人口比例高的区块组与农业PM_2.5高浓度区高度重叠，而黑人人口分布与暴露浓度无显著空间关联。

研究地理范围与参照人群选择的影响

图3比较了四种地理范围内差异评估结果的变异。在农业区域，黑人居民的PWM暴露最高（区域内相对差异+12%），但在圣华金河谷和高暴露区域则低于区域均值。这种反差源于黑人人口在农业区域的极低占比（仅占全州黑人人口的4%）及空间聚集特征：其中一个包含男子监狱的区块组因高暴露值（6.9 μg/m³）显著拉升整体均值，凸显小样本地理单元分析对异常值的敏感性。参照人群选择同样显著影响差异幅度：以全州为参照时，西班牙裔居民在高暴露区域的相对差异达40%，而以区域内人群为参照时仅4%。这表明，局限于高污染区域内部的比较可能掩盖相对于更广泛基准的差异严重性。

方法学选择的政策启示

地理范围界定直接影响干预策略的定位。在圣华金河谷和高暴露区域，农业排放普遍抬升所有居民的暴露水平，但组间差异较小，支持以空间靶向但人口无偏的减排政策为主；而在农业区域，排放同时加剧区域整体暴露和组间差异，需辅以人口特征靶向的干预措施（如多语言健康教育、定向空气净化器分发）。此外，均值与分布分析的互补性提示：若政策目标为降低整体疾病负担，PWM差异可指导高效减排；若关注极端暴露人群的健康保护，则需结合分布尾部分析。

局限性与不确定性

本研究存在若干局限：案例仅聚焦单一州和排放部门，结论外推需谨慎；使用室外年均浓度替代真实吸入暴露，未考虑时间动态和室内渗透；种族-民族分组内部异质性（如移民身份、语言隔离程度）未细化；基于普查区块组的人口数据可能无法反映真实社区边界，且低人口区域的数据扰动可能引入偏差。此外，农业社区还面临农药、极端热事件等共暴露压力，未来需开展交叉性环境负担研究。

环境正义暴露科学的最佳实践建议

基于案例研究的启示，提出以下方法学实践建议：首先，在研究设计阶段明确科学问题与政策场景的匹配度，通过社区参与（程序正义）确定合适的地理尺度和参照基准；其次，进行敏感性分析，以表格或图示展示不同方法学组合下的差异评估结果，增强结论稳健性；最后，透明报告方法学选择及其理论依据，确保科学家、政策制定者和社区成员能准确理解研究局限性。这些定量分析原则应与现有环境正义框架协同实施，例如结合共享治理模型、交叉性分析框架，并融入参与式行动研究等社会科学方法，实现数据科学与社区需求的深度融合。

结论

方法学设计选择可显著改变空气污染暴露差异的量化结论。加州农业案例表明，西班牙裔居民在不同方法和地理尺度下均持续处于暴露劣势，而黑人居民的差异评估结果高度依赖分析框架。这要求环境健康研究在追求监测指标简洁性的同时，需谨慎匹配方法学与政策目标，并通过多维度敏感性分析增强结论的可靠性。唯有明确方法学边界，才能为精准识别优先干预对象提供科学锚点。