在ES&T机构追踪环境公平与空气污染研究

《Environmental Science & Technology》：Tracing Environmental Equity and Air Pollution Research at ES&T

本文综述了环境科学和技术（ES&T）中空气污染不平等与公正的研究，指出方法创新（卫星数据、移动监测）揭示了空间差异，但政策需针对性以减少相对差距，未来需关注全球南方及多污染物累积影响。

　　

特刊

作为《环境科学与技术》（Environmental Science & Technology）“环境科学与技术60周年”特刊的一部分而发布。

数十年来，围绕环境正义的学术研究和社区基础研究指出，那些因种族、民族、阶级、收入以及其他形式的结构性不平等而处于边缘化的社区往往面临更高的空气污染暴露风险。这些在有害空气污染物暴露方面的差异既反映了决定排放源和人口分布的结构性因素，也反映了影响这些污染物在大气中移动和转化的物理过程。在这些研究中，一个共同的主题是：空气质量的改善并不一定能减少相对的不平等现象。

为纪念《环境科学与技术》（ES&T）60年的发展历程，本文重点介绍了该期刊中关于空气污染暴露与环境公平性的相关文章，并探讨了支持公平结果的研究方向。我们在挑选文章时有两个参考依据：首先，ES&T编辑在2025年10月22日提供了一份包含1269篇标题或摘要中包含“空气质量”一词的论文的清单；其次，我们通过UC Berkeley图书馆网站（2025年12月29日）搜索了关键词为“equity justice”、“equity air pollution”、“air quality justice”或“inequality air pollution”的文章，共找到了55篇独特的论文。其中84%（55篇中的46篇）发表于2020年或之后，这表明自2020年以来，该期刊对这一主题的关注度有所增加，尤其是在社会正义议题上。最早的相关文章（1-5篇）主要是呼吁采取行动，并指出了现有研究和工程领域中关于空气污染不公正问题的方法论不足。有关这一主题的更广泛的文献综述，可以参考例如过去十年的文章综述（(6)，该综述涵盖了2015至2025年的内容；此外还有2013年的综述（(3)的表S2），以及2026年的方法论综述（(7)）。

在我们审查的文章中，有三个主要的研究方向：首先，多篇论文量化了不同亚群体之间的空气质量差异。例如，最早的关于环境正义（EJ）的ES&T文章（(1)分析了美国县级工业化学品的排放情况，并考察了种族/民族和家庭收入之间的差异。后续的ES&T研究在不同空间尺度、污染物类型和情境下量化了空气质量的差异，包括通过移动监测和空气监测发现的社区级梯度、利用卫星和模型数据进行的国家级分析，以及针对环境空气污染暴露的社会经济不平等的区域和国际评估（例如，参考文献(2)和(8-11)）。美国的监管监测站分布存在偏差，尤其是对于非白人、低收入和弱势社区而言，因此基于监测站数据的差异估计可能会被低估（(12)。美国的“红线划分”（redlining）是一种起源于20世纪30年代的种族歧视性抵押贷款评估做法，至今仍在影响现代的空气污染暴露不平等现象：Lane等人（2022年）(13)的研究发现，从“红线划分”区域（即HOLC D类地区，平均污染最严重）到“绿线划分”区域（即HOLC A类地区，平均污染最轻）存在浓度梯度。

相关ES&T论文的主要研究焦点是美国境内。此外，ES&T也涉及美国以外的地区。例如，针对中国的研究探讨了与空气污染排放相关的社会经济不平等现象，以及这些不平等对国内生产总值（GDP）、健康影响和缓解措施的影响，还包括电动汽车的公平性意义（(4,14)。不同地区和收入群体的影响存在差异，高收入和低收入人群在不同季节和城市环境中的暴露情况也有所不同（例如，高收入城市冬季与高收入农村地区的差异(15)。中国的环境正义模式可能与美国有所不同(16,17)。其他ES&T研究还探讨了与移民和低收入状况相关的空气污染不平等问题（加拿大大多伦多地区(18)、加拿大不列颠哥伦比亚省的农村贫困(19)、欧洲的城市化程度(20)、印度的收入水平(5)以及地区差异(21)。

其次，研究人员进行了特定污染源的公平性分析。例如，这些论文探讨了减少某一特定污染源的排放是否能够减少整体不平等现象。研究发现，不均衡的暴露模式与多个污染源行业有关，如重工业和采掘业(19,22)、有毒物质排放行业(1)、农业(23)、交通运输(3,24,25)以及电力生产(26)。

第三，ES&T文章还研究了减排策略的公平性方面，包括气候缓解策略。越来越多的人呼吁提供能够指导实际行动和干预措施的证据(27)。一个关键发现是，减少暴露不平等并非空气质量或气候政策的必然附带效益(28-33)；公平性结果在很大程度上取决于控制哪些污染源以及控制地点，而不仅仅是减排的幅度。例如，美国的回顾性研究表明，尽管过去30年空气质量有了显著改善（这得益于环境法规），但这些改善并未在所有群体中得到均衡分配，有色人种社区的相对暴露差异依然存在(31,34,35)。类似地，前瞻性研究表明，传统的空气质量与气候政策（未明确考虑公平性的政策）虽然能够减少总排放量和平均暴露水平，但无法同时消除相对差异(28,29,33,36)。然而，通过有针对性的减排措施和更系统的转型（如大规模能源转型），有可能同时实现空气质量、公平性和气候目标的提升(30,31,37,38)。

总之，ES&T的相关论文评估了空气污染不平等的程度，并提出了减少暴露差异的干预措施。这些研究采用了多种方法论创新，包括移动测量、卫星数据、传统空气污染模型以及简化模型(39)。低成本传感器、(40)卫星遥感(41,42)和移动监测(8,15)提供的空气质量数据覆盖范围不断扩大，使得能够在更细的尺度上揭示空气质量与暴露情况的变化，并明确了特定污染源对社区的影响。ES&T发表了大量基于卫星的实证模型研究，这些模型有助于理解空气污染不平等现象(43-47)。这些研究表明，如何结合多种数据（如土地利用信息、卫星估算的柱状总污染量、土地覆盖遥感数据、监管监测数据、低成本传感器、传感器网络和移动监测数据），并运用统计方法（如回归分析、数据融合、机器学习等），可以实现高空间精度和覆盖范围的浓度预测，通常还具备较强的时间分辨率。更快、更高分辨率的空气质量建模能力使得对污染分布的物理和社会驱动因素的系统性研究成为可能(21,48)。

虽然本文重点介绍的研究主要是数据驱动的公平性分析，但长期以来，社区参与的研究（CER）和基于社区的参与式研究（CBPR）一直是空气质量与正义研究的核心(49-51)，这些方法强调了程序正义（如决策方式）与分配正义（如风险和利益的分配）之间的联系。消费者级监测设备的普及使许多社区能够自行开展监测工作，记录空气污染水平或热点区域，从而推动实际的污染缓解措施。社区与学术界合作的例子包括共同设计部署策略，以更好地支持社区目标（例如，用于法律倡导的数据）并解决数据缺口问题(52-54)。鉴于CER和CBPR在恢复性正义运动中的重要性，未来ES&T应更多地刊载这类关于空气污染公平性的研究。

未来的研究需要包括：扩大研究污染物的范围（包括目前尚未受到监管的遗留污染物和新兴污染物），考虑累积影响，并关注更广泛的研究地点，特别是在全球南方地区。需要改进方法来同时研究气候和健康公平性的影响，以便实时预测和应对这些影响。重要的是，研究应提出并测试“解决方案”（如政策选项、气候和空气质量干预措施），而不仅仅是描述问题（如风险差异）。新一代的地球静止卫星显著提高了观测的时空分辨率。未来的研究可以利用这些卫星数据和其他新型方法（如移动监测）将政策行动（如减排策略）与温室气体排放、空气污染和公平性的变化联系起来。

最后，许多研究提出了具体的公平性改进建议，例如在国际供应链中共同治理减排问题(14,21,55)、为负担过重的社区制定本地化减排策略(56,57)，以及更多依赖具有空间分辨率的公平性相关数据（<100米分辨率）来指导针对特定污染源和污染物的政策干预。未来的研究可以回顾性或反事实地分析以公平性为导向的政策在保护全球最脆弱人群方面的有效性。研究强调了各国和地区之间脆弱性的多样性，再次强调了制定符合文化和实际情况的解决方案的必要性，以消除空气污染不平等现象。