社区阈值、健康边界？中国安徽省蚌埠市呼吸健康问题的空间聚类与非线性解码

《Sustainable Cities and Society》：Neighborhood thresholds, health boundaries? Spatial clustering and nonlinear decoding of respiratory health in Bengbu, Anhui, China

本研究基于蚌埠市雨湖新区的呼吸疾病死亡率数据，整合多源地理空间数据，采用XGBoost机器学习模型和部分依赖图分析非线性关联与环境健康阈值。发现公园距离（≤450米）、交叉口密度（0.13/ha）、建筑密度（30%）和烟草酒精设施密度（0.38/ha）是关键影响因素，验证了复杂环境健康关系的非线性特征，为精准健康导向的城市规划提供量化依据。

　　本研究旨在探讨城市社区环境对居民呼吸系统健康的影响，特别是通过分析非线性关系及关键阈值，为精准健康导向的城市规划提供科学依据。随着城市化进程的加快，许多城市面临着诸如过度拥挤、交通堵塞和环境污染等“城市病”的挑战。这些环境变化不仅加剧了慢性疾病的风险，还对居民的呼吸健康产生了深远的影响。研究发现，呼吸系统疾病已成为全球范围内导致死亡的主要原因之一，特别是在快速城市化的国家，这种趋势尤为明显。因此，如何通过优化城市社区环境来改善呼吸健康，成为当前城市规划和公共卫生领域的重要课题。

研究的核心在于识别社区环境因素与呼吸疾病死亡率（RDM）之间的复杂关系。传统的线性模型虽然在一定程度上揭示了环境与健康之间的联系，但其局限性也逐渐显现。例如，线性模型可能无法准确捕捉到某些环境因素在特定阈值下对健康产生的非线性影响。此外，城市配置的差异性、多变量间的共线性问题以及数据本身的复杂性，都限制了现有研究在提供可操作性建议方面的有效性。为了解决这些问题，本研究引入了极端梯度提升（XGBoost）机器学习模型，并结合部分依赖图（PDPs）及其置信区间，以更精确的方式解析社区环境与健康之间的非线性关联。

研究对象选取了安徽省芜湖市的旧城区，特别是其禹会区的12个社区。该区域作为工业中心，具有典型的老旧城市特征，居民人口密集，老龄化问题突出。研究团队整合了2016年至2020年的呼吸疾病死亡数据，并结合多源地理空间数据，对社区环境因素进行了全面分析。通过XGBoost模型，研究不仅量化了各因素对呼吸健康的影响程度，还识别了关键的非线性关系和阈值效应，为制定针对性的城市规划政策提供了实证依据。

研究结果显示，呼吸疾病死亡率呈现出明显的空间聚集特征，主要集中在人口密集、建筑密度高的社区，形成了“双核心、多分散中心”的格局。这一发现表明，城市规划应更加关注高密度社区的环境优化，以降低呼吸健康风险。同时，研究指出蓝绿空间（即绿地与水域的结合）是影响呼吸健康的关键维度，其对RDM的贡献率高达35.64%。具体而言，距离最近公园的距离、交叉路口的密度以及烟草和酒精设施的密度被确认为影响呼吸健康的重要变量。这表明，增加社区内蓝绿空间的覆盖率，合理规划公园和绿地的位置，以及控制烟草和酒精设施的密度，对于改善呼吸健康具有重要意义。

值得注意的是，研究还发现，几乎所有社区环境因素都与呼吸疾病死亡率之间存在复杂的非线性关系。这种非线性关系意味着，某些环境因素在特定数值范围内对健康的影响最为显著，而超出或低于该范围则可能减弱甚至逆转其效果。例如，当烟草和酒精设施的密度达到0.38个/公顷时，呼吸健康状况最佳；交叉路口密度为0.13个/公顷时，对健康的影响最为有利；建筑密度控制在30%以内，有助于改善空气质量；而距离最近公园不超过450米的社区，居民的呼吸健康状况也更为优越。这些阈值的识别，为城市规划提供了具体的参考标准，有助于在不同社区中采取差异化的干预措施。

研究还强调了蓝绿空间在改善呼吸健康中的双重作用。一方面，蓝绿空间能够有效捕捉空气中的颗粒物，净化空气，降低有害物质的暴露风险；另一方面，合理的蓝绿空间规划还能促进居民的户外活动，如步行和骑行，从而减少对机动车尾气的依赖。然而，蓝绿空间的选择和布局也需谨慎，不当的植被配置可能会引入新的健康风险，如高花粉植物可能诱发哮喘等过敏性呼吸疾病。此外，蓝绿空间如果靠近污染源，如高速公路或工业区，可能会因吸引人们在污染环境中活动而增加健康风险。因此，蓝绿空间的规划不仅要考虑其数量和分布，还需综合评估其对周边环境的潜在影响。

在交通方面，研究指出机动车尾气是空气污染的主要来源之一，其对呼吸健康的负面影响不容忽视。交通流量、道路等级、交通噪音以及道路网络密度等因素均与呼吸健康状况密切相关。例如，研究发现，靠近主要交通干道的社区居民，其呼吸健康状况普遍较差。因此，城市交通规划应注重将机动车与非机动车交通分隔，减少居民在污染环境中暴露的时间和频率。同时，通过建设步行友好型社区，鼓励居民采用更健康的出行方式，如步行和骑行，可以有效降低呼吸健康风险。

在空间形态方面，研究揭示了城市设计对呼吸健康的影响。紧凑型城市形态虽然有助于减少居民的出行距离，促进步行和骑行，但也可能因建筑密度高而影响空气流通，增加污染物的积累。因此，城市规划需要在紧凑与通风之间寻求平衡，避免因过度开发而导致空气质量恶化。此外，建筑高度、楼层面积比以及建筑形态等因素也会影响风速、气流和温度，进而对居民的呼吸健康产生间接影响。研究建议，应通过优化建筑布局和形态，提升社区的通风条件，降低污染物的滞留率，从而改善呼吸健康状况。

本研究的另一重要发现是，性别和年龄在呼吸疾病死亡率中扮演了显著角色。数据显示，男性呼吸疾病死亡率明显高于女性，这可能与男性更倾向于从事高污染职业、吸烟率较高以及对健康问题的自我报告意识较弱等因素有关。此外，60岁及以上老年人群体是呼吸疾病死亡率最高的群体，这与老年人的免疫系统功能下降、慢性疾病积累以及对环境变化的敏感性较高密切相关。因此，在制定健康导向的城市规划政策时，应特别关注老年人群体的需求，通过优化社区环境，降低其呼吸健康风险。

研究还指出，当前关于社区环境与呼吸健康关系的研究存在三大局限性：一是城市配置的差异性，导致现有研究难以直接应用于不同城市；二是健康指标的偏差，许多研究依赖于居民的主观健康感知而非临床数据，这可能影响结论的准确性；三是方法论的不足，线性模型在处理非线性和阈值效应方面存在局限，难以全面反映环境与健康之间的复杂关系。为克服这些局限，本研究采用XGBoost模型，其在处理非线性关系和阈值效应方面表现出更强的适应性和准确性。此外，通过引入置信区间，研究进一步提高了结果的可信度，为政策制定提供了更为可靠的科学依据。

综上所述，本研究通过整合多源地理空间数据和个体层面的呼吸疾病死亡数据，揭示了社区环境与呼吸健康之间的非线性关系，并识别了关键的阈值效应。这些发现不仅为精准健康导向的城市规划提供了实证支持，还对改善城市居民的呼吸健康状况具有重要的实践意义。未来的研究可以进一步拓展到其他城市，探索不同城市背景下的环境健康阈值，从而推动更加科学和个性化的城市规划策略。同时，研究结果也可为政策制定者提供参考，帮助他们在不同社区中采取差异化的干预措施，以实现呼吸健康的最大化改善。