美国超级基金场地公平清理：不让任何社区掉队的行动优先级矩阵构建与环境正义评估

本刊推荐：针对美国超级基金场地清理中的环境不公问题，研究人员通过空间分析13,453个场地数据，开发了包含差异百分比(Disparity Percentage, Dp)和超级基金暴露评分(Superfund Exposure Score, SES)的行动优先级矩阵(APM)。研究发现80%美国人口生活在超级基金场地10公里范围内，其中亚裔、黑人和弱势群体存在显著过度代表现象。该研究为资源公平分配提供了系统性解决方案。

　　

在美国的环境治理史上，超级基金（Superfund）计划作为应对有毒污染的重要机制已实施四十余年，但背后的环境正义问题始终悬而未决。历史上，由于种族歧视、经济隔离和政策执行不均，少数族裔和低收入社区长期被迫与危险废物为邻。这些被称为超级基金场地的区域，不仅污染严重，而且清理进度缓慢，使得弱势群体持续暴露在健康风险中。尽管美国环境保护署（EPA）推行了多项环境正义倡议，但政治风向的转变——如2025年行政命令14151终止了部分公平性措施——使得这一问题更加复杂。现有的优先清理名单（National Priorities List, NPL）依赖危险评分系统（Hazard Ranking System, HRS），但该系统未充分考虑社区脆弱性，导致资源分配存在系统性偏差。

在此背景下，由Mohammed Azhar和Farshid Vahedifard领衔的研究团队在《Nature Communications》上发表了一项突破性研究。他们通过大规模空间数据分析，首次构建了一套融合环境正义指标的评估框架，以指导超级基金场地的公平清理。该研究不仅揭示了污染暴露的广泛性——约80%的美国人口居住在超级基金场地10公里范围内，近60%的人口所在区域尚未开展任何清理行动——更量化了种族与经济层面的差异。研究发现，亚裔、黑人和弱势群体在污染场地周边的代表比例显著过高，且这种不平等在未列入NPL的场地中尤为严重。

为系统回应这些问题，研究采用了地理信息系统（GIS）空间分析、人口统计数据整合及差异度量计算等方法。数据源包括美国社区调查（ACS, 2015–2019）、气候与经济正义筛查工具（CEJST）和超级基金企业管理系统（SEMS）。研究使用10公里缓冲区分析和50%面积包含法界定宿主区块，计算差异百分比（D_p）和差异比率（D_r）以评估群体过度代表情况，并提出超级基金暴露评分（SES）衡量区域暴露水平。

社区构成分析

研究发现，在全国和EPA区域层面，超级基金宿主区块中的黑人和西班牙裔人口比例中位数显著高于非宿主区块。例如，在教育程度较低和贫困人口比例上，宿主区块也呈现更高数值。按清理状态进一步比较显示，无清理活动的区块中，美国印第安人/阿拉斯加原住民/夏威夷原住民（AIANNH）和黑人群体比例远高于有清理活动的区域。

弱势群体暴露差异

通过差异百分比和差异比率度量，研究发现亚裔群体在全国范围内过度代表程度最高（D_p=198.6%，D_r=2.99），黑人群体次之（D_p=100%，D_r=2.00）。区域层面，黑人群体在EPA区域1、5和7过度代表尤为突出。研究还发现，无清理场地的差异更为显著，例如区域1的黑人和西班牙裔群体差异百分比均超过800%。

行动优先级矩阵（APM）

基于艾森豪威尔矩阵（重要性-紧迫性矩阵），研究提出了APM框架，以SES和差异百分比为轴将各州分为四类清理优先级：平衡清理（低SES低差异）、聚焦清理（低SES高差异）、广泛清理（高SES低差异）和紧急清理（高SES高差异）。内华达、马里兰、伊利诺伊等七州被列为紧急清理区域。该框架支持动态阈值调整，适用于不同政策场景。

研究结论强调，超级基金场地的环境不公是历史性、系统性问题，需通过数据驱动方法实现资源公平分配。APM为政策制定者提供了可操作的优先清理工具，弥补了当前HRS系统的不足。该研究不仅有助于优化联邦基金（如Justice40倡议）的使用，还可推广至气候适应和公共卫生领域，为全球环境治理提供范本。未来研究需进一步细化场地级分析，并解决部落土地清理中的治理挑战。