撒马尔罕的城市噪声污染与公共健康：面向可持续城市发展的空间与统计评估

《Sustainability》：Urban Noise Pollution and Public Health in Samarkand: A Spatial and Statistical Assessment for Sustainable Urban Development

　　

环境噪声是快速城市化城市中主要的环境和公共健康问题，但在中亚地区，结合实地测量、基于地理信息系统（GIS）的空间分析与预测建模的综合研究仍然有限。本研究评估了撒马尔罕（乌兹别克斯坦）城市噪声污染的空间分布，并探讨了其与选定公共健康指标的统计关联，预测了未来趋势。在覆盖超过300条街道的50个地理参考点进行了测量。使用ArcGIS 10.5（Esri, Redlands, CA, USA）处理并绘制测量数据，以生成研究区域环境噪声的空间分布。利用皮尔逊相关、自回归积分移动平均（ARIMA）及其扩展模型——包含外生变量的ARIMAX模型，分析了官方登记的车辆、工业企业及疾病发病率（2014–2024年）数据。结果显示，噪声水平呈现显著的空间异质性，在交通走廊和工业区最高。工业企业与疾病发病率的关联最强；由于与工业活动存在多重共线性，车辆登记数据被排除在最终模型之外。ARIMA预测工业活动将持续增长至2030年，而ARIMAX模型识别出工业活动与耳和乳突疾病及神经系统疾病之间存在显著关联（MAPE分别为28.55%和19.78%）。作为一项使用基础设施代理变量而非实测噪声暴露的生态探索性研究，研究结果应被解释为关联性而非因果关系。该框架为环境风险评估和可持续城市规划提供了一种可推广的方法。

## 论文解读：撒马尔罕城市噪声污染与公共健康——面向可持续城市发展的空间与统计评估

### 研究背景与问题

随着全球城市化进程加速，环境噪声污染已成为影响城市可持续发展和公共健康的关键环境挑战。世界卫生组织（WHO）指出，长期暴露于交通、工业等噪声源与心血管疾病、睡眠障碍、听力损伤及神经系统疾病等不良健康结局相关。尽管国际上已有大量研究关注噪声与健康的关系，但大多数研究集中在欧洲、北美和东亚，而在中亚地区，尤其像乌兹别克斯坦撒马尔罕这样快速城市化的城市，综合性的现场噪声测量、基于地理信息系统（GIS）的空间分析与预测建模研究仍然十分匮乏。现有研究往往是单独的环境监测或交通发展分析，缺乏将噪声测量、空间分析与统计预测相结合的综合评估。因此，关于撒马尔罕城市噪声污染的空间分布、其与公共健康指标的统计关联以及未来动态，存在重要的知识空白。本研究旨在填补这一空白，通过整合实地测量、GIS空间分析和时间序列预测模型，为可持续城市发展提供证据。

### 研究内容与结论

研究人员在撒马尔罕市开展了综合研究。首先，在覆盖300多条街道的50个地理参考点进行环境噪声测量，获取了等效连续声级（LAeq, 10–15 min）和最大声级（LAmax）数据。其次，利用ArcGIS进行空间插值，生成噪声分布图，揭示噪声水平的空间异质性。第三，收集2014–2024年官方统计数据，包括登记车辆数、工业企业数以及四种疾病（耳和乳突疾病、精神行为障碍、神经系统疾病、循环系统疾病）的年度发病数。通过皮尔逊相关分析评估环境指标与健康指标的关联，并采用自回归积分移动平均（ARIMA）模型预测工业企业数量，以及ARIMAX模型（引入外生变量）量化工业活动与健康指标的统计关联，同时考虑COVID-19大流行所致的结构性变化。研究结论表明：撒马尔罕噪声水平呈现显著空间异质性，主要交通走廊和工业区噪声最高；工业企业数与耳和乳突疾病及神经系统疾病呈强正相关；ARIMA模型预测工业企业数量将持续增长至2030年；ARIMAX模型识别出工业活动与这两种疾病存在显著统计关联，但MAPE值表明预测精度各异（工业企业3.63%，神经系统疾病19.78%，耳和乳突疾病28.55%）。该研究为可持续城市发展提供了可转移的评估框架，有助于支持SDG 3（良好健康与福祉）和SDG 11（可持续城市与社区）。论文发表在《Sustainability》。

### 关键技术方法

本研究主要采用以下关键技术方法：（1）**现场噪声测量**：使用便携式数字声级计（MECO-G R-135），在撒马尔罕市50个地理参考点，按ISO 1996-1:2016和ISO 1996-2:2017标准，于工作日三个交通高峰时段（早、中、晚）进行10–15分钟的A计权等效声级（LAeq, 10–15 min）和最大声级（LAmax）测量，取三次测量算术平均值。（2）**GIS空间分析**：利用ArcGIS 10.5对测量数据进行空间插值，生成连续的环境噪声表面图，识别噪声热点。（3）**统计与时间序列建模**：采用皮尔逊相关系数评估环境代理指标（登记车辆数、工业企业数）与健康指标的关联；使用Augmented Dickey–Fuller（ADF）检验平稳性；应用ARIMA模型预测工业企业数；应用ARIMAX模型（以工业企业数为外生变量，包含结构断点和冲击项）量化工业活动与耳和乳突疾病及神经系统疾病的统计关联。模型性能通过残差诊断（Shapiro–Wilk、Ljung–Box、Breusch–Pagan检验）和预测精度（MAPE）评估。数据来源：乌兹别克斯坦国家统计局（车辆及工业企业）和卫生部（疾病发病率2014–2024年）。

### 研究结果

**3.1 城市噪声污染的空间分布**
通过50个监测点的测量，LAeq, 10–15 min范围为48–82 dB，均值67.0±6.9 dB；LAmax范围为63–89 dBA，均值74.5±6.3 dBA。最高噪声点位于Dahbed & Omar Khayyam Street和Spitamena Shoha Street（均为82 dB），最低点位于R-45 Samarkand Ring Road（48 dB）。GIS空间插值图显示，噪声水平沿主要交通走廊和工业区最高，在居民区、绿地和城市外围较低。测量LAeq与小时交通量呈中等正相关（r=0.565），表明道路交通是主要噪声源。

**3.2 描述性统计**
2014–2024年，登记车辆数从61,128增至76,495（增加25.1%），工业企业数从1,194增至1,946（增加63.0%）。四种疾病均呈现显著年际波动：耳和乳突疾病（y1）范围1,695–19,651例；精神行为障碍（y2）从207增至1,294例（增加284.1%）；神经系统疾病（y3）从7,980增至73,208例（2021年峰值，增加594.8%）；循环系统疾病（y4）从7,161增至51,522例（2021年峰值，增加234.6%）。2020–2021年疾病激增与COVID-19大流行时间重合。

**3.3 皮尔逊相关分析**
登记车辆数与工业企业数高度相关（r=0.900，p<0.01），存在多重共线性，因此在后续ARIMAX模型中仅保留工业企业数作为外生变量。工业企业数与神经系统疾病（r=0.873，p<0.001）和耳和乳突疾病（r=0.764，p<0.01）呈最强相关；与精神行为障碍（r=0.756，p<0.01）和循环系统疾病（r=0.684，p<0.05）也呈正相关。基于此，仅y1和y3进入ARIMAX建模。

**3.4 ARIMA模型预测工业企业数**
比较三个候选ARIMA模型后，选择ARIMA(0,1,0)含漂移项模型（AIC=114.73，AICc=116.45，BIC=115.34），漂移系数75.2（SE=19.42）。该模型MAPE=3.63%，表明预测精度高。残差诊断通过正态性、无自相关和同方差性检验。预测显示，工业企业数将从2025年的2,021.2增至2030年的2,397.2。

**3.5 ARIMAX模型：耳和乳突疾病**
ARIMAX模型（ARIMA(1,0,0)误差）以工业企业数为外生变量，结果显示工业企业数显著关联疾病发病率（β=4.796，p<0.001），同时2021年存在显著结构断点和冲击项（与COVID-19相关）。模型MAPE=28.55%，属于“合理”预测精度，残差诊断通过。预测显示2025–2030年疾病发病率保持高位但伴有宽置信区间。

**3.6 ARIMAX模型：神经系统疾病**
ARIMAX模型（ARIMA(1,0,0)误差）中，工业企业数显著关联神经系统疾病发病率（β=93.044，p<0.001），2021年存在显著正向冲击（β=22,049.9，p=0.001），2023年起存在显著负向结构断点（β=-24,926.9，p<0.001）。MAPE=19.78%，属于“良好”预测精度，残差诊断通过。预测显示2025–2030年疾病发病率持续上升，置信区间随预测期延长而变宽。

### 讨论与结论总结

**讨论**：研究结果与现有文献一致，即噪声是城市化的重要环境压力源。噪声水平最高区域集中在交通走廊和工业区，空间异质性明显。工业企业数与神经系统疾病和耳和乳突疾病的强相关支持了慢性噪声暴露与健康不良结局的既有证据。ARIMA模型预测工业持续增长，与中亚其他快速城市趋势一致。ARIMAX模型识别出COVID-19大流行期间的结构性变化，通过纳入断点和冲击项改善了模型拟合。耳和乳突疾病模型MAPE较高（28.55%），反映该序列的年际波动大，预测应视为指示性估计。研究强调，结果基于生态探索性设计，使用基础设施代理指标而非实测噪声暴露，因此不能推断因果关系。局限性包括：噪声测量与健康数据时空分辨率不匹配、企业数未与实测噪声验证、疾病诊断类别无法细分、未标准化人口变化、仅春季测量等。未来研究需扩展监测覆盖、纳入多季节数据、整合个体层面健康数据并应用先进模型。

**结论**：本研究提出了一个集现场噪声测量、GIS空间分析与时间序列计量模型的综合框架，评估了撒马尔罕城市环境噪声与公共健康间的统计关联。结果表明，噪声空间分布与交通和工业基础设施布局密切相关；ARIMA模型预测工业持续增长；ARIMAX模型识别出工业企业数与耳和乳突疾病及神经系统疾病存在显著统计关联。预测精度因模型而异（MAPE分别为3.63%、19.78%和28.55%），健康相关预测应视为指示性估计。该框架可重复并推广至其他中亚快速城市化城市，为支持SDG 3和SDG 11的可持续城市发展提供证据基础。