《International Journal of Environmental Research and Public Health》：Tree Canopy and Self-Reported Mental and Physical Health in Urban Alabama: A Census Tract-Level Ecological Study
编辑推荐：
背景：城市树冠（即城市土地表面被树木覆盖的比例）已被证实与身心健康益处相关。尽管美国深南部（Deep South）地区承受着沉重的健康不良与环境不平等负担，但该地区的相关研究仍显不足。本研究考察了阿拉巴马州城市地区人口普查区（census tract）层面树冠
背景：城市树冠（即城市土地表面被树木覆盖的比例）已被证实与身心健康益处相关。尽管美国深南部（Deep South）地区承受着沉重的健康不良与环境不平等负担，但该地区的相关研究仍显不足。本研究考察了阿拉巴马州城市地区人口普查区（census tract）层面树冠覆盖与自我报告心理及身体健康之间的关联。方法：研究人员将阿拉巴马州大都市统计区（metropolitan statistical area, MSA）的人口普查区层面树冠估计值与来自公开可获取数据的自我报告健康及情境性测量指标相关联，并将树冠保留为主要暴露因素。采用bootstrap稳定的惩罚变量选择方法，从社会经济、人口、住房、交通、环境及健康相关测量中筛选协变量；随后绘制空间分布图并拟合空间误差多变量模型。结果：树木覆盖土地表面的比例越高，成年人自我报告在过去30天中有14天或以上心理健康不佳的年龄调整患病率越低（估计值：?0.0110；p < 0.001）。树木覆盖土地表面的比例越高，成年人自我报告在过去30天中有14天或以上身体健康不佳的年龄调整患病率也越低（估计值：?0.0045；p = 0.002）。两个模型中的空间误差参数均持续存在，表明存在未能被树冠或所选协变量充分解释的残余空间格局。结论：本研究将城市树冠相关文献拓展至一个研究不足的地区，并展示了公开可获取的人口普查区层面数据与机器学习引导的协变量选择及空间建模相结合，能够为环境健康与公平研究生成可操作的研究假设。
**一、研究背景与研究意义**
城市树冠（urban tree canopy，即城市土地表面被树木覆盖的比例）已被大量研究证实可通过去除空气污染物、提供遮荫缓解热暴露、降低城市温度以及促进户外体力活动等途径带来健康益处。然而，美国深南部（Deep South）地区尽管承受着沉重的健康不良与环境不平等负担，相关研究却长期不足。阿拉巴马州在全美多项不良健康结局排名中持续靠后，其城市树冠分布呈现显著的不平等格局，稀疏树冠区域与历史上红线政策（redlining，即住房所有者贷款公司[HOLC]通过拒绝向特定社区提供抵押贷款以实现种族隔离的歧视性做法）划定的社区高度重合。红线政策阻断少数族裔家庭代际财富积累，导致这些社区工业污染集中、医疗资源匮乏、城市规划投入不足、树冠长期稀缺，并演变为城市热岛。鉴于树冠是少数可通过城市规划干预的环境因素，研究人员首次在阿拉巴马州开展覆盖全州城市人口普查区（census tract）的树冠与自我报告健康关联的生态学分析，研究成果发表在《International Journal of Environmental Research and Public Health》。
**二、主要技术方法**
研究纳入阿拉巴马州28个大都市统计区（metropolitan statistical area, MSA）县共827个人口普查区。树冠数据来自阿拉巴马大学伯明翰分校健康社会决定因素（Social Determinants of Health, SDH）核心项目，基于美国国家土地覆盖数据库（National Land Cover Database, NLCD）2011—2021年30米分辨率树冠覆盖产品按普查区聚合；健康结局与情境协变量取自美国气候脆弱性指数（Climate Vulnerability Index, CVI），该指数整合了行为风险因素监测系统（BRFSS）、美国人口普查局及美国社区调查（ACS）等公开数据。研究人员采用组最小最大凹惩罚（group minimax concave penalty, MCP）惩罚回归筛选协变量，结合200次bootstrap重抽样与扩展贝叶斯信息准则（EBIC）提高选择稳定性，以方差膨胀因子（VIF）剔除多重共线性变量；经Moran's I检验与Rao's score诊断后，采用空间误差模型（spatial error model, SEM）估计关联。
**三、研究结果**
**3.1 空间分布特征。** 地理制图显示，阿拉巴马州MSA内树冠覆盖率、自我报告心理健康不佳与身体健康不佳均呈现明显的空间聚集与异质性分布。
**3.2 心理健康模型。** 通过bootstrap稳定惩罚变量选择，最终保留树冠及成年人哮喘、低收入、少数族裔比例、年化干旱频率、无高中文凭、常规医生就诊、乳房X光筛查等协变量，高血压因VIF>10剔除。全局Moran's I为0.249（p < 0.001），Rao's score诊断支持空间误差依赖。SEM结果显示，树冠覆盖与自我报告心理健康不佳（过去30天中≥14天心理健康不佳的年龄调整患病率）呈显著负相关（估计值?0.0110，p < 0.001），即树冠每增加10个百分点，心理健康不佳患病率降低0.11个百分点；树冠二次项检验不显著（p = 0.59），支持线性关系。
**3.3 身体健康模型。** 采用相同分析流程。SEM结果显示，树冠覆盖与自我报告身体健康不佳同样呈显著负相关（估计值?0.0045，p = 0.002），树冠每增加10个百分点，身体健康不佳患病率降低0.045个百分点，效应幅度较心理健康模型有限。慢性阻塞性肺疾病（COPD）、少数族裔比例、常规医生就诊及低收入与较差身体健康正相关，65岁及以上比例与较差身体健康负相关。两个模型的空间误差参数均保持显著，提示调整协变量后仍存在残余空间格局。
**四、讨论与结论**
研究结果与澳大利亚、南加州、肯塔基州及丹佛、凤凰城等地研究一致，支持树冠覆盖率与心理和身体健康正向关联的普遍性。方法学上，该研究展示了运用机器学习技术筛选公开大数据协变量、继而进行空间建模的研究路径，在环境健康研究经费受限的背景下具有实践价值。部分协变量结果看似反直觉：少数族裔比例与心理健康呈负相关而与身体健康呈正相关，与"黑人—白人心理健康悖论"文献相符；乳房X光筛查、常规医生就诊等预防
