综述：在变化气候中审视数据驱动的清洁空气倡导：一项范围综述

《Current Environmental Health Reports》：Examining Data-Driven Approaches for Clean Air Advocacy in a Changing Climate: a Scoping Review

　　

综述目的（Purpose of Review）：空气污染仍然是一个全球公共卫生和气候挑战，每年导致数百万人过早死亡，并对边缘化社区造成不成比例的影响。本范围综述（scoping review）考察了在气候变化背景下，数据驱动方法（data-driven approaches）如何被用于倡导清洁空气，存在哪些数据动员（data mobilisation）方法、有利条件、局限性，以及是否纳入公平或健康方面的考量。
近期发现（Recent Findings）：低成本监测、卫星数据和数字平台方面的最新进展改变了空气质量数据的可用性和粒度。然而，这些多样化数据源如何被动员并用于影响政策、塑造公共话语和支持社区行动，仍知之甚少。
总结（Summary）：共纳入来自41个国家和100多个城市的50项研究。确定了五类数据驱动方法，包括基于传感器的监测、建模、数字平台和数据可视化、社区中心方法以及生活经验评估。大多数研究（86%，n = 43）结合了多种数据方法。数据驱动方法被用于生成和传达证据、支持政策参与、识别不平等、促进合作和动员社区。本综述强调需要将社区共同生产嵌入监测工作，使资金与长期治理体系保持一致，并标准化开放数据平台，以确保清洁空气倡议公平、持久并响应气候和健康优先事项。

引言（Introduction）
空气污染仍是全球紧迫的环境与公共卫生挑战，每年导致超过800万人过早死亡，并造成重大健康负担、生产力下降、社会不平等及气候危机。主要污染源包括交通、工业过程、农业、垃圾焚烧和家庭能源使用，这些也排放温室气体，因此治理空气污染可同时促进气候变化减缓。然而，空气污染源多样且跨部门交叉，快速城市化加剧了交通、能源和废物系统需求，导致局部污染恶化。污染负担分布不均，边缘化和低收入人群因靠近污染源而承受更高暴露，结构性不平等（如住房不足、医疗可及性差、社会政治权力弱）进一步加剧健康负担。全球治理面临监测数据获取受限、监管能力薄弱、技术专家短缺、机构职责碎片化、资金不足、发展优先事项冲突及既得利益集团阻力等障碍。近期技术进步，如低成本空气质量传感器、开源软件和云端数据平台，提高了数据的时空分辨率，为加强污染管理和问责带来机遇。然而，覆盖、数据质量和可及性方面仍存在巨大不平等。数据必须可操作、可获取并赋能社区。倡导联盟框架（Advocacy Coalition Framework, ACF）强调不同部门行为者形成联盟，共享信念并协调策略以影响政策。数据不仅作为证据，也是联盟用于构建问题、建立共识、对抗叙事和推动政策改革的战略资源。本范围综述旨在考察全球数据驱动清洁空气倡导的格局，综合数据动员方法、有利条件和局限、记录的结果以及健康、气候和公平纳入程度。

方法（Methods）
本范围综述遵循Arksey和O'Malley的五阶段框架。研究团队由多学科专家组成，通过共识会议确定范围和纳入参数。采用Kennedy（2024）对倡导的定义，指个人、社区、组织和联盟为影响政策、实践和社会规范而采取的协调行动。检索策略围绕五个关键主题：空气质量、数据动员、倡导、气候协同效益、健康相关和公平中心方面。检索截至2025年7月发表的文献，数据库包括MEDLINE、CINAHL、Global Health、SCOPUS、Web of Science和Global Health Africa Index Medicus，并补充灰色文献检索。纳入标准包括报告数据驱动方法以推进清洁空气作为气候和健康问题、数据动员方法以及战略结果的研究。排除未报告实施干预或可行动倡议以及非英语文献。数据提取使用定制表格，并进行主题分析，最终确定主要主题。

结果（Results）
初步检索获得20,208篇文章和报告，通过参考文献链和灰色文献获得额外37篇，140篇进入全文筛选，最终纳入50项研究和报告。其中78%（n = 39）为学术手稿，22%（n = 11）为灰色文献。大多数研究（n = 39, 78%）发表于2020–2025年。地理分布：在六大洲41个国家确定了数据驱动的清洁空气倡议。数据驱动方法：包括基于传感器的监测、建模方法、数字平台方法、社区参与和生活经验评估。大多数研究结合了多种方法。基于传感器的监测主要部署低成本传感器（固定和移动）和超本地监测网络，在乌干达、肯尼亚、尼日利亚、喀麦隆、马达加斯加等地生成地方空气质量证据，用于社区参与和政策讨论。例如，乌干达和肯尼亚的几个城市利用传感器数据集制定了国家空气质量标准和城市行动计划。纽约市长期监测评估了污染控制干预措施，报告PM_2.5（37–51%）、NO₂（31–48%）和多环芳烃（PAHs）（66%）持续下降。建模方法利用卫星数据集、排放清单和环境数据，用于预测、成本效益分析和干预评估。例如，香港排放清单分析显示集装箱船对海洋源排放贡献80–82%，推动了自愿低硫燃料使用，使SO₂和PM₁₀减少约80%。数字平台方法包括移动应用和网页平台，改善数据可视化，扩大获取。社区参与方法涉及参与式方法，如培训女性作为空气质量指数（AQI）大使，共同生产监测证据。生活经验评估通过调查和定性方法提供行为模式、认知和政策影响见解。

数据如何用于倡导：五个机制：将复杂数据转化为可获取信息以提高公众意识和行为改变；增加循证决策和监管改革；突出空气污染的不公平负担；制度变革和跨部门合作；增强社会和政治动员。例如，移动应用和公共仪表板将科学信息转化为可访问的见解，实时警报和反馈系统支持行为改变。数据还用于政策评估，如伦敦低排放区（LEZ）和马德里中央区的影响评估。医院和农业部门利用数据作为设计和决策支持工具。在社区和政治背景下，数据揭示了污染集中地和高风险区域，增强了环境正义主张的可信度。

主要主题类别：近一半研究（n = 24, 48%）为气候聚焦，涉及减排、污染监测、低排放区发展等；44%（n = 22）整合了气候-健康视角。

挑战和促进因素：88%（n = 44）研究报告了障碍。最常见的是技术和基础设施限制（32%），包括低成本传感器的可靠性问题、电力中断、数据传输失败、存储不足、校准需求、网络连接有限。技术专业知识和技能差距突出，以及机构能力薄弱和监管基础设施不完善。政治承诺延迟或失败、干预政治化、监管复杂和执行不力也构成障碍。资金限制限制了监测项目的范围和可持续性。数据质量问题包括空间和时间覆盖不全、质量控制不足、公共数据访问受限、方法标准不一致。社会方面，公众反弹、社区阻力和行为挑战也阻碍实施。促进因素（74%）包括社区参与和能力建设、强伙伴关系、可访问的数据系统、有效的政治领导、法律框架和国际倡议。整合协同效益的方法加强了干预理由。

健康相关和公平中心数据：84%（n = 42）明确包含健康或公平维度。健康相关方法将空气污染与全球健康负担、过早死亡和疾病影响联系起来，特别是呼吸和心血管结果。公平中心方法针对低收入家庭、妇女、儿童、老年人、边缘化或少数群体，通过有针对性的监测、社区驱动数据收集、妇女主导的大使计划、绿色空间扩展和清洁烹饪倡议来解决不平等。还强调数据治理中的公平，包括中低收入国家的能力建设、参与式决策和公平导向的资金要求。

讨论（Discussion）
本范围综述综合了来自41个国家50项研究的证据，表明数据驱动方法已成为清洁空气倡导的基础。混合方法主导反映了空气污染的复杂性。传感器监测是应用最广泛的方法，使超本地证据生成成为可能，特别是在监管网络稀疏的低资源环境中。建模方法填补了时空空白，改进了源归因，并生成政策相关情景。数字平台扩大了证据的覆盖面和影响力，提高了透明度和可及性。社区中心方法通过整合生活经验和定量测量加强了社会合法性。然而，重大挑战依然存在：技术限制、能力差距、资金约束、政治障碍。高收入国家受益于更密集的监测基础设施和分析能力，而低收入国家更依赖参与式方法和低成本技术，这反映了环境健康研究中的地理不平等。公平考量突出，但操作化仍不均衡。

结论（Conclusion）
本综述强调数据驱动方法在清洁空气倡导中日益增长的重要性，以及加强证据生产和动员的必要性。数据驱动方法可通过生成证据、翻译技术信息、支持社区参与和促进与决策者互动来为倡导提供基础设施。然而，这些活动是否直接导致政策或环境变化无法从纳入证据中确定。为最大化影响，提出三个优先事项：第一，将社区共同生产嵌入监测，确保数据反映生活现实，建立信任并赋能受影响社区；第二，使资金与长期治理结构保持一致，以维持监测网络，发展机构能力，超越短期试点；第三，标准化开放、可互操作的数据共享平台，以提高透明度、可比性和跨部门协调。总之，这些转变可以将数据从孤立测量转变为可扩展、社区响应的倡导基础，推动空气质量、公平和健康的持久改善。