EN中文

PROGRESS IN GEOGRAPHY >

2021 , Vol. 40 >Issue 6: 980 - 990

DOI: https://doi.org/10.18306/dlkxjz.2021.06.008

Articles

Influencing factors and spatial characteristics of residents’ pollution perception around large-scale waste treatment facilities

  • DANG Yi , 1, 2 ,
  • TANG Qing 3 ,
  • YU Jianhui , 1, 2, * ,
  • ZHANG Wenzhong 1, 2 ,
  • LI Jiaming 1
Expand
  • 1. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Bureau of Frontier Sciences and Education, CAS, Beijing 100864, China

Received date: 2020-10-19

  Request revised date: 2021-03-17

  Online published: 2021-08-28

Supported by

National Natural Science Foundation of China(41671166)

National Natural Science Foundation of China(41871170)

Strategic Priority Research Program of the Chinese Academy of Sciences(XDA23100302)

Copyright

Copyright reserved © 2021
Fold

Abstract

In recent years, with the rapid development of large cities in China, large-scale waste treatment facilities and residential spaces overlap are affecting residents' quality of life. Taking Beijing's largest waste treatment center—Asuwei as the research object, this study built a multilayer linear model based on data from a questionnaire survey conducted in August to October 2019 to examine the relationship between residents' perception of pollution and distance from the source of pollution, residents' individual attributes, and residents' subjective perceptions. Using this model, we explored the influencing factors of residents' perception of pollution around neighboring facilities. On this basis, combined with demographic characteristics of the areas around waste treatment facility, the spatial characteristics of residents' pollution perception were analyzed. The study found that: 1) In terms of individual attributes, factors such as education background and household income have a positive effect on residents' perception of pollution; "old Beijingers" are most sensitive to pollution from waste disposal centers, while "new Beijingers" are the least sensitive; residents aged 30-40 have the strongest perception of pollution. 2) In terms of subjective perception, residents who are aware of the surrounding pollution sources and believe that they are exposed to great pollution hazards are more sensitive to pollution. 3) Distance to Asuwei directly affects residents' perception of pollution, as well as the degree to which other factors affect residents' perception of pollution. The farther the distance, the greater the impact of education, household income, and knowledge of pollution sources on pollution perception. 4) The residential communities within 9 km from Asuwei gather a large number of low-income and less educated people. Such residents lack the necessary protection awareness and need to be paid attention to. There are more highly educated "new Beijingers" in the Huilongguan-Tiantongyuan area that is 9-12 km away from Asuwei, and in this area residents' perception of pollution varies greatly. Residents in the areas more than 12 km away from Asuwei have weak perception of pollution, and the negative perception of these residents can be eliminated through positive guidance.

Key words： pollution perception; multilayer linear model; influencing factors; Beijing

Cite this article

DANG Yi , TANG Qing , YU Jianhui , ZHANG Wenzhong , LI Jiaming . Influencing factors and spatial characteristics of residents’ pollution perception around large-scale waste treatment facilities[J]. PROGRESS IN GEOGRAPHY, 2021 , 40(6) : 980 -990 . DOI: 10.18306/dlkxjz.2021.06.008

城市是人类活动和经济社会发展的重要载体,是人类文明的结晶。但是伴随着城市的发展,过度的人口资源集聚促进了邻避设施的建设,居住空间逐渐与邻避空间相交叠,影响居民的生活品质及环境感知。
环境感知是一个主观概念,是指个体对环境质量的印象[1],受生理条件、教育程度、社会地位等诸多因素影响,具有不精确性[2]。环境污染感知是个体针对污染的环境感知,以往的相关研究集中在污染程度、居民属性及社会环境对于环境污染感知的影响。研究大多认为污染程度与污染感知强度正向相关[3,4]。也有一些学者认为污染感知与个体所处环境的污染程度无显著关系,而主要受个体特征的影响[5,6,7]。在个人属性方面,针对性别[8]、收入[9]、教育程度[10,11]、年龄[12]及种族[13]等因素的研究较多。社会环境对污染感知的影响体现在2个方面：一是社会对污染风险的污名化会加重居民的污染感知[14];二是居民污染感知与其所在社会系统有关[15],研究表明周围居民的认知会影响个体对污染的感知[16]。邻避设施是城市中常见的污染源,多以点源污染的形态存在,到邻避设施的距离是影响居民对其污染感知的重要因素[17],以往研究在探究污染感知的空间衰减特征时多采用相关性分析和多元线性回归分析,例如史兴民等[18]在Mann-Whitney秩和检验的基础上,通过相关性分析判断各类污染感知与到污染源距离的关系。Lima[19]结合多元线性回归与相关性分析证实了距离焚烧炉越近的居民污染风险感知越强。此外,目前已有一些有关垃圾填埋场等邻避设施污染感知群体差异的研究,Ma等[20]采用贝叶斯多层线性模型,分析了污染暴露下,北京市居民对于各类污染(包括垃圾场污染)感知的空间特征及群体差异,发现弱势群体由于污染接触风险较大,常常具有更加强烈的污染感知。
目前,国内外有关大气污染感知的研究较为丰富,而针对邻避设施污染感知的研究较少,中国关于大城市邻避设施污染感知的系统研究明显不足。对已有研究进行总结发现,以往研究较少考虑户籍及迁居2大因素对居民污染感知的影响,而在中国的大城市,本地户口的获取门槛较高,对于居民生活的影响较大,不同户籍状态居民具有明显的心态差异。与此同时,在高房价的压力下,居民居住的稳定性较差,因工作和教育因素而迁居的现象时有发生,因此在分析中国城市的居民污染感知时,不应忽略户籍和迁居因素的影响。此外,当前研究更多地关注客观属性对居民污染感知的影响,而忽略了同类居民也会因主观认知的差异而产生的不同污染感知。最后,到邻避设施的距离作为影响邻避设施污染程度的重要要素,当前对其研究仍停留在直接影响方面,在现实情境中,到污染源的距离增加会使不同群体之间的污染感知差异扩大或缩小,因此距离可能还会影响其他因素对居民污染感知的作用强度。在此背景下,本文在以下2个方面对已有研究进行补充：一是综合量化迁居计划、户籍及主观认知因素对于中国大城市居民污染感知的影响;二是量化其他因素对居民污染感知的影响程度与居民到污染源距离的关系。为此,以北京市最大的垃圾处理中心——阿苏卫为例,通过多层线性模型分析其周边居民污染感知的影响因素,在此基础上结合居民的构成分析阿苏卫周边居民污染感知特征的空间格局,针对减弱邻避设施对居民影响问题提出相关建议。

1 数据与方法

1.1 研究范围与数据

阿苏卫是北京市最大的垃圾处理中心,位于北京市昌平区小汤山镇阿苏卫村,地处北六环南侧距北六环不足1 km。阿苏卫垃圾处理中心的总处理能力高达7400 t/d,自1994年投入运营以来,共经历3次邻避型抗议活动,具有较高的知名度[21],在污染类邻避设施中代表性较强。
本文所用的数据主要包括阿苏卫周边社区的位置数据及有关居民污染感知的问卷数据。根据市城管委牵头第三方监制的问卷(https://www.wjx.cn/m/41832177.aspx?from=groupmessage)收集的居民报臭数据及网络论坛中提及的对阿苏卫抗议话题较多的社区,选择了41个可能受影响较大的典型社区作为样本(图1)。以往研究发现阿苏卫垃圾处理中心大约会对周边14 km范围内的房价产生影响[22],本文所选的样本社区大多分布于这一范围。① 采用Python编写的爬虫程序,调用百度地图地点检索API获取社区的位置信息。利用ArcGIS的近邻分析获取社区到阿苏卫垃圾处理中心的距离及方位数据。② 根据历史信息,阿苏卫垃圾处理中心在夏季味道较重,对居民影响较大,因此于2019年8—10月开展对阿苏卫污染感知的问卷调查工作。问卷调查采用配额抽样的方法,在各小区依据年龄与性别的配额对居民进行拦访调查,其中性别、年龄配比根据小区所在街道的人口构成确定,经过一致性检查最终回收有效问卷867份。调查问卷由3个部分内容组成：一是居民对于周边垃圾填埋、焚化等大型垃圾处理设施污染的感知程度,为了使结果更加细化,采用10级李克特量表量化居民的污染感知;二是居民属性,包括年龄、性别、学历、家庭收入、户籍状态等,这是影响居民价值观及行为的基本要素;三是居民对污染的主观认知,包括居民对周边污染源的了解情况以及对于环境污染危害性的认识。
图1 研究区及样本社区分布

Fig.1 The study area and distribution of sample communities

1.2 研究方法

在回归分析时,采用高层级单位的信息直接推测或替代低层级单位信息会造成生态学谬误问题[23]。以往关于污染感知的研究大多采用单层的多元线性模型,假设样本之间相互独立,忽略了数据嵌套的问题[24],导致回归模型里变量的显著性偏高[25,26]。为了获取更加可信的结果,本文使用多层模型改进居民污染感知影响机制的研究,从社区和个体2个尺度进行联合分析。
多层线性模型(hierarchical linear model,HLM)将因变量的变异分解为组内差异及组间差异2个部分[27]。基于对组间差异处理方法的不同,分为随机效应模型、固定效应模型和多层次模型。本文采用多层次模型进行分析,其中第一层模型的自变量为个体属性,同时考虑截距和斜率的随机效应;第二层模型的因变量为第一层模型常量和自变量的系数,其自变量为第一层模型常量及自变量系数的影响因素,同样加入随机效应,模型的表达式如下：

第一层: Y ij = β 0 j + ∑ i = 1 n β ij X ij + ε ij

第二层: β 0 j = γ 00 + ∑ i = 1 k 1 γ 0 i W ij + μ 0 j

β 1 j = γ 10 + ∑ i = 1 k 2 γ 1 i W ij + μ 1 j
……
β nj = γ n 0 + ∑ i = 1 k n γ ni W ij + μ nj
式中： n 表示第一层级自变量的个数; β 0 j 表示第一层方程的截距; X ij 表示个体层级变量; β ij 为个体层级变量的斜率; γ 00 、 γ i 0 表示第二层方程的截距; γ 0 i 为群体层级变量的斜率; k 1 , … , k n 表示各个体变量对应的调整变量个数; γ 1 i , … , γ ni 为对应调整变量的斜率; ε ij 和 μ 0 j , … , μ nj 为误差项。
为了验证采用HLM模型的必要性,对因变量(认为周边垃圾填埋、焚化等大型垃圾处理设施对所在社区污染程度)进行空模型检验。ICC1和ICC2均是反映样本组内一致性的统计量(表1),结果显示,空模型的ICC1为0.507,ICC2为0.956,由此可见,变量具有较强的组内相关性,相对于组内方差,组间方差不可忽略,因此需采用多层线性模型进行分析。
表1 分层建模适宜程度的判断标准

Tab.1 Criteria for the suitability of hierarchical modeling

组内
相关程度		 ICC1 ICC2
ICC1范围 适宜
分层程度		 ICC2范围 适宜
分层程度
低度相关 ICC1≤0.059 不适宜 ICC2≤0.75 不适宜
中度相关 0.059<ICC1≤0.138 较适宜
高度相关 ICC1>0.138 十分适宜 ICC2>0.75 适宜

2 阿苏卫垃圾处理中心周边居民污染感知空间特征

2.1 阿苏卫周边社区人口特征分析

经资料收集和实地调查发现(表2),能够感知到阿苏卫处理中心臭味的社区可以分为3个层级,一是紧邻阿苏卫的沙河地区、百善镇及北七家镇等5个街道,这些街道到阿苏卫的距离在9 km以内,具有区位偏僻、交通不便、居住密度中等特征,居住在这一区域内的居民多是低学历、低收入。第二层级为回龙观和东小口地区,区域人口密集,交通拥堵。已有研究表明,回龙观、东小口地区有大面积的新建住宅,外来人口较多,且以25~40岁人口居多[28,29],其中的回龙观地区是高学历高收入、工作年限较短的“新北京人”的聚集地[30]。在北京市346个街道中回龙观和东小口地区的高中及以下学历居民占比排名分别为312和274,而本科及以上学历居民占比排名分别为19和61。第三层级是上地、马连洼和西北旺等街道,这些街道到垃圾处理中心的距离在12 km以上,交通便捷,居住环境相对较好。该区域的各街道均以外来人口为主,不同街道居民文化程度差异较大,城北、东升、西三旗、清河及马连洼街道本科及以上学历的居民占比较大,而其他街道高学历人口占比较少。
表2 阿苏卫垃圾处理中心周边街道人口特征

Tab.2 Demographic characteristics of sub-districts around Asuwei Waste Treatment Center

街道/乡镇名称 距离/m 本地人口占比
排名		 人口数量排名 人口密度排名 街道学历占比排名
高中及以下 大学本科及以上
百善镇 1539 172 248 209 140 171
小汤山镇 5334 223 128 199 137 186
沙河地区 5456 284 52 162 219 168
北七家镇 7704 321 3 138 153 154
南邵镇 8182 175 234 208 125 201
回龙观地区 9051 317 2 8 312 19
东小口地区 10077 322 1 50 274 61
城北街道 12088 216 10 104 276 40
西三旗街道 12650 260 25 63 303 27
东升地区 13191 305 147 122 27 5
城南街道 13251 303 118 140 216 161
清河街道 13412 269 32 77 257 60
西北旺镇 14215 312 27 152 243 244
上地街道 14360 309 66 100 320 265
马连洼街道 14986 270 59 103 289 39

注：表中“排名”指在北京市346个街道中的排名。

综合上述分析可以看出,紧邻阿苏卫垃圾处理中心的居民大多学历较低,经济能力较差;而紧邻区域之外,以回龙观、东小口为代表的区域集聚着较多高学历外来人口,这一群体信息获取能力较强,对周边环境的污染具有深刻的了解,比较关注环境污染对健康的危害,因此一直以来对阿苏卫声讨不断;距离阿苏卫较远的街道居民构成差异较大,既有高学历人口占比较大的东升、西三旗等街道,也有外来人口较多且分布密集、高学历居民占比较少的西北旺、城南等街道。

2.2 阿苏卫周边社区居民污染感知空间特征

通过各社区居民对大型垃圾处理设施污染感知程度均值和标准差,分析阿苏卫周边社区的居民污染感知特征(图2)。
图2 各小区居民对大型垃圾处理设施污染感知程度均值及标准差分布

图中数字对应小区名称如下：1.吕各庄村,2.双兴苑,3.讲礼新村,4.善缘家园,5.阿苏卫小区,6.宏福苑北区,7.松兰堡,8.于辛庄,9.北京城建畅悦居小区,10.温泉花园,11.龙冠冠华苑,12.流星花园一区,13.北亚花园,14.龙锦苑东五区,15.云趣园一区,16.望都家园,17.领秀慧谷A区,18.龙禧园二区,19.金融街金色漫香苑,20.泰禾拾景园,21.名佳花园一区,22.龙华园,23.五福家园,24.新龙城,25.河畔家园,26.天通西苑三区,27.融泽嘉园2期,28.天通北苑,29.领秀新硅谷1号院,30.随园,31.观林园,32.阳光南里,33.永丰嘉园,34.北苑家园,35.四街社区居委会,36.东馨园,37.八家嘉园,38.圆明园东里,39.三嘉信苑,40.亮甲店村,41.千秋花园。

Fig.2 Distribution of the mean and standard deviation of residents' perception of pollution from waste treatment facilities in each community

(1) 样本社区居民污染感知程度均值为2.54。河畔家园、五福家园、观林园、北苑家园、随园的居民污染感知均值为0。温泉花园、阿苏卫小区等9个社区感知程度均值大于5,其中位于北七家镇的龙冠冠华苑感知程度最大,为9.45。随着到阿苏卫垃圾处理中心距离的增加,居民污染感知程度均值逐渐递减。污染感知较强的居民大多集中分布在9 km范围内,当距离约为15 km时,除了紧邻六里屯垃圾填埋场的2个社区外,其他社区居民污染感知微弱,均值均小于0.5。
(2) 样本社区居民污染感知程度标准差为2.34,温泉花园、龙禧园二区等6个社区标准差大于4,北七家镇的畅悦居小区感知程度标准差最大,为4.65。感知程度标准差与均值具有较强的相关性,相关系数为0.71,但相对于感知程度均值,不同距离范围的社区居民感知程度标准差差异较小。距离阿苏卫5 km以内的社区居民感知程度标准差均值为2.59,距离在5~9 km时为2.94,大于9 km时为1.73。
(3) 到阿苏卫距离处于第一层级的街道中,百善镇和小汤山镇污染感知程度均值均大于6,标准差均值分别为3.55和2.41。这2个街道居民大多污染感知程度较高,少数居民由于长期居住于此,对于垃圾异味习以为常,污染感知较弱。一些居民尽管也曾闻到酸臭气味,但由于缺乏对周边污染源的了解,因此未将相关污染归结于阿苏卫垃圾处理中心。北七家镇污染感知均值为4.82,标准差均值为3.56,相对于百善镇和小汤山镇,北七家镇距离阿苏卫稍远,但社区密集,居民对阿苏卫的讨论激烈,舆论环境加重了居民的污染感知。位于第二距离层级的“回天地区”尽管距离阿苏卫较远,其间社区的居民仍具有较大的污染感知标准差,龙禧园二区、云趣园一区等第二距离层级内近一半社区标准差大于3。结合区域人口特征发现,以回龙观、东小口为代表的区域集聚着较多的年轻高学历外来人口,这一群体信息获取能力较强,对于周边环境的污染较为了解,对垃圾处理设施争论强烈,不同居民对于是否有明显臭味及臭味是否来自阿苏卫的观点不同,部分居民受污名化效应及网络舆论的影响对阿苏卫反对声音较大,但也有一些居民认为阿苏卫垃圾处理中心对居住区的影响微弱。在第三层级的街道中,西北旺镇的社区受到六里屯垃圾填埋场影响较大,其周围的亮甲店、千秋花园居民感知程度均值分别为6.05和6.41,其他街道的社区感知程度均值均在1以下,居民几乎无法感知阿苏卫垃圾处理中心的污染。

3 居民污染感知影响因素分析

3.1 指标体系

本文为探究居民对阿苏卫垃圾处理中心污染感知影响因素,以认为周边垃圾填埋、焚化等大型垃圾处理设施对所在社区污染程度为因变量。在自变量的设置上,结合已有研究[5-6,18,23,32]以及阿苏卫周边居民的个体属性与污染感知特征空间耦合关系,选择如下的变量作为自变量(表3)：
(1) 社区层级变量包括到阿苏卫垃圾处理中心的距离和方位,考虑到六里屯垃圾填埋场位于阿苏卫垃圾处理中心可能的影响区域内,且其具有1500 t/d的垃圾处理能力,会对研究结果产生一定的影响,因此将到六里屯垃圾填埋场的距离作为社区层级的控制变量纳入模型。
(2) 个体层级变量包括居民属性及居民主观认知,前者是影响居民价值观及行为的基本要素,包括自然属性和社会属性;后者体现了居民对于城市污染的基本看法,包括对周边污染源的了解程度及对污染源危害性的认知,为了便于居民理解与量化,以认为污染要素对房价的影响程度来衡量居民对污染危害性的认识。
(3) 距离不仅会直接影响居民的污染感知,也会影响其他变量对污染感知的影响程度,表现为个体层级自变量的回归系数是距离的函数。
(4) 为了构建稳健性和解释力度较强的模型,对包括房源、性别、年龄、学历、健康程度、幸福感及家庭结构等可能影响居民感知的因素及距离对各变量的调整变量纳入模型进行迭代运算,最终选择表3中的变量为自变量,并将距离作为对学历、家庭收入、迁居计划及购房前是否了解周边污染源4个变量系数的调整变量。
表3 指标选取及问卷调研样本描述性统计

Tab.3 Indicators and survey sample description statistics

变量类型 变量 取值分布(比例)
距离(社区层级) 到阿苏卫垃圾处理中心的距离 范围：2~15 km,平均值：8.69 km
到六里屯垃圾填埋场距离 范围：0.4~20 km,平均值：12.49 km
方位(社区层级) 位于阿苏卫垃圾处理中心的方位 东南(51.22%);西南(31.71%);东北(7.31%);西北(9.76%)
个人属性
(个体层级)		 学历 初中及以下(15.22%);高中(21.22%);大专(24.11%);大学(32.76);研究生及以上(6.69%)
家庭年收入 0~5万元(15.8%);5万~7万元(12%);7万~9万元(11.19%);10万~20万元(28.03%);20万~30万元(19.72%);30万~50万元(9.34%);大于50万元(3.92%)
家庭汽车数量 范围：0~4辆;均值：0.67辆
迁居计划 有(16.03%);无(83.97%)
年龄阶段 30岁以下(40.37%);30~40岁(26.65%);40~50岁(14.76%);50岁以上(18.22%)
户籍 籍贯户籍均北京(29.99%);外地籍贯北京户口(4.27%);外地籍贯外地户口(65.74%)
主观认知
(个体层级)		 购房前是否知道周边污染源 知道(10.27%);不知道(89.73%)
是否知道阿苏卫垃圾处理中心 知道(38.18%);不知道(61.82%)
是否知道六里屯垃圾填埋场 知道(13.26%);不知道(86.74%)
污染要素对房价的影响程度 范围：0~10;平均值：5.7;标准差：3.44
认为大型垃圾处理设施是对房价影响最大的污染要素 是(35.87%);否(64.13%)
小区垃圾堆废物污染程度 范围：0~10;平均值：1.55;中位数：2.66

3.2 居民污染感知影响因素分析

在分析分类变量时,选择其中一类作为对照组,以探究不同类别居民的感知特征差异。为了保证回归结果的稳健性,本文选择在变量中占有较大比重、同时与其他类别占比差异尽可能小的类别作为对照组。在HLM 6.08中采用限制性最大似然估计法获取各变量的系数,在模型加入小区层级变量和个体层级变量后,因变量组间方差由7.635显著降低为1.886,同时模型的偏差信息量准则DIC(deviance information criterion)显著降低了144,相较于普通的多元线性模型,多层线性模型的解释能力显著增强。根据小区层级变量的回归结果发现(表4),到污染源的距离和方位对居民污染感知具有显著的影响,随着到大型垃圾处理设施距离的增加,居民污染感知程度显著降低,位于西南区域的居民感知最弱。
表4 居民污染感知影响因素指标体系及回归结果

Tab.4 Indicator system and regression results of pollution perception influencing factors

变量类型 变量 回归系数
距离(社区层级) 到六里屯垃圾填埋场距离 0.238**
到阿苏卫垃圾处理中心的距离 0.289***
方位(社区层级) 阿苏卫垃圾处理中心的方位(对照组：位于西南)
位于东南 1.975*
位于西北 1.943**
位于东北 3.373***
个人属性
(个体层级)		 学历(共5级,从低到高为1~5) 0.193*
家庭收入(共7级,从低到高为1~7) 0.089*
家庭汽车数量 -0.450***
3~5 a内是否有迁居计划(对照组：无迁居计划)
有迁居计划 -0.713**
年龄阶段(对照组：30岁以下)
30~40岁 0.542**
40~50岁 0.375*
50岁以上 0.435*
户籍(对照组：籍贯户口均北京)
籍贯外地有北京户口 -1.420***
籍贯外地无北京户口 -0.518***
主观认知
(个体层级)		 购房前是否知道周边污染源(对照组：不知道)
知道 1.513***
当前是否知道阿苏卫垃圾处理中心(对照组：不知道)
知道 1.664***
当前是否知道六里屯垃圾填埋场(对照组：不知道)
知道 0.342
认为污染要素对房价的影响程度(共10级,从低到高为1~10) 0.082***
大型垃圾处理设施是对房价影响最大的污染要素(对照组：不认为)
认为 1.667**
小区垃圾堆废物污染程度(共10级,从低到高为1~10) 0.109**

注：***、**、*分别表示P<0.001、P<0.05、P<0.1,下同。

目前关于学历、家庭收入、年龄与污染感知关系的研究较多,且存在一定的争议。本文研究表明,学历越高的居民对于环境污染越敏感,这一结果与Kim等[5]及Jacquemin等[31]的研究一致,而史兴民等[18]对陕西省彬长矿区的研究发现文化程度越高的居民污染感知越弱,Rotko等[6]则认为教育程度与污染感知无关。在收入方面,本文发现家庭收入越高的居民对污染越敏感,而大多已有研究表明低收入家庭更容易暴露在严重的污染环境中[23,32],因此污染感知较强。结论的差异与对污染感知的内涵界定有关,本文在分析污染感知时通过控制到污染源的距离及方位变量,在一定程度上控制了污染程度对感知的影响,侧重于居民对于环境污染敏感度的分析,其他研究[18,23,32]则侧重分析不同群体实际感知到的污染程度差异。有关年龄的研究中,国外学者大多认为越年轻的居民污染感知越敏感[5],本文则发现30~40岁居民对污染最敏感,这与国内外城市家庭生命周期有关。中国大城市该年龄段的居民担负着较多的家庭责任,关注孩子及老人的健康问题,生活压力较大,相比于其他年龄层,该年龄阶段的居民对风险的感知更强烈。30岁以下的居民对于垃圾处理设施的污染最不敏感,可能因为这些居民中不少还是未成年人,对污染问题及身体健康的重视程度较低。在汽车数量方面,家庭汽车越多的居民污染感知越弱,采用小汽车出行会降低污染暴露程度[33,34,35],进而影响污染感知。
当前有关迁居计划与户籍对污染感知的影响研究较少。本文发现,无迁居计划的居民比有迁居计划的居民对污染更敏感。在与居民的访谈过程中,我们发现距离阿苏卫较近的居民大多对污染表现出强烈的焦虑情绪,焦虑感加剧了居民对污染的敏感程度,而打算迁移的居民由于即将离开污染区域,对周边的污染问题较为漠视,污染感知较轻。在不同户籍的群体中,具有北京籍贯的“老北京人”对环境污染最敏感,籍贯和户口均为外地的外来人口次之,籍贯为外地、户口为北京的“新北京人”对污染感知较弱。老北京人大多长期生活在这一区域,由于存在垃圾处理中心建设前后的对比,对当前污染情况较为敏感。外来人口对城市缺乏归属感,对城市的负面问题情绪较为强烈;新北京人对北京的认同感更强,对于居住环境的评价相对积极,对环境污染的敏感程度较低。
在主观认知方面,除“是否知道六里屯垃圾填埋场”之外,其他变量对居民污染感知的影响均显著,购房前知道周边污染源及当前知道阿苏卫垃圾处理中心的居民对污染更敏感,认为污染要素对房价的影响程度与居民污染感知呈正相关,认为大型垃圾处理设施是对房价影响最大的污染要素的居民比不这样认为的居民对污染更敏感。在调研过程中发现抱怨大型垃圾处理设施污染的居民,往往也会对社区垃圾堆废物污染产生不满情绪,有的居民对异味感知敏感,但无法判断其来源,因此模型中加入居民对社区垃圾堆废物污染感知程度,结果表明,垃圾堆废物会影响社区的环境质量,进而加重居民对于垃圾处理设施污染程度的判断。

3.3 不同距离下影响因素对污染感知作用差异分析

距离既会影响客观污染程度,而直接影响居民的污染感知,也影响自变量的系数,间接影响居民的污染感知。具体来看,当距离发生变化时,影响因素对于居民污染感知的影响程度也随之变化,因此到阿苏卫距离不同的区域,其居民污染感知的群体间差异不同。
对HLM模型第二层系数求解发现调整变量的回归系数均为正(表5),可见随着到阿苏卫距离的增加,学历、家庭收入及购房前是否知道周边污染源3个变量的系数随之增大,变量对污染感知的影响逐渐增强。位于阿苏卫4 km以内区域的居民污染感知程度普遍较高,均值高达7.5,个体差异较小。随着距离的增加,客观污染程度逐渐减弱,距阿苏卫4~9 km的居民污染感知均值为3.02,9 km以外仅为1.18。当到阿苏卫距离较大时,环境的客观污染程度较低,由学历和家庭收入造成的感知阈值差异是导致居民污染感知存在明显差异的主要原因,此外,由于实际感受到的臭味较轻,购房前了解周围污染源的居民受先验知识的影响,更容易捕捉到这一微弱的污染,图3显示了距离对居民污染感知的影响过程。
表5 调整变量的回归结果

Tab.5 Regression results of adjusted variables

调整变量 回归系数
到阿苏卫距离与学历 0.071***
到阿苏卫距离与家庭收入 0.043***
到阿苏卫距离与迁居计划 0.049
到阿苏卫距离与购房前是否知道周边污染源 0.237*
图3 距离对居民污染感知的影响过程

Fig.3 The influence of distance on residents' perception of pollution

4 结论与讨论

4.1 结论

本文以阿苏卫垃圾处理中心为例,探究了大城市居民对邻避设施污染的感知规律,在此基础上分析了阿苏卫周边居民的污染感知空间特征,研究表明：
(1) 收入、文化程度越低的居民对环境污染越不敏感。紧邻阿苏卫垃圾处理中心的区域集聚着大量的低收入低学历的弱势群体,相对于实际污染程度,这些居民感知到的污染较弱,缺乏相应的防护意识与能力,需要政府给予更多的关怀与帮助。
(2) 主观认知对污染感知具有较强的正向影响,了解周围污染环境、认为垃圾处理设施危害较大的居民污染感知较强烈。到阿苏卫距离在9~12 km之间的“回天地区”的居民较多是文化程度较高外来人口,对于周围环境污染较为关注,是城市建设过程中的发声人和活跃力量。应该适当给予这类居民监督垃圾处理中心的渠道,加大公众参与程度及管理过程的透明度,以缓解居民的邻避情绪,增强外来人口对北京市的认可。
(3) 根据调整变量的系数来看,距离可以影响个体层级变量对居民污染感知的作用程度,距离越远不同群体间感知差异越大。距离阿苏卫12~15 km社区的居民大多无法感知到垃圾处理中心产生的臭味,部分对环境品质要求较高的居民存在轻微的污染感知,通过优化垃圾处理技术及加强正向的科普及宣传,可以基本解决这一区域的居民对于垃圾污染的顾虑。

4.2 讨论

本文结合已有的研究,在分析社区与污染源的位置关系、个体属性对居民污染感知影响的基础上,增加了居民主观认知对污染感知的影响分析,验证并补充了现有关于污染感知研究的相关成果。采用HLM多层线性模型,在分析个体层级变量的影响时,较大程度剥离了社区与阿苏卫相对位置对于结果的影响,贴合了居民污染感知敏感度这一概念。同时,本文分析了到污染源的距离对于其他自变量影响居民污染感知程度的作用,补充了现有研究中要素影响静态化的问题,增强了研究结果对于现实的指导意义。相比于大气污染等宏观尺度的环境污染,邻避设施的污染范围相对有限,对城市内部环境公正的影响较大。垃圾处理设施会损害其周边居民的利益,从城市的尺度来看,以阿苏卫为代表的大型垃圾处理设施往往分布在城市的近郊区,这些区域分布着大量城乡结合部地域,管理相对混乱,居民构成复杂,由于房价及生活成本相对较低,是弱势群体集聚的区域[22],弱势群体对污染所负的责任较小,但承受的环境负外部性较强[36]。从垃圾处理设施的尺度来看,受其影响的区域范围较大,阿苏卫垃圾处理中心的影响范围延伸10多km,区域内部也存在污染程度和人群的分异。越邻近污染源的区域污染越重,弱势群体越集中;影响范围内边缘区域的居民受污染影响较小,尽管这一区域居民的择居仍受到较多现实因素的限制,但防护能力有所提升,距离垃圾处理设施不同距离的居民,其出行方式和防护能力的差异进一步影响了环境公正。当前北京市垃圾处理设施布局已相对稳定,为了降低邻避设施给环境公正带来的的负面影响,政府已逐步落实垃圾处理设施周边村落的搬迁,此外,我们呼吁为不同区域的各类群体制定差异化的补偿措施,通过普及防护知识和完善防护设备,降低环境污染给弱势群体带来的健康风险,通过加强垃圾处理中心的透明化管理及公众参与,促进垃圾处理过程的规范化,并缓解污染感知敏感的群体因邻避情结而产生的心理焦虑。
受时间和数据的限制,本文仍存在较多的不足,将在未来的研究中加以完善：① 在分析学历及家庭收入对污染感知的影响时,用有序分级变量代替虚拟化的分类变量,而二者与污染感知之间未必是单调的关系;② 构建了距离与污染感知的一次函数,未来可增密采样社区,将距离的平方纳入模型,探究随着距离的变化居民污染感知的变化速度; ③ 受到数据的限制,没有深入分析方位与污染感知的关系,未来将结合风向等因素进行深入探讨; ④ 群体的感知会影响其中个体的感知,未来将把各社区居民污染感知程度的均值作为套索变量加入模型,以探讨群体对个体感知的影响情况。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
彭建, 周尚意. 公众环境感知与建立环境意识: 以北京市南沙河环境感知调查为例[J]. 人文地理, 2001,16(3):21-25.

[ Peng Jian, Zhou Shangyi. Environmental perception and awareness building of Beijing citizens: A case study of Nansha River. Human Geography, 2001,16(3):21-25. ]

[2]
Engel U, Pötschke M. Willingness to pay for the environment: Social structure, value orientations and environmental behaviour in a multilevel perspective[J]. Innovation: The European Journal of Social Science Research, 1998,11(3):315-332.

DOI

[3]
Pantavou K, Lykoudis S, Psiloglou B. Air quality perception of pedestrians in an urban outdoor Mediterranean environment: A field survey approach[J]. Science of the Total Environment, 2017,574:663-670.

DOI

[4]
Nikolopoulou M, Kleissl J, Linden P F, et al. Pedestrians' perception of environmental stimuli through field surveys: Focus on particulate pollution[J]. Science of the Total Environment, 2011,409(13):2493-2502.

DOI

[5]
Kim M, Yi O, Kim H. The role of differences in individual and community attributes in perceived air quality[J]. Science of the Total Environment, 2012,425:20-26.

DOI

[6]
Rotko T, Oglesby L, Künzli N, et al. Determinants of perceived air pollution annoyance and association between annoyance scores and air pollution (PM2.5, NO2) concentrations in the European EXPOLIS study[J]. Atmospheric Environment, 2002,36(29):4593-4602.

DOI

[7]
Williams I D, Bird A. Public perceptions of air quality and quality of life in urban and suburban areas of London[J]. Journal of Environmental Monitoring, 2003,5(2):253-259.

DOI

[8]
Atari D O, Luginaah I N, Fung K. The relationship between odour annoyance scores and modelled ambient air pollution in Sarnia, "Chemical Valley", Ontario[J]. International Journal of Environmental Research and Public Health, 2009,6(10):2655-2675.

DOI

[9]
Kohlhuber M, Mielck A, Weiland S K, et al. Social inequality in perceived environmental exposures in relation to housing conditions in Germany[J]. Environmental Research, 2006,101(2):246-255.

DOI

[10]
史兴民, 刘戎. 煤矿区居民的环境污染感知: 以陕西省韩城矿区为例[J]. 地理研究, 2012,31(4):641-651.

[ Shi Xingmin, Liu Rong. Perception of environmental pollution in a coal mine area: A case study of Hancheng Mine Area, Shaanxi Province. Geographical Research, 2012,31(4):641-651. ]

[11]
王玉君, 韩冬临. 空气质量、环境污染感知与地方政府环境治理评价[J]. 中国软科学, 2019(8):41-51.

[ Wang Yujun, Han Donglin. Air quality, perception of environmental pollution, and the evaluation of local governments' environmental governance. China Soft Science, 2019(8):41-51. ]

[12]
Klæboe R, Kolbenstvedt M, Clench-Aas J, et al. Oslo traffic study, part 1: An integrated approach to assess the combined effects of noise and air pollution on annoyance[J]. Atmospheric Environment, 2000,34:4727-4736.

DOI

[13]
Flynn J, Slovic P, Mertz C K. Gender, race, and perception of environmental health risks[J]. Risk Analysis, 1994,14(6):1101-1108.

PMID

[14]
Guo Y, Li Y W. Online amplification of air pollution risk perception: The moderating role of affect in information[J]. Information, Communication & Society, 2018,21(1):80-93.

[15]
Bush J, Moffatt S, Dunn C E. Keeping the public informed? Public negotiation of air quality information[J]. Public Understanding of Science, 2001,10:213-229.

DOI

[16]
谭爽, 胡象明. 邻避型社会稳定风险中风险认知的预测作用及其调控: 以核电站为例[J]. 武汉大学学报(哲学社会科学版), 2013,66(5):75-81.

[ Tan Shuang, Hu Xiangming. The predictive role and regulation of risk perception in social risk of NIMBY project: Taking nuclear power plant as an example. Wuhan University Journal (Philosophy & Social Sciences), 2013,66(5):75-81. ]

[17]
Bickerstaff K, Walker G. Public understandings of air pollution: The 'localisation' of environmental risk[J]. Global Environmental Change, 2001,11(2):133-145.

DOI

[18]
史兴民, 刘春霞. 煤矿区居民对环境问题的感知: 以陕西省彬长矿区为例[J]. 干旱区地理, 2012,35(4):631-638.

[ Shi Xingmin, Liu Chunxia. Perception difference of environmental problem in coal mine area: A case of Binchang Mine Area, Shaanxi Province. Arid Land Geography, 2012,35(4):631-638. ]

[19]
Lima M L. On the influence of risk perception on mental health: Living near an incinerator[J]. Journal of Environmental Psychology, 2004,24(1):71-84.

DOI

[20]
Ma J, Mitchell G, Dong G P, et al. Inequality in Beijing: A spatial multilevel analysis of perceived environmental hazard and self-rated health[J]. Annals of the American Association of Geographers, 2017,107(1):109-129.

DOI

[21]
崔晶, 亓靖. 邻避事件中地方政府行为选择探析: 以北京阿苏卫邻避抗争事件为例[J]. 南京工业大学学报(社会科学版), 2017,16(4):28-39.

[ Cui Jing, Qi Jing. Analysis of local government behavior choice in NIMBY incident: Taking Beijing Asuwei NIMBY protest as an example. Journal of Nanjing Tech University (Social Science Edition), 2017,16(4):28-39. ]

[22]
党艺, 余建辉, 张文忠. 环境类邻避设施对北京市住宅价格影响研究: 以大型垃圾处理设施为例[J]. 地理研究, 2020,39(8):1769-1781.

DOI

[ Dang Yi, Yu Jianhui, Zhang Wenzhong. The impact of NIMBY facilities on housing prices in Beijing: A case study of large waste disposal facilities. Geographical Research, 2020,39(8):1769-1781. ]

[23]
Dragano N, Hoffmann B, Moebus S, et al. Traffic exposure and subclinical cardiovascular disease: Is the association modified by socioeconomic characteristics of individuals and neighbourhoods? Results from a multilevel study in an urban region[J]. Occupational & Environmental Medicine, 2009,66(9):628-635.

[24]
党云晓, 余建辉, 张文忠, 等. 北京居民生活满意度的多层级定序因变量模型分析[J]. 地理科学, 2016,36(6):829-836.

DOI

[ Dang Yunxiao, Yu Jianhui, Zhang Wenzhong, et al. Influencing factors of residents' life satisfaction: A study based on ordered category response multilevel modelling in Beijing. Scientia Geographica Sinica, 2016,36(6):829-836. ]

[25]
Perlin S A, Wong D, Sexton K. Residential proximity to industrial sources of air pollution: Interrelationships among race, poverty, and age[J]. Journal of the Air & Waste Management Association, 2001,51(3):406-421.

[26]
Goldstein H. Multilevel Statistical Methods[M]. London, UK: Edward Arnold, 1995.

[27]
刘红云, 孟庆茂. 教育和心理研究中的多层线性模型[J]. 心理科学进展, 2002,10(2):213-219.

[ Liu Hong-yun, Meng Qingmao. Hierarchical linear model in the study of education and psychology. Advances in Psychological Science, 2002,10(2):213-219. ]

[28]
杨卡. 大北京人口分布格局与多中心性测度[J]. 中国人口·资源与环境, 2015,25(2):83-89.

[ Yang Ka. Population distribution and multicenter measurement of great Beijing. China Population, Resources and Environment, 2015,25(2):83-89. ]

[29]
穆晓燕, 王扬. 大城市社会空间演化中的同质聚居与社区重构: 对北京三个巨型社区的实证研究[J]. 人文地理, 2013,28(5):24-30.

[ Mu Xiaoyan, Wang Yang. Homogeneity of habitation and the community reconstruction in urban spatial evolvement in big cities: A case study of three mega-communities in Beijing. Human Geography, 2013,28(5):24-30. ]

[30]
柴宏博, 冯健. 基于迁居的郊区大型居住区社会空间形成: 以北京回龙观居住区为例[J]. 地域研究与开发, 2014,33(5):77-81.

[ Chai Hongbo, Feng Jian. Formation of social space in suburban large communities based on residents' intra-urban migration: A case study of Huilongguan in Beijing. Areal Research and Development, 2014,33(5):77-81. ]

[31]
Jacquemin B, Sunyer J, Forsberg B, et al. Annoyance due to air pollution in Europe[J]. International Journal of Epidemiology, 2007,36(4):809-820.

DOI

[32]
Kohlhuber M, Mielck A, Weiland S K, et al. Social inequality in perceived environmental exposures in relation to housing conditions in Germany[J]. Environmental Research, 2006,101(2):246-255.

DOI

[33]
郭文伯, 张艳, 柴彦威. 城市居民出行的空气污染暴露测度及其影响机制: 北京市郊区社区的案例分析[J]. 地理研究, 2015,34(7):1310-1318.

[ Guo Wenbo, Zhang Yan, Chai Yanwei. Measurement of residents' daily travel air pollution exposure and its impact mechanism: A case study of suburban communities in Beijing. Geographical Research, 2015,34(7):1310-1318. ]

[34]
马静, 柴彦威, 符婷婷. 居民时空行为与环境污染暴露对健康影响的研究进展[J]. 地理科学进展, 2017,36(10):1260-1269.

DOI

[ Ma Jing, Chai Yanwei, Fu Tingting. Progress of research on the health impact of people's space-time behavior and environmental pollution exposure to health effects. Progress in Geography, 2017,36(10):1260-1269. ]

[35]
Stevenson M, Thompson J, de Sá T H, et al. Land use, transport, and population health: Estimating the health benefits of compact cities[J]. The Lancet, 2016,388:2925-2935.

DOI

[36]
Giles-Corti B, Vernez-Moudon A, Reis R, et al. City planning and population health: A global challenge[J]. The Lancet, 2016,388:2912-2924.

DOI

Options
Outlines

/

〈 〉