删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

交通性体力活动与空气污染暴露交互作用下的健康综合效应评价——以南京市为例

本站小编 Free考研考试/2021-12-29
许燕婷,1, 冯建喜,1, 陈曦21.南京大学建筑与城市规划学院,南京210093
2.广州市城市规划勘测设计研究院,广州 510000

Evaluation of the health effects under the interaction of traffic physical activity and air pollution exposure: A case study in Nanjing

XU Yanting,1, FENG Jianxi,1, CHEN Xi21. School of Architecture and Urban Planning, Nanjing University, Nanjing 210093, China
2. Guangzhou Urban Planning Survey Design & Research Institute, Guangzhou 510000, China

通讯作者: 冯建喜（1983-）,男,陕西边定人,副教授,主要研究方向为健康城市。E-mail: jxfup@nju.edu.cn

收稿日期:2020-08-7接受日期:2020-11-27网络出版日期:2021-07-10
基金资助:国家自然科学基金项目.41871135
中央高校基本科研业务费专项资金资助.090214380026
中央高校基本科研业务费专项资金资助.090214380025


Received:2020-08-7Accepted:2020-11-27Online:2021-07-10
作者简介 About authors
许燕婷（1994-）,女,福建漳州人,硕士,主要研究方向为健康城市。E-mail: yantingXU2017@163.com





摘要
针对空气污染问题严重的中国,仅单纯的强调主动式干预建成环境来促进居民体力活动水平,但可能造成居民长期暴露于有害气体中,反而使得居民的健康效益受损。为此,本文以南京市为例,尝试从个体视角分析居民进行交通性体力活动所收获的健康效益。研究发现,并不是只要进行体力活动就是有益身体健康的,需要根据不同的天气状况而定。在空气质量比较好的情况下,体力活动的健康效益占主导地位,而在空气质量比较差的情况下,居民进行体力活动的健康效益不能抵消空气污染暴露造成的危害,活动越多,健康风险越高;在城市内部不同建成环境中进行体力活动的健康效应差异显著,老城区居民交通性体力活动的健康效益高于新城区和主城区,新城区空气污染暴露的健康负效益高于老城区和主城区,而老城区居民进行交通性体力活动的健康“净”效益大于新城区,主城区次之;不同交通小区的健康效应差异显著,体力活动健康“净”效益的热点集聚区是在功能集聚、交通便捷和绿地、水体景观覆盖率较高的区域,而靠近城市主干道、隧道等交通复杂的区域和工业园区是体力活动健康“净”效益的冷点集聚区。本文以期为提出更高效、合理的土地利用规划、设施布局与制定相关的交通政策提供科学依据。
关键词： 建成环境;空气污染暴露;体力活动;健康效益评估;健康城市

Abstract
In view of the serious air pollution in China, only active intervention in the built environment is simply emphasized to promote the level of physical activity of residents, but the residents may be exposed to harmful gases for a long time, which will damage the health benefits of residents. This article uses Nanjing as an example to analyze the health benefits of residents’ physical activity in traffic from an individual perspective. The study found that although physical activity is good for physical health, it should be determined according to different weather conditions. In days with good air quality, the health benefits of physical activity dominate, while in days with poor air quality, the health benefits of physical activity by residents cannot offset the harm caused by air pollution exposure. The more the activity, the higher the health risk; the health effects of physical activity in different built environments within the city are significantly different. The health benefits of traffic physical activity for residents in the old city are higher than those of the new city and the main city, and the negative health effect of air exposure in the new city is higher than that of the old city and the main city. The net health benefits of traffic physical activity of residents in the old city are greater than those of the new city, followed by the main city; the health effects of different traffic communities are significantly different, and the hot spots for the net health benefits of physical activity are concentrated in functions, convenient transportation, and green spaces and water bodies. Areas with relatively high landscape coverage, and areas close to urban arterial roads, tunnels and other complex traffic facilities and the surrounding areas of industrial parks are cold spots gathering areas for the net health benefits of physical activity. This article aims to provide a scientific reference for proposing more efficient and reasonable urban land use planning and formulating related policies.
Keywords：built environment;air pollution exposure;physical activity;health benefit assessment;healthy city


PDF (8947KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
许燕婷, 冯建喜, 陈曦. 交通性体力活动与空气污染暴露交互作用下的健康综合效应评价——以南京市为例. 地理研究[J], 2021, 40(7): 1963-1977 doi:10.11821/dlyj020200760
XU Yanting, FENG Jianxi, CHEN Xi. Evaluation of the health effects under the interaction of traffic physical activity and air pollution exposure: A case study in Nanjing. Geographical Research[J], 2021, 40(7): 1963-1977 doi:10.11821/dlyj020200760


1 引言

伴随着中国城镇化发展迈入“内涵提升”阶段,高品质、高质量的时代发展要求使得人们对生活品质需求日益增强。由于缺乏体力活动、过分依赖机动交通、长时间的久坐行为而带来肥胖、高血压、糖尿病等慢性疾病已成为威胁公众健康的主要因素,健康已经成为居民、政府、****关注的热点问题。已有研究表明：体力活动是影响人群健康重要的、可干预因素之一,人们可以通过主动式干预物质环境提高体力活动水平,进而实现健康[1,2]。然而,单纯强调对建成环境的干预来提高体力活动水平,但同时也增加了居民暴露在空气污染物中的范围和强度,并可能会造成健康获益受损,最终不一定有利于健康。对城市规划而言,其旨在通过对建成环境的干预来营造支持体力活动的物质空间,故了解建成环境的健康综合效应对制定更有针对性、有效的空间政策具有重要的意义。

建成环境作为城市规划建设在空间上的反映,是人们进行体力活动的重要载体,是指人为建造的、直接影响行为活动的物质空间如基础设施布局、土地利用与空间设计等要素的结合[3]。已有的研究关于建成环境与健康效应的研究主要集中于两条路径：一是“建成环境-体力活动-健康效应”的逻辑路线。建成环境能影响居民参加体力活动的频率、方式以及强度,进而减少肥胖、心血管、糖尿病等慢性疾病的发生概率[3,4,5];另外一条路径是建成环境-空气污染暴露-健康效应,主要是环境流行病学、医学地理学等的热点研究课题[6,7]。该路径现有的研究主要集中在两个维度：在中宏观层面上将空气污染与健康联系起来探讨不同类型和浓度的空气污染颗粒物对呼吸道、心血管、肺癌等疾病的患病率和死亡率的影响,部分研究进一步深入分析环境暴露造成的个体暴露不平等现象如城乡地区、老年人、残疾人等群体[8,9,10]。需要指出的是,在以上该层面的研究主要是基于固定地点的空气污染暴露评估,忽视个体日常活动在不同的时空场景中的暴露差异性。实际上,人类活动影响污染暴露的时间、地点和程度,行为活动模式参数在暴露评价中起到关键作用[11,12],故有必要考虑个体的移动性,从动态的角度评估人们的真实暴露水平,这对于研究污染暴露的健康效应具有重要的意义。在微观层面上研究居民在日常出行活动过程中所承受的污染暴露水平的差异性,重点关注的是不同交通出行模式。如郭文伯等[13]测度了北京市不同郊区的人们在不同的交通环境中对PM2.5和CO等空气污染颗粒物的吸入剂量;马静等[14]采用结构方程模型深入挖掘居住空间、个体行为以及交通碳排放三者之间的内在关系,表明了出行距离、机动出行概率对交通碳排放产生显著的正效应,而居民出行频率对交通碳排放的影响并不显著;Huang等[15]得出采用小汽车的交通出行方式比公共汽车、自行车所接触的空气污染暴露总量更低;陈曦等[16]对比了南京市的可步行性与不同空气污染物的空间格局,得出城市中心区呈现高步行性、高污染物暴露的特征,而靠近城市中心但又距其有一定距离的大面积绿地周边地区呈现高步行性、低污染物暴露的特征。然而,鲜有研究同时考虑两条路径,正面研究居民日常体力活动、空气污染暴露及健康三者之间内在关系来综合评估建成环境的健康综合效应。居民在进行体力活动时不可避免的也会暴露在空气污染之中,当进行体力活动的健康效益不能抵得过进行体力活动时所承受的污染暴露风险,在这种环境下,越进行体力活动,其健康受损越大。特别是对于空气污染问题严重的中国,这种不利的影响可能会更为显著。

由于污染暴露和健康存在剂量-效应（Dose-Response）关系,污染物暴露每增加一定单元数量对健康产生的相对危险,即增加一定的相对死亡率。同时,体力活动消耗量和健康也存在着剂量-效应关系,即体力活动量越大,越有利于降低发病率和死亡率的风险。因而基于污染暴露和体力活动的健康剂量-反应关系和相对风险度的测度使得对比两者的健康效应变为可能[17-20]。近年来,随着工业化和经济快速发展,中国空气污染形势也变得十分严峻,PM2.5成为频繁出现灰霾天气的罪魁祸首[21]。为此,本文尝试以PM2.5空气颗粒物的污染情况来综合评价体力活动与空气污染暴露的交互胁迫效应下居民所获得的健康效应,以弥补当前关于空气污染、行为活动与健康三者之间的研究空白,拓展和丰富“人（健康）-地（建成环境）关系”研究的相关内容和理论,实现学科交叉研究的突破。此外,在本研究考虑居民日常出行活动对污染暴露水平的影响,由“地点的、静态的”地理背景转向基于“个体（活动）的、动态的”地理背景来评估居民的污染暴露水平。

2 研究框架和研究方法

2.1 研究框架

城市规划能够通过建成环境的干预来促进人们进行体力活动的频率和强度,但不可避免的是在居民体力活动水平提高的同时,也增加了居民空气污染暴露的范围和强度,会对其健康产生不利影响。为此,本文构建了对比分析交通性体力活动的健康效益和进行交通性体力活动时所产生的暴露风险（空气污染暴露和交通事故暴露）的模型框架。如图1所示,两者对健康的效应通过对比其对健康的剂量-效应实现。

图1

新窗口打开|下载原图ZIP|生成PPT
图1研究框架

Fig. 1Research framework



2.2 研究区概况与研究方法

2.2.1 研究区概况 本文采用南京市城市与交通规划设计研究院提供的“2012年南京市交通居民出行行为调查”数据。该数据由南京市规划局委托国家统计局南京调查队进行调研,是编制《南京市交通年报2012》的主要依据,具有一定的权威性。数据覆盖了南京市当时城区的10个区,总样本量包括约2000个家庭的6000个体,见图2。考虑到城市的自然地形、交通因素、人口密度等因素的差异性将研究区域划分为328个交通小区（TAZ）,共涉及了11个区,40个街道。在研究中居民出行活动的数据是抽取2012年12月—2013年1月两个月内每个星期的中段（星期二、三、四)的任意一天的调查结果,包含了居民一天内每次出行的始终点所在的交通小区编号、出行目的、出行方式、出行时长等信息。而空气监测站点的污染物浓度实时数据来自于南京市环境保护局所获取的2012年12月—2013年1月两个月的空气污染浓度,由于无法获取被调查者的具体出行日期,故选取了调研日期内分时段的平均空气污染浓度,并借助空间插值法获得交通小区的空气污染浓度。最终,结合日志数据,可以确切地获取居民的行为活动暴露轨迹,即可以知道居民在不同交通小区（空间）及停留时间（时间）,从而可以将该交通小区该时段的空气污染暴露情况进行匹配。

图2

新窗口打开|下载原图ZIP|生成PPT
图2研究范围及交通小区划分

Fig. 2Research scope and traffic area division



2.2.2 研究方法

（1）克里金空间插值法。克里金插值法是建立在半变异函数理论基础上,考虑已知点与邻近点在空间地理位置的相近性进行的一种局部线性无偏最优估计方法,已广泛被用于空气污染的相关研究中[12,21]。研究表明：相比于反距离权重法、径向基函数插值法、普通克里金插值法和协同克里金法而言,普通克里金插值法精度较高,使用较为灵活[22]。故本研究以南京市9个监测点实时监测数据为基础,由公式（1）计算得出污染物的浓度,其计算公式如下：

hx0=∑i=1nrihxi
式中：h(x0)表示估计值;h(xi)表示已知观测点的数值;ri表示已知点对未知点的克里格权重系数;n表示空气浓度监测站获取的数值。

南京市共有9个空气质量监测站点。其中,仙林大学城空气质量监测站点位于钟山风景区北部,浦口空气质量监测站点位于长江北部,其余7个空气质量监测站点主要位于长江以南的城区内,分布较为均匀、集中。在本研究中所调查的交通小区主要是集中在长江以南的城区及部分人口分布较为密集的区域（均距环境监测站点较近）,故借鉴陈曦等[16]的研究,采用空间插值方法获得区域的空气污染分布数据。与此同时,考虑到南京市的大型山体（紫金山）、河流（长江、玄武湖）对空间插值结果的影响,在本研究分两种情况进行精度检验。当采用9个监测站数据进行插值时,仙林大学城空气质量监测站预测值是0.025 ug/m3,浦口空气质量监测站的预测值是0.031 ug/m3;当采用较为集中的7个监测站的数据进行插值时（不考虑受大型山体、河流影响的仙林大学城和浦口的监测站数据）,仙林大学城空气质量监测站预测值是0.029 ug/m3,浦口空气质量监测站的预测值是0.034 ug/m3。与真实值比较可知（仙林大学城真实值是0.024 ug/m3,浦口真实值是0.030 ug/m3,结果得出基于9个监测站点采用空间插值的数据结果精度较高,故在本研究中采用该数据进行计算。

（2）体力活动的空气污染物时空暴露水平。突破已往的研究以居住区为评估空气污染暴露水平的基本单元,本研究运用Brokamp等[23]、Gulliver等[24]、Park[25]提出的“污染物时空暴露模型”,以居民日常活动类型、所持续的时间以及活动实际所在空间的污染物浓度为依据,由公式（2）计算得出居民体力活动时空气污染暴露值,其计算公式如下：

D总=∑IR×∑C¯动态过程体力活动×T出行时间/1440
式中： D总表示居民体力活动空气污染暴露水平;IR表示呼吸速率（m3/min）,其值选取《中国人群暴露参数手册》中不同年龄阶段个体轻度运动状态的呼吸速率均值（见表1）; C¯动态过程体力活动表示居民进行体力活动从一个交通小区到另一个交通小区的空气污染物浓度均值;T出行时间变量表示居民进行体力活动时间。

Tab. 1
表1
表1轻度运动城乡居民个体平均呼吸量
Tab. 1Average respiratory volume of urban and rural residents with mild exercise （L/min）
年龄（岁）呼吸速率(男)呼吸速率(女)
6~98.67.8
9~1210.29.0
12~1511.710.1
15~1813.210.8
18~449.77.7
45~599.77.9
60~797.67.0
≥ 806.66.2

新窗口打开|下载CSV

（3）体力活动相应的代谢当量（Metabolism equivalent, MET）。体力活动根据行为目的可划分为工作、交通出行（步行与骑自行车）、家务园艺和休闲相关四类[26]。其中与交通出行相关的体力活动由于消耗能量和活动强度更大,对人体的健康效益最为显著而备受****关注,也是本文重点研究的对象。国际体力活动问卷（IPAQ）认为交通出行相关可划分为步行和骑车两种强度类型的体力活动,为此本研究根据居民一日出行活动过程中进行体力活动的频率和时长（如图3）,来计算居民进行体力活动的能量代谢总消耗量值表征居民体力活动水平,其计算公式如下：

TPA=(3.3×F1×T1)+(6.0×F2×T2)
式中：TPA表示居民进行交通性体力活动的能量代谢总消耗量（MET）;F1、F2分别表示进行步行、骑自行车体力活动的频率;T1、T2表示进行体力活动的时间;数据3.3、6.0分别表示步行、骑自行车体力活动的能量代谢当量赋值。

图3

新窗口打开|下载原图ZIP|生成PPT
图3居民一日出行路线

Fig. 3The day travel route of residents



（4）健康效益评估。当居民进行体力活动时不可避免的要暴露在空气污染物之中,对人体健康造成影响,如Shekarrizfard等[27]、Matthews等[28]、Hu等[29]分别研究了人们的日常出行活动与在活动过程中所承受的空气污染暴露对相关疾病、死亡风险的影响。而Hartog等[18]综合考虑人们的体力活动与污染暴露的影响,归纳得出当人们从机动出行转向体力活动的出行时对人体造成的全因死亡率（RR, the Relative Risk）约由0.50变到0.090,并借助标准寿命换算法得出：体力活动出行过程中能量消耗4（MET-小时）/天,其获得生命寿命时长为90天;交通出行时空气污染的吸入剂量22.8 ug/天,其获得生命寿命均时长为-40天;交通出行距离为7.5 km以内的其发生交通事故可能造成的死亡,其获得生命寿命均时长为-9天。为此,本文借鉴其研究结果,计算可得出居民体力活动的健康“净”效益。其计算公式如下：

G=(M/60)/4×90-D/22.8×40-9
式中：G表示生命收益的寿命时长;M表示居民体力活动水平;D表示空气污染暴露水平。需要指出的是本研究中居民进行体力活动的距离均小于7.5 km,故其交通事故造成的暴露风险的健康负效益均为-9天。

（5）样本描述性分析。本文选取居民一日出行涉及到的交通性体力活动（步行、骑自行车）为研究对象,最终获得1952位居民一日交通性出行的数据及居民社会经济特征（包括性别、年龄、收入、受教育程度,见表2）。被访者年龄主要是在59岁以下,拥有较为旺盛的体力活动水平,行为移动的水平较高,故作适合于本研究的对象;被访者受教育水平以高中及中专以下为主,被访者年收入在2万~15万元之间占85.35%,处于中等收入水平;被访者受雇佣群体主要包括工人、公务员、服务员、农民等约占全部样本的39.24%,不受雇佣群体包括学生、私营业主、退休、自由职业者等占60.76%;被访问者中大部分居民办理市民交通卡,约占76.59 %,而约占23.05%的被调查者拥有驾照。

Tab. 2
表2
表2研究区居民社会经济特征
Tab. 2Social and economic characteristics of residents in the study area
样本数量比重(%)样本数量比重(%)
性别男80841.39收入水平（万元）
<21155.89
年龄（岁）女114458.612~14166685.35
<2539520.24≥151718.76
25~4031215.98职业情况
受雇佣76639.24
40~5990946.57不受雇佣118660.76
≥ 6033617.21拥有公交卡是149576.59
教育水平初中及以下64933.25否45723.41
高中及中专72537.14拥有驾照
是45023.05
大专及本科54728.02否150276.95
硕士及以上351.79样本总量1952

新窗口打开|下载CSV

（6）南京城区划分。为进行不同区域体力活动和空气污染暴露健康效益对比,图4所示南京都市区被划分成了三个圈层——老城区、主城区、新城区,划分依据主要来自于历版《南京市城市总体规划》。首先,由明城墙、护城河(湖)所围合的区域被划分为第一个圈层——老城区,该区域长久以来是古都南京的核心区域;老城以外、东面至绕城公路、南面至秦淮新河、西面和北面至长江的区域被划为第二个圈层——主城区,主城区是都市区及更大区域的中心区,其中本文将河西新城单独划出,作为南京的新城区;最后,南京都市区中剩余的区域被划为第三圈层——新城区,其中包括河西、东山、仙林与江北这四个城市新中心,是老城人口和功能疏散的重要承接区域。

图4

新窗口打开|下载原图ZIP|生成PPT
图4南京都市区圈层划分

Fig. 4Division of Nanjing metropolitan area



3 体力活动与空气污染暴露胁迫下南京市居民的健康综合效应分析

3.1 居民进行交通性体力活动的健康效应分析

如图5所示,居住于老城区的居民体力活动健康效益最大。这是由于老城区建设密度大,设施和就业机会分布更为集中,地铁、公交等公共交通设施站点密集,这些都有助于居民更多使用步行和骑自行车进行出行,从而增加了交通性体力活动量和与之相关的健康效益[30,31]。计算结果显示,老城区居民体力活动健康效益均值为87.2天,高于新城区效益为70.6天,而远大于主城区为55.9天。然而,新城区和主城区差别不大,新城区略高,可能是调查时新城交通小区的选点多选择新城中心导致。

图5

新窗口打开|下载原图ZIP|生成PPT
图5南京市居民体力活动的健康效益空间分布

注： 图中数字编号为划分的交通小区标号。
Fig. 5Spatial distribution of health benefits of Nanjing residents’ physical activity



研究发现,即使是在老城,不同交通小区的体力活动健康效益也有较大的内部差异。体力活动效益较大的区域主要分布在两类区域：一类是城市中心地铁交汇区域,另一类是公园和开敞空间周边。老城区交通性体力活动健康效益最显著的区域是靠近地铁1号、2号线路交汇处的中转枢纽站（编号48、51、5）,地块具有以生活性服务功能为主,拥有完善的慢性交通系统、良好的照明条件、多样化的街道停留空间设计等特征均能诱发慢性交通,从而增加了居民的体力活动量[32,33,34]。老城区玄武湖景区（编号63、53、50）、张府园紫荆商圈（编号22、33、12）及总统府、梅园新村纪念馆、明故宫广场（编号6、8、11、14、44）等地块内居民进行体力活动的健康效益次之,这是因为该些地块均靠近地铁站,而公共交通站点的易达性对居民中等强度体力活动有正向影响。主城区体力活动效益最显著的区域是在靠近玄武湖景区（编号157、158、159、156）和幕府山、北崮山景区（编号165）,而靠近老门东、雨花台风景区（编号120、130、131、132）居民体力活动效益次之,这是因为出于游憩目的的体力活动具有就近原则,研究表明自然环境既能促进休闲性体力活动,也能诱导交通性体力活动的产生[35]。新城区中体力活动健康效益最高的区域是在东山新城中沿着地铁1号线地块,内部有百家湖景区、金鹰天地广场及市民公园等设施,而河西新城中靠近地铁1号线和2号线的交通小区（编号94、98、101、104）和江北新城中珍珠泉旅游度假区、老山森林公园周边小区居民体力活动健康效益次之。研究发现,无论是老城、主城和新城区中高体力活动健康效益的区域均靠近地铁线和公共空间,体现了轨道交通、公共开敞空间对体力活动行为的积极影响。

总体而言,老城区体力活动健康效益在空间上呈“遍地开花”的聚集状态,而主城、新城区呈零散“单核放射”状分布,说明土地功能集聚对居民交通性体力活动影响很大。这是因为老城区的公共服务资源集聚成片分布,压缩各种目的地间的时空距离,加之因历史风貌保留着以非机动化为主的路网形态,这极大促进居民交通性体力活动量,而主城、新城区是以公共交通为导向的土地开发建设模式,故高体力活动的健康效益主要集中在交通轨道站点周边区域。

3.2 居民交通性体力活动时空气污染暴露风险的健康效应分析

居民在进行体力活动时会处于空气污染暴露和发生交通事故风险中。由于研究中居民进行交通性体力活动（步行、骑行车）的出行总距离均小于7.5 km,由上可知,调查者发生交通事故所造成健康风险的生命寿命均长为-9天。因此,本文该部分重点分析居民进行交通性体力活动时所的承受空气污染暴露的健康风险。对比图6和图5发现,两图展示的空间格局并不完全相似,可见在叠加了不同交通小区空气污染暴露和居民个体特征之后,交通体力活动和空气污染暴露风险并不是完全等同。换言之,进行大量交通型体力活动并不一定意味着大量的空气污染暴露,而少做体力活动也不完全对应较小的空气污染暴露。研究显示,南京新城区调查小区居民污染暴露的健康负效益均值（-47.0天）大于老城区（-37.7天）,而主城区空气污染的健康负效益均值最低（-34.1天）。虽然新城区居民的交通性体力活动量不如老城,但其因交通性体力活动而造成的健康风险却是最大的。

图6

新窗口打开|下载原图ZIP|生成PPT
图6南京市居民空气污染暴露的健康效益空间分布

注: 图中数字编号为划分的交通小区标号。
Fig. 6The spatial distribution of health benefits of Nanjing residents’ air pollution exposure



如图6所示,老城区中空气污染暴露的健康负效益最显著的区域是草场门地块（编号62）,这是由于调查日期内草场门周边正在进行工地建设,如爆破高架桥、隧道建设等,加之该处属于簸箕型地形极易造成扬尘在上空滞留堆积、不易扩散。同时,作为连接老城和主城区的主要交通节点（草场门大桥）人流集聚、交通拥堵导致机动车尾气排放量较高。而进香河路、洪武北路两侧空气污染暴露健康负效益次之（编号4、5、40、48、51）,这是因为该些地块主要是联系玄武湖景区和新街口商业圈的南北向主干道,日常交通流量大,但仍保留着低密度、窄马路的路网形态,且存在机动车、电动车挤占现象频繁、路面铺装残破、平等度差等问题导致居民交通出行速度减缓,Bigazzi等研究表明空气污染浓度随着交通流量的增加和交通速度的降低而增加[36],故其空气污染暴露健康负效益较高。新城区空气污染暴露的健康负效益最显著的是在工业聚集的地块,这与南京实施的工业外迁政策有关,工业生产大量排放的粉尘、污染颗粒物导致空气污染浓度升高。此外,研究发现居住于大型水域及绿地周边交通小区的居民虽然有大量交通型的体力活动,但其空气污染暴露风险而造成的健康损失却相对较小（如玄武湖周边交通小区编号50、53、63以及紫金山周边小区编号156、158、159、160等）,这是因为大型水域和绿地可以降低周边区域的空气污染浓度。

3.3 体力活动和出行暴露作用下南京市居民健康效应分析

空气污染的暴露风险加上交通事故的健康风险最终获得居民进行体力活动时的健康负效益,再将其与体力活动的健康正效益叠加后,即可得出体力活动和出行暴露交互作用下居民进行体力活动的健康“净”效益。如图7所示,除了少量交通小区（仅有7个）之外,其他所有的调查小区净获益均为正。这意味着以平均空气浓度计算,进行体力活动所得的健康获益是大于进行活动受到的空气污染和交通事故暴露风险的。因此,通过建成环境的改变鼓励交通性体力活动是有科学支撑的。就健康“净”效益的空间分布而言,位于老城区交通小区居民体力活动的平均健康“净”效益最大（42.5天）,新城区次之（16.6天）,主城区最低（14.7天）,与体力活动的健康效应呈现相同的格局（老城区>新城区>主城区）,再次证明相对空气污染和交通风险暴露,体力活动的健康获益是占主导地位的。

图7

新窗口打开|下载原图ZIP|生成PPT
图7南京市居民体力活动与出行暴露交互作用下的健康“净”效益空间分布

注: 图中数字编号为划分的交通小区标号。
Fig. 7Spatial distribution of health effects under the interaction between physical activity and travel exposure of residents in Nanjing



如图7所示,体力活动健康“净”效益为负值的交通小区基本上都位于老城区和主城区的交界区域,往往拥有复杂的交通情况（城市主干道的交叉口、高架桥的衔接处、铁路、靠近隧道等）,如福建路、大虎路和中山北路交叉处（编号74、75）及中山东路和沪宁高速公路交叉处（编号45）。一方面,这是因为城市主干道是机动化主导的空间,车速快且流量大,对非机动人流具有阻隔作用,易引发行人、骑车人和运动者的交通不安全感,从而降低了居民交通性体力活动量。另一方面,交通情况复杂的周边住宅区内的空气污染浓度一般高于其他地区,导致居民所获得的健康“净”效益减小。该结果也侧面反映了居住在交通复杂区域内加剧了居民的环境暴露不平等现象[37]。体力活动健康“净”效益最显著的交通小区是通往鸡鸣寺、玄武湖景区及东南大学等公共场所周边的老旧小区（编号54、51、48、41）,而中山南路的张府园商圈及朝天宫景区（编号22、33）和玄武湖周边的交通小区（编号63、54、53、50）体力活动健康“净”效益次之。可见,良好的步行系统、自然绿地景观覆盖率较高的区域有助于提升居民体力活动的健康获益。

4 近年三种不同情境下居民进行体力活动的健康综合效应分析

本研究调查日期主要选取的是2012年12月—2013年1月两个月内每个星期的中段（星期二、三、四）的任意一天的工作日进行调查,被调查者主要是以固定类（工作、学习、购物等生活性）的交通性体力活动出行为主,故在本研究进一步简单地采取不同污染严重程度的空气浓度进行模拟,不考虑其他的相关变量如季节、天气的影响,进一步探究在不同的空气质量下居民进行交通性体力活动的健康综合效应。本文分别另选取近年2019年10月29日（空气质量差）、2020年5月18日（空气质量一般）和2020年2月14日（空气质量良好）三种情况下模拟居民在体力活动与空气污染胁迫交互作用下获得的健康“净”效益,得出空气质量对体力活动健康“净”效益有显著的负相关影响。如图8b所示,当空气质量很差时,多数居民体力活动健康“净”效益为负值（位于y= 0直线下方）,空气污染暴露的健康效益远大于体力活动的健康效益;当空气质量一般时,大部分居民体力活动的健康“净”效益升高（位于y= 0直线上方）,少数体力活动处于较低水平的居民其健康“净”效益仍负值,而体力活动处于较高水平时居民的健康“净”效益显著提高（见图8c）;当空气质量良好时,体力活动的健康效益远大于空气污染暴露的健康效益,居民体力活动健康“净”效益多为正值（见图8d）。

图8

新窗口打开|下载原图ZIP|生成PPT
图8四种不同空气质量情况下南京市居民体力活动、空气污染暴露的健康效益和最终所获净效益

Fig. 8The health benefits of physical activity of Nanjing residents under four different air quality conditions



如图9所示,在空气质量较差时,体力活动健康“净”效益的冷点集聚区域主要分布在车流量大、靠近城市主干道交叉口和隧道（编号为62、61、37、38）、铁路横穿（编号为156、157、158、170等）等交通复杂和工业集聚的区域（编号为171、177、178）,这是因为在该些地块内居民不仅拥有较低水平的体力活动,并且常常处于较高水平的污染暴露物中,故人体进行体力活动的健康获益较低。而靠近山体的交通小区（编号为17、38、46）受地形影响,当污染严重时颗粒物不易扩散导致居民进行体力活动的健康“净”效益也为负值。当空气质量一般时,可以发现城区靠近河流湖泊、自然山体等公共空间的交通小区健康效益显著地提升,如玄武湖景区（编号为63、54、50、53）、紫金山景区（编号为159、160）、莫愁湖、南湖公园（编号为93、94）、白鹭洲公园（编号为30）,这是因为绿地、公园等公共空间可降低环境污染暴露,又增加户外体力活动的机会。同时,大行宫和总统府、梅园新村纪念馆、明故宫广场等周边小区（编号5、6、11）等拥有良好的步行系统也逐渐成为高体力活动健康效益的热点区。当空气质量优质时,除少数处于受不利地形、多条城市主干道交叉或横穿铁路（编号为12、38、46、130）交通小区的健康获益仍为负值外,大多数居民体力活动健康“净”效益均为正值。研究发现,伴随着空气质量变好,主城区和新城区逐渐形成以商业综合体为主的点状分布的体力活动健康“净”效益高值区（编号104、33、239）,老城区中通往玄武湖景区与新街口商业圈之间的地块也逐渐成为高体力活动健康“净”效益的核心集聚区（地铁1号、2号路线包围起来）。

图9

新窗口打开|下载原图ZIP|生成PPT
图9南京市居民在三种不同空气质量情况下进行交通性体力活动的健康效益

Fig. 9Health benefits of traffic physical activity of Nanjing residents under three different air quality conditions



5 结论与讨论

5.1 结论

已有研究多单纯考虑建成环境-体力活动-健康或建成环境-污染暴露-健康的单一的影响路径,本文同时考量两条路径,分析居民进行体力活动时的健康综合效应。以南京为案例,分析了居民进行交通性体力活动的健康效益以及因此而产生的空气污染和风险暴露所造成的健康风险,并对比两者的效应。

研究发现,在空气质量比较好的情况下,体力活动的健康效益占主导地位,除了少数交通小区,其他所有的交通小区的健康“净”获益均为正。即多进行体力活动有益于身体健康。而在空气质量比较差的情况下,进行体力活动所获得的健康效益不能抵消空气污染暴露造成的危害,活动越多,健康风险越高。可见,并不是只要进行体力活动就是有益身体健康的,需要根据不同的天气状况而定。本文是以空气质量相对较好的南京为案例进行研究,而对空气质量比较差的城市健康损失会更显著,如北京、济南、西安等污染较为严重的城市[38,39,40]。因此,政府在制定相关政策,特别是鼓励居民进行体力活动时,应更为谨慎。

在城市内部不同建成环境中进行体力活动的健康效应差异显著。整体而言,老城区居民交通性体力活动的健康正效益高于新城区和主城区,新城区的空气暴露健康负效益高于老城区和主城区,而最终老城区居民进行体力活动的健康“净”效益大于新城区,主城区次之。主要是因为老城区设施和就业岗位密度高,出行距离小,居民更倾向于步行或者自行车出行,交通性体力活动强度大。新城区虽空气污染暴露健康负效益高于老城区、主城区,但由于其体力活动水平较高。研究表明,相比于污染和交通事故的暴露风险,体力活动占主导作用,因而新城区进行体力活动的健康“净”效益次之。主城区尽管其空气污染暴露的健康负效益较低,但由于居民进行交通性体力活动的水平较低,故导致其整体上的体力活动健康“净”效益最低。

不同交通小区的健康效应差异显著。交通性体力活动健康“净”效益热点集聚区主要是两类空间：一是在功能集聚、交通便捷的区域。越靠近地铁中转枢纽站点,居民交通性体力活动健康效益越高;二是绿地、水体景观覆盖率较高的区域。交通性体力活动健康“净”效益的冷点集聚区主要集中是靠近城市主干道、隧道等交通复杂的区域和工业园区周边的两类空间。

5.2 讨论

本研究分析了空气污染暴露与交通性体力活动交互胁迫作用下居民的健康效应,但也存在一定的局限性。由于研究数据无法准确获取个体调研活动的具体日期,本文无法精确、真正地将实时的空气污染浓度和体力活动对应起来。同时,当空气污染严重时,居民可能会减少不必要的外出活动,研究中采用月平均小时污染数据可能高估了污染带来的健康损失,未来将结合移动空气监测仪器进一步研究,并进一步分析空气污染对居民不同出行活动类型如固定、弹性类的影响。同时,由于问卷数据缺乏被调查者的体重信息,研究中未能精准量化得出进行体力活动时不同身体质量所造成呼吸速率的差异性对个体空气暴露量的影响,未来将进一步深入完善。由于篇幅限制,文章未能深入探究建成环境对居民健康效益的影响机制,且揭示体力活动、建成环境、空气污染三种之间的互相作用机制,未来研究将进一步收集更充分的数据深入探究居民的体力活动行为与空气污染暴露交互作用下建成环境的综合健康效应。

致谢：

真诚感谢二位匿名评审专家在论文评审中所付出的时间和精力,为本文研究方法、数据及未来研究的开展方向等方面提出了宝贵的建议,使本文获益匪浅。同时,也真诚感谢敬爱的导师冯建喜教授对本文撰写及修改所给予的指导与帮助。


参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

谭少华, 郭剑锋, 江毅. 人居环境对健康的主动式干预: 城市规划学科新趋势
城市规划学刊, 2010, (4): 66-70.
[本文引用: 1]

[ Tan Shaohua, Guo Jianfeng, Jiang Yi. Impact of human settlements on public health: New frontier in urban planning research
Urban Planning Forum, 2010, (4): 66-70.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.3969/j.issn.1000-3363.2010.04.010.
URL [本文引用: 1]

鲁斐栋, 谭少华. 建成环境对体力活动的影响研究: 进展与思考
国际城市规划, 2015, 30(2): 62-70.
[本文引用: 1]

[ Lu Feidong, Tan Shaohua. Built environment's influence on physical activity: Review and thought
Urban Planning International, 2015, 30(2): 62-70.]. DOI: cnki:SUN:GWCG.0.2015-02-011.
URL [本文引用: 1]

Handy S L, Boarnet M G, Ewing R, et al. How the built environment affects physical activity: Views from urban planning
American Journal of Preventive Medicine, 2002, 23(2, Supplement 1): 64-73. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/S0749-3797(2)00475-0.
DOI:10.1016/S0749-3797(02)00475-0URL [本文引用: 2]

Song S, Yap W, Hou Y, et al. Neighbourhood built environment, physical activity, and physical health among older adults in Singapore: A simultaneous equations approach
Journal of Transport & Health, 2020, 18: 100881. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.jth.2020.100881.
URL [本文引用: 1]

Zahrt O H, Crum A J . Effects of physical activity recommendations on mindset, behavior and perceived health
Preventive Medicine Reports, 2020, 17: 101027. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.pmedr.2019.101027.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.pmedr.2019.101027URL [本文引用: 1]

Rosofsky A, Levy J I, Zanobetti A, et al. Temporal trends in air pollution exposure inequality in Massachusetts
Environmental Research, 2018, 161: 76-86. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.envres.2017.10.028.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.envres.2017.10.028URL [本文引用: 1]

Valente J, Pimentel C, Tavares R, et al. Individual exposure to air pollutants in a Portuguese urban industrialized area
Journal of Toxicology and Environmental Health, 2014, 77(14-16): 888-899. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1080/15287394.2014.910159.
URL [本文引用: 1]

Kousa A, Monn C, Rotko T, et al. Personal exposures to NO2 in the EXPOLIS-study: Relation to residential indoor, outdoor and workplace concentrations in Basel, Helsinki and Prague
Atmospheric Environment, 2001, 35(20): 3405-3412. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/S1352-2310(01)00131-5.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/S1352-2310(01)00131-5URL [本文引用: 1]

Lv Y, Zhou J, Kraus V B, et al. Long-term exposure to PM2.5 and incidence of disability in activities of daily living among oldest old
Environmental Pollution, 2020, 259: 113910. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.envpol.2020.113910.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.envpol.2020.113910URL [本文引用: 1]

Amini H, Dehlendorff C, Lim Y, et al. Long-term exposure to air pollution and stroke incidence: A Danish nurse cohort study
Environment International, 2020, 142: 105891. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.envint.2020.105891.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.envint.2020.105891URL [本文引用: 1]

Beckx C, Int Panis L, Arentze T, et al. A dynamic activity-based population modelling approach to evaluate exposure to air pollution: Methods and application to a Dutch urban area
Environmental Impact Assessment Review, 2009, 29(3): 179-185. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.eiar.2008.10.001.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.eiar.2008.10.001URL [本文引用: 1]

Park Y M, Kwan M. Individual exposure estimates may be erroneous when spatiotemporal variability of air pollution and human mobility are ignored
Health & Place, 2017, 43: 85-94. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.healthplace.2016.10.002.
URL [本文引用: 2]

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
地理研究, 2015, 34(7): 1310-1318.
[本文引用: 1]

[ Guo Wenbo, Zhang Yan, Chai Yanwei. Measurement of residents' daily travel air pollution exposure and its mechanism: A case study of suburban communities in Beijing
Geographical Research, 2015, 34(7): 1310-1318.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.11821/dlyj201507010.
URL [本文引用: 1]

马静, 周创文, Gwilym Pryce. 环境公正视角下空气污染和死亡人数的空间分析及关系研究: 以河北省为例
人文地理, 2019, 34(6): 45-52+98.
[本文引用: 1]

[ Ma Jing, Zhou Chuangwen, Gwilym Pryce. Spatial analysis and modelling of air pollution and death rates in Hebei province, China
Human Geography, 2019, 34(6): 45-52+98.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.13959/j.issn.1003-2398.2019.06.006.
URL [本文引用: 1]

Huang J, Deng F, Wu S, et al. Comparisons of personal exposure to PM2.5 and CO by different commuting modes in Beijing, China
Science of the Total Environment, 2012, 425: 52-59. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.scitotenv.2012.03.007.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.scitotenv.2012.03.007URL [本文引用: 1]

陈曦, 冯建喜. 基于步行性与污染物暴露空间格局比较的建成环境健康效应: 以南京为例
地理科学进展, 2019, 38(2): 296-304.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.18306/dlkxjz.2019.02.012 [本文引用: 2]
在雾霾问题日益严重的中国,通过提高建成环境的步行性以增加居民户外体力活动的同时,也会增加居民的污染物暴露度,最终的健康效应不一定为正。针对这一悖论,论文以南京为例,通过步行指数测度步行性,基于土地利用回归模型和插值模拟PM<sub>2.5</sub>和O<sub>3</sub>浓度的空间分布,在此基础上比较步行性与污染物暴露的空间关系,从而对建成环境健康效应进行评价。研究表明：确实存在高步行性但同时也是高污染物暴露的城市空间,这部分空间主要分布在城市中心区,在这些地区片面强调提高步行活动其实是存在很大健康风险的;城市郊区则呈现低步行性且低污染物暴露的特征,其健康效应亦难以直接判断;靠近城市中心但又距其有一定距离的大面积绿地周边地区呈现高步行性且低污染物暴露的特征,其健康效应为正;而城乡交界的半城市化地区容易成为低步行性且高污染物暴露的健康效应为负的空间。研究结果可以为精准制定健康城市的土地利用政策提供参考依据。
[ Chen Xi, Feng Jianxi. Health effects of built environment based on a comparison of walkability and air pollution: A case study of Nanjing city
Progress in Geography, 2019, 38(2): 296-304.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.18306/dlkxjz.2019.02.012.
URL [本文引用: 2]

Dhondt S, Beckx C, Degraeuwe B, et al. Health impact assessment of air pollution using a dynamic exposure profile: Implications for exposure and health impact estimates
Environmental Impact Assessment Review, 2012, 36: 42-51. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.eiar.2012.03.004.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.eiar.2012.03.004URL [本文引用: 1]

Hartog J D, Boogaard H, Nijland H, et al. Do the health benefits of cycling outweigh the risks?
Ciência & Saúde Coletiva, 2010, 118(8): 1109-1116. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1590/S1413-81232011001300022.
URL [本文引用: 1]

林家仕, 谢敏豪. 体力活动与健康的剂量: 效应关系研究进展
中国体育科技, 2011, 47(5): 78-85.


[ Lin Jiashi, Xie Minhao. Research progress on the dose-response relationship between physical activity and health outcomes
China Sport Science and Technology, 2011, 47(5): 78-85.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.16470/j.csst.2011.05.019.
URL

Frank H R, Mulder H, Sriram K, et al. The dose-response relationship between physical activity and cardiometabolic health in young adults
Journal of Adolescent Health, 2020, 67(2): 201-208. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.jadohealth.2020.04.021.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.jadohealth.2020.04.021URL [本文引用: 1]

施益强, 王坚, 张枝萍. 厦门市空气污染的空间分布及其与影响因素空间相关性分析
环境工程学报, 2014, 8(12): 5406-5412.
[本文引用: 2]

[ Shi Yiqiang, Wang Jian, Zhang Zhiping. Analysis on spatial distribution of air pollution and its spatial correlation with influencing factors in Xiamen city
Chinese Journal of Environmental Engineering, 2014, 8(12): 5406-5412.]. DOI: cnki:SUN:HJJZ.0.2014-12-059.
URL [本文引用: 2]

Rivera-González L O, Zhang Z, Sánchez B N, et al. An assessment of air pollutant exposure methods in Mexico city, Mexico
Journal of the Air & Waste Management Association, 2015, 65(5): 581-591. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1080/10962247.2015.1020974.
URL [本文引用: 1]

Brokamp C, Brandt E B, Ryan P H. Assessing exposure to outdoor air pollution for epidemiological studies: Model-based and personal sampling strategies
Journal of Allergy and Clinical Immunology, 2019, 143(6): 2002-2006. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.jaci.2019.04.019.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.jaci.2019.04.019URL [本文引用: 1]
Epidemiologic studies have found air pollution to be causally linked to respiratory health including the exacerbation and development of childhood asthma. Accurately characterizing exposure is paramount in these studies to ensure valid estimates of health effects. Here, we provide a brief overview of the evolution of air pollution exposure assessment ranging from the use of ground-based, single-site air monitoring stations for population-level estimates to recent advances in spatiotemporal models, which use advanced machine learning algorithms and satellite-based data to accurately estimate individual-level daily exposures at high spatial resolutions. In addition, we review recent advances in sensor technology that enable the use of personal monitoring in epidemiologic studies, long-considered the "holy grail'' of air pollution exposure assessment. Finally, we highlight key advantages and uses of each approach including the generalizability and public health relevance of air pollution models and the accuracy of personal monitors that are useful to guide personalized prevention strategies. Investigators and clinicians interested in the effects of air pollution on allergic disease and asthma should carefully consider the pros and cons of each approach to guide their application in research and practice.

Gulliver J, Briggs D J. Time-space modeling of journey-time exposure to traffic-related air pollution using GIS
Environmental Research, 2005, 97(1): 10-25. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.envres.2004.05.002.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.envres.2004.05.002URL [本文引用: 1]

Park Y M. Assessing personal exposure to traffic-related air pollution using individual travel-activity diary data and an on-road source air dispersion model
Health & Place, 2020, 63: 102351. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.healthplace.2020.102351.
URL [本文引用: 1]

樊萌语, 吕筠, 何平平. 国际体力活动问卷中体力活动水平的计算方法
中华流行病学杂志, 2014, 35(8): 961-964.
[本文引用: 1]

[ Fan Mengyu, Lu Jun, He Pingping. Calculation method of physical activity level in international physical activity questionnaire
Chinese Journal of Epidemiology, 2014, 35(8): 961-964.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.3760/cma.j.issn.0254-6450.2014.08.019.
URL [本文引用: 1]

Shekarrizfard M, Minet L, Miller E, et al. Influence of travel behaviour and daily mobility on exposure to traffic-related air pollution
Environmental Research, 2020, 184: 109326. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.envres.2020.109326.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.envres.2020.109326URL [本文引用: 1]

Matthews C E, Jurj A L, Shu X O, et al. Influence of exercise, walking, cycling, and overall nonexercise physical activity on mortality in Chinese women
American Journal of Epidemiology, 2007, 165(12): 1343-1350. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1093/aje/kwm08.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1093/aje/kwm088URL [本文引用: 1]

Hu G, Jousilahti P, Antikainen R, et al. Occupational, commuting, and leisure-time physical activity in relation to cardiovascular mortality among finnish subjects with hypertension
American Journal of Hypertension, 2007, 20(12): 1242-1250. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.amjhyper.2007.07.015.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.amjhyper.2007.07.015URL [本文引用: 1]

Panter J, Heinen E, Mackett R, et al. Impact of new transport infrastructure on walking, cycling, and physical activity
American Journal of Preventive Medicine, 2016, 50(2): e45-e53. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.amepre.2015.09.021.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.amepre.2015.09.021URL [本文引用: 1]

Samimi A, Mohammadian A K, Madanizadeh S. Effects of transportation and built environment on general health and obesity
Transportation Research Part D: Transport and Environment, 2009, 14(1): 67-71. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.trd.2008.10.002.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.trd.2008.10.002URL [本文引用: 1]

Wang Y, Chau C K, Ng W Y, et al. A review on the effects of physical built environment attributes on enhancing walking and cycling activity levels within residential neighborhoods
Cities, 2016, 50: 1-15. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.cities.2015.08.004.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.cities.2015.08.004URL [本文引用: 1]

Stappers N, Van K, Ettema D, et al. The effect of infrastructural changes in the built environment on physical activity, active transportation and sedentary behavior: A systematic review
Health & Place, 2018, 53: 135-149. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.healthplace.2018.08.002.
URL [本文引用: 1]

Ferrer S, Ruiz T, Mars L. A qualitative study on the role of the built environment for short walking trips
Transportation Research Part F: Traffic Psychology and Behaviour, 2015, 33: 141-160. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.trf.2015.07.014.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.trf.2015.07.014URL [本文引用: 1]

冯建喜, 黄旭, 汤爽爽. 客观与主观建成环境对老年人不同体力活动影响机制研究: 以南京为例
上海城市规划, 2017, (3): 17-23.
[本文引用: 1]

[ Feng Jianxi, Huang Xu, Tang Shuangshuang. Comparing the influences of objective and subjective built environments on physical activities participation among the elderly: A case study of Nanjing, China
Shanghai Urban Planning Review, 2017, (3): 17-23.]. DOI: cnki:SUN:HCSG.0.2017-03-005.
URL [本文引用: 1]

Bigazzi A Y, Figliozzi M A, Clifton K J. Traffic congestion and air pollution exposure for motorists: Comparing exposure duration and intensity
International Journal of Sustainable Transportation, 2015, 9(7): 443-456. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1080/15568318.2013.805345.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1080/15568318.2013.805345URL [本文引用: 1]

Barnes J H, Chatterton T J, Longhurst J, et al. Emissions vs exposure: Increasing injustice from road traffic-related air pollution in the United Kingdom
Transportation Research Part D: Transport and Environment, 2019, 73: 56-66. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.trd.2019.05.012.
DOI:http://www.dlyj.ac.cn/article/2021/1000-0585/10.1016/j.trd.2019.05.012URL [本文引用: 1]

周景博, 王鑫, 杜婉君. 北京市空气污染指数及其影响因素分析
中国环境监测, 2015, 31(2): 53-56.
[本文引用: 1]

[ Zhou Jingbo, Wang Xin, Du Wanjun. Analysis of air pollution index and its influence factors in Beijing
Environmental Monitoring in China, 2015, 31(2): 53-56.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.3969/j.issn.1002-6002.2015.02.011.
URL [本文引用: 1]

邱粲, 曹洁, 王静. 济南市空气质量状况与气象条件关系分析
中国环境监测, 2014, 30(1): 53-59.
[本文引用: 1]

[ Qiu Can, Cao Jie, Wang Jing. Analysis on the relation between air quality status and meteorological conditions in Jinan city
Environmental Monitoring in China, 2014, 30(1): 53-59.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.3969/j.issn.1002-6002.2014.01.011.
URL [本文引用: 1]

李会霞, 史兴民. 西安市PM2.5时空分布特征及气象成因
生态环境学报, 2016, 25(2): 266-271.
[本文引用: 1]

[ Li Huixia Shi Xingmin. Temporal and spatial distribution, meteorological factors of PM2.5 in Xi'an city
Ecology and Environmental Sciences, 2016, 25(2): 266-271.]. DOI: http://www.dlyj.ac.cn/article/2021/1000-0585/10.16258/j.cnki.1674-5906.2016.02.012.
URL [本文引用: 1]

相关话题/健康 交通 空间 环境 城市

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.