周海川

(中國林業(yè)科學研究院林業(yè)科技信息研究所 北京100091)

空氣質量與公共健康:以森林吸收煙粉塵為例

周海川

(中國林業(yè)科學研究院林業(yè)科技信息研究所 北京100091)

【目的】 以森林吸收煙粉塵為例，實證檢驗煙粉塵對居民呼吸系統(tǒng)相關疾病的影響，定量分析空氣污染與公共健康的關系?！痉椒ā?首先，沿用文獻回顧闡述大氣污染引發(fā)呼吸系統(tǒng)相關疾病，森林可以通過減少空氣污染物來影響人體健康的相關研究；其次，基于我國30個省(市、區(qū))7年的面板數(shù)據(jù)，分別通過最小二乘法(OLS)、面板模型、3SLS估計煙粉塵對公共健康的影響；第三，著重采用3SLS方法克服顆粒物排放的內(nèi)生性問題，從而更加準確地評價環(huán)境污染對公共健康的負面影響，有效解釋地區(qū)間健康水平異質性；第四，采用不同排放物作為工具變量對估計結果進行穩(wěn)健性檢驗，以保證結論的可信度。【結果】 1) OLS估計顯示，煙粉塵對公共健康的影響非常顯著，煙粉塵排放量每增加1%，萬人中死于肺癌和呼吸性疾病的人數(shù)相應增加0.568%和0.488%。2) 隨機效應模型(RE)估計顯示，煙粉塵對肺癌死亡人數(shù)的顯著性水平有所降低，在10%水平下顯著為正，對呼吸系統(tǒng)疾病的死亡人數(shù)影響非常顯著，煙粉塵排放量每增加1%，二者死亡人數(shù)分別增加0.207%和0.467%。3) 采用外生的病蟲害發(fā)生面積作為森林面積的工具變量來解決煙粉塵排放的內(nèi)生性問題。基于工具變量的三階段最小二乘估計(3SLS)顯示，森林面積顯著影響煙粉塵排放水平，森林面積每增加1%，煙粉塵排放量大約降低0.884%； 煙粉塵排放量每增加1%，萬人中死于肺癌人數(shù)將增加0.777%，死于呼吸系統(tǒng)疾病的人數(shù)將增加0.704%，并且均高于用OLS、隨機效應模型估計出的值，說明后2種方法會低估空氣污染對公共健康的影響。4) 人均GDP和人口密度正向作用于居民公共健康水平，人均醫(yī)療支出對居民公共健康水平在1%水平下顯著為負，即人均醫(yī)療支出每增加1%，萬人中肺癌及呼吸系統(tǒng)疾病死亡人數(shù)將分別降低0.362%和0.543%?！窘Y論】 鑒于森林通過吸收煙粉塵可提高公共健康水平，為了進一步提高公共健康水平，除了通過法律和強制措施從源頭治理污染外，還需要大力提倡植樹造林、提高森林覆蓋率、擴大煙粉塵吸收能力強的樹種面積、有效提高病蟲害防治水平等。

固體排放； 公共健康； 煙粉塵； 森林； 環(huán)境； 三階段最小二乘估計

Abstract： 【Objective】 Taking forest absorption of smoke and dust as an example, this study empirically examined the effects of smoke and dust on the related diseases of residents’ respiratory system, thus quantitatively analyzed of the relationship between air pollution and public health.【Method】 A literature review and qualitative analysis were conducted to explore respiratory-related diseases caused by air pollution, forest affect human health by reducing air pollutants. In addition, using panel data from China, a quantitative analysis was carried out to estimate the effects on public health of dust by OLS, panel model, 3SLS. Especially, using 3SLS method to overcome endogenous problem caused by emissions of particulate matter, thus more accurately evaluate the negative impact of environmental pollution on public health, and effectively explain the regional heterogeneity. Finally, using different emissions as an instrument to estimate the robustness of the result , ensure the reliability of conclusions. 【Result】 1) OLS estimates show that the impact on public health of dust is very significant: as the smoke and dust emissions increase 1%,the number of people dying from lung cancer and respiratory diseases corresponding increase 0.568% and 0.488%,respectively. 2) Random effect model (RE) show that lung cancer deaths caused by the smoke and dust decreased dramatically, and is significantly positive with deaths from respiratory diseases at 10% level. As the smoke and dust emissions increase 1%, the number of deaths from lung cancer and respiratory diseases correspondingly increase 0.207% and 0.467%, respectively.3) Using the area of pests and diseases as an instrument of forest area， endogeneity smoke and dust emissions are solved. Based on 3SLS, this study shows that forest area will significantly affect the level of smoke and dust emission,as forest area increase by 1%, the smoke and dust emissions reduce by 0.884% approximately. Whereas the smoke and dust emissions increase by 1%, the number of people dying from lung cancer and respiratory diseases will increase by 0.777% and 0.704%, respectively.These value are higher than those obtained by OLS, and random effect model, which shows that the last two method underestimate the impacts of air pollution on public health. 4) Other control variables influence on residents of the respiratory system, the per capita GDP and population density exhibit positively effect on public health, whereas,health expenditure per capita for residents show negatively effect on public health at 1% significance level.It is indicated that as per capita health expenditure increase 1%, the deaths from lung cancer and respiratory will decrease 0.362% and 0.543%, respectively.【Conclusion】 Forest will improve the level of public health by absorbing smoke and dust emissions. In order to improve the level of public health, it is important that not only control pollution from the source through legal and enforcement measures, but also promote afforestation, increase forest coverage rate, expand absorption ability of the tree area, effectively improve the level of prevention and control of plant diseases and insect pests, etc.

Keywords： solids discharge； public health； smoke and dust； forest； environment； 3SLS

伴隨著經(jīng)濟的高速增長，我國面臨的環(huán)境污染問題日漸嚴重。據(jù)統(tǒng)計，世界污染最嚴重的20個城市中我國占據(jù)80%，我國七大流域水體中54%的水已經(jīng)不適合居民飲用，空氣中的粉塵、二氧化硫含量在全世界最高(喬曉楠等， 2012)。長時間反復出現(xiàn)的霧霾天氣，尤其是可吸入顆粒物(PM10、PM2.5)是近3年社會普遍關注的焦點，被視為首要污染物，人們帶口罩工作、生活、鍛煉成為了網(wǎng)絡上和現(xiàn)實生活中的真實寫照。來華游客聞之色變，甚至還出現(xiàn)國外運動員因霧霾而放棄來我國比賽的現(xiàn)象。我國居民紛紛購置氣凈化器和口罩等，為體育活動提供過濾空氣的“空氣凈化穹頂”也日益常見?？諝赓|量惡化不僅有損大國形象，而且也強烈威脅著我國居民的身體健康。Wang等(2013)研究發(fā)現(xiàn)空氣污染排在引發(fā)中國居民死亡10大因子中的第4位，并且主要以肺癌的形式導致居民死亡； Yuyu等(2013)發(fā)現(xiàn)中國淮河以北可吸入顆粒物濃度要比淮河以南高184 μg·m-3，將近高出55%，由此引發(fā)的心肺疾病等健康問題將使北方居民的預期壽命縮短5.52年，并指出如果居民長期暴露在顆粒物中，濃度每增加100 μg·m-3，出生預期壽命將減少3年。長期遭受空氣污染、吸煙以及工作中接觸致癌物增大了中國人患肺癌的風險?！度虬┌Y報告2014》顯示，中國肺癌比率盡管低于絕大多數(shù)歐洲國家，但患肺癌人數(shù)遠多于歐洲，并成為最普遍和最致命的癌癥。智研數(shù)據(jù)中心(中國產(chǎn)業(yè)信息網(wǎng)， 2014)的研究表明，男性肺癌發(fā)病率和死亡率均占所有惡性腫瘤的第1位，女性發(fā)病率占第2位，死亡率占第1位。觸目驚心的高發(fā)病率和死亡率使社會各界高度關注空氣污染對國民健康的長遠影響。

隨著公眾對空氣污染問題的關注以及國家生態(tài)文明建設目標的提出，一些研究試圖以降低污染來提高公共健康，開展了影響機制分析、具體措施實施以及政策效果評價等的分析。但這些研究多數(shù)集中在醫(yī)學領域，研究方法主要以觀察法和試驗法為主，盡管在試驗設計中考慮了對照、隨機化、重復性和盲法原則，但依然存在對照組選擇不恰當、隨機化方法錯誤、樣本缺乏代表性、樣本量較小等弊端，且尚未考慮內(nèi)生性問題。經(jīng)濟學領域定量關注空氣污染和公民健康的研究文獻較少，而且內(nèi)生性問題亦沒有得到很好的解決。從政策制定角度來講，空氣污染作為環(huán)境污染的一種，理應納入公共政策考核之中，除了著眼于推動醫(yī)學方面的微觀研究外，還需要在宏觀尺度上研究空氣污染的后果和防控策略。然而，目前針對特定產(chǎn)業(yè)政策(如大氣污染防治法、林業(yè)政策等)所實施的環(huán)境成本量化以及公共健康潛在影響的相關研究均缺乏嚴謹?shù)脑u估，研究所推出的結論和政策啟示需要審慎對待。

鑒于此，本研究試圖以森林吸收煙粉塵為例，實證檢驗煙粉塵對居民呼吸系統(tǒng)相關疾病的影響，與之前研究的不同之處在于，基于我國30個省(市、區(qū))7年的面板數(shù)據(jù)，采用三階段最小二乘估計(3SLS)方法克服顆粒物排放的內(nèi)生性問題，從而更加準確地評價環(huán)境污染對公共健康的負面影響。

1 文獻綜述

1930年，比利時馬斯河谷煙霧在短短1個星期內(nèi)造成60多人和許多家畜死亡，成為20世紀記載最早的大氣污染慘案。1948年美國多諾拉煙霧事件、1959年墨西哥波薩里卡事件是由工業(yè)排放煙霧引發(fā)的大氣污染。最嚴重的大氣污染是1952年12月發(fā)生的倫敦煙霧事件(主要是冬季取暖燃煤和工業(yè)排放的煙霧)，該污染直接導致12 000多人死于呼吸系統(tǒng)疾病(Belletal.， 2001)，這次大氣污染事件引起了社會各界對空氣質量和公共健康之間關系的廣泛關注。

大氣污染是引發(fā)呼吸系統(tǒng)相關疾病的主要原因。Brunekreef等(2002)基于美國居民健康調查數(shù)據(jù)發(fā)現(xiàn)，居住在城市化或工業(yè)化程度較高地區(qū)的居民，由于汽車尾氣及工業(yè)廢氣增加，患呼吸系統(tǒng)相關癌癥尤其是肺癌的概率要比其他地區(qū)高出1倍； 宋桂香等(2006)考察了上海大氣污染對居民每日死亡的影響，發(fā)現(xiàn)大氣SO2(NO2)濃度每增加10 μg·m-3,上海市城區(qū)居民總死亡、心血管疾病死亡和呼吸道疾病死亡數(shù)分別增加1.25%(1.04%)、1.45%(1.05%)和1.71%(1.43%)； 殷文軍等(2012)基于時間序列數(shù)據(jù)討論了廣州市空氣污染與城區(qū)居民心腦血管疾病死亡間的關系，發(fā)現(xiàn)廣州市大氣中NO2和PM10對人群健康存在短期影響，能增加人群心腦血管疾病死亡； 楊海兵等(2010)采用蘇州日度天氣數(shù)據(jù)研究了大氣主要污染物濃度對癌癥死亡率的影響，發(fā)現(xiàn)該地區(qū)居民惡性腫瘤日死亡率與大氣中SO2和PM10日平均水平呈正相關，與NO2呈負相關； 王燕俠等(2007)、陳曉等(2012)探索了空氣污染對新生兒健康、青少年呼吸系統(tǒng)的影響，結果表明空氣污染物的長期惡性積累可能成為出生缺陷甚至圍生兒死亡發(fā)生的隱患，大氣污染物PM2.5、SO2、NO2的綜合作用對青春期青少年肺功能產(chǎn)生了嚴重危害，表現(xiàn)為肺通氣功能阻塞性障礙，年齡越小影響越大，并表現(xiàn)出長期慢性的影響過程； Chen等(2012)使用全國樣本研究發(fā)現(xiàn)，冬季燃煤取暖造成的總懸浮顆粒增加將會降低人均壽命； Yuyu等(2013)通過中國有區(qū)別性煤炭政策所導致的“自然試驗”研究淮河南北顆粒物排放對于人均預期壽命的影響，發(fā)現(xiàn)空氣污染使得生活在淮河以北的5億中國人失去累計將近25億年的預期壽命。綜上可知，空氣污染和人類健康呈顯著的負相關關系，需要通過減少空氣污染來提高人類的健康水平。

森林可以通過減少空氣污染物來影響人體健康。森林除了具有涵養(yǎng)水源、固碳釋氧等生態(tài)功能外，還具有改善視覺、降低噪聲等保健功能，能對人類生理、心理產(chǎn)生積極的健康效應。張志永等(2014)對城市森林保健功能的內(nèi)涵進行了界定，明確森林可通過影響城市的物理和生物環(huán)境緩解城市環(huán)境質量的下降，減輕對人體健康的損害。進一步，他們將森林健康效應分為凈化空氣、雨洪控制和提高水質、降低噪聲、緩解城市熱島效應、緩解居民的壓力和疲勞、調節(jié)心理情緒等方面。在凈化空氣方面，森林主要通過氣孔吸入、表面阻滯等方式直接減少空氣污染物，Yang等(2005)發(fā)現(xiàn)北京中心城區(qū)約240萬株樹木每年能夠吸收或去除772.0 t可吸入顆粒物(PM10)，Nowak等(2006)發(fā)現(xiàn)美國城市樹木每年能去除71.1萬t空氣污染物。森林還可通過遮蔭和蒸騰等方式降低夏季的環(huán)境溫度，直接減少空調等制冷設備所需的能源消耗，從而間接減少空氣污染物的排放。除減少空氣污染物外，森林還可以釋放出氧氣，而空氣中的負氧離子可以調節(jié)人體的機能，一些樹種還可以分泌出芳香化合物和有機酸等具有殺菌作用的化學物質來凈化空氣。正因為森林的保健功能，森林浴日漸盛行，人們在林中通過行走、慢跑、騎自行車、采摘等系列游憩活動的開展，使肺部充分吸收森林植物中散發(fā)出來的具有藥理效果的植物精氣和空氣負氧離子，從而改善自身的身體狀態(tài)。森林浴產(chǎn)生的康復、保健和療養(yǎng)效果很早就被醫(yī)學證實，F(xiàn)ranke等(1962)便發(fā)現(xiàn)清新的空氣以及森林散發(fā)的揮發(fā)性物質對支氣管哮喘、肺部炎癥、肺結核等疾病具有顯著的治療效果，一些塵肺患者借助森林浴康復治療后，頭痛、頭暈、胸悶、氣促、咳喘等癥狀均有明顯改善(陸玲香， 1997)。正因為如此，日本將國土面積的15%劃為森林公園，這些公園每年吸引參加沐浴的民眾達到8億人次，并且逐漸形成了醫(yī)療福祉型森林、療養(yǎng)保養(yǎng)型森林、預防生活習慣病森林3類森林療法基地。美國也建立了眾多的“森林醫(yī)院”。我國的紅螺寺松林浴園、北京市森鑫森林公園、浙江天目山“森林康復醫(yī)院”也開展了森林浴。誠然，森林浴會對人體健康帶來諸多好處，但是由于勞動時間、交通條件等因素限制，森林浴主要服務對象還是當?shù)厝丝?，呈現(xiàn)空間專有性和人類主動性的特征。

就研究的準確性來說，醫(yī)學方面的文獻在研究通過改善空氣質量提高公共健康水平時，往往在研究對象上選取個體或非隨機樣本，而且也沒有考慮內(nèi)生性問題的處理，估計結果一致性較差，所得政策建議的含金量不高。經(jīng)濟學方面的文獻則更多關注空氣質量與公共健康之間的相關關系，很少關注因果關系，但也有一些作者對因果關系進行了探究，如Chen 等(2012)采用準自然試驗的斷點回歸技術處理空氣質量和公眾健康的關系，陳碩等(2014)利用3SLS檢驗火電廠二氧化硫排放對公共健康的影響，這些研究不僅檢驗了因果關系，而且有效處理了有害氣體排放的內(nèi)生性問題。總體來說，經(jīng)濟學領域從地區(qū)宏觀層面準確評價空氣質量與公共健康的文獻相對較少，內(nèi)生性問題成為一個需要突破的瓶頸。

2 空氣質量與公共健康： 2004—2010年省級面板數(shù)據(jù)的實證檢驗

2.1變量和數(shù)據(jù)來源

2.1.1 被解釋變量 衡量公共健康水平的指標很多，參照陳碩等(2014)的研究，將“每萬人中呼吸系統(tǒng)疾病死亡人數(shù)”和“每萬人中肺癌死亡人數(shù)”2個指標作為衡量公共健康水平的代理變量，該數(shù)據(jù)源自《全國疾病監(jiān)測系統(tǒng)死因監(jiān)測數(shù)據(jù)庫》。

2.1.2 核心解釋變量 核心解釋變量為空氣質量和森林面積，空氣質量指標主要包括顆粒物、二氧化硫、氮氧化物、揮發(fā)性有機物、氨等。Lelieveld等(2015)研究了全球范圍內(nèi)危害人類健康的大氣污染源分布狀況，指出引發(fā)大氣污染的最主要來源不是之前認為的工業(yè)排放和汽車尾氣，而是居民取暖、餐飲產(chǎn)生的煙塵以及農(nóng)業(yè)氨肥的使用，同時進一步測算了中國的大氣污染來源，發(fā)現(xiàn)居民能源消耗占32%、農(nóng)業(yè)排放占29%、自然排放占9%、火力發(fā)電占18%、工業(yè)排放占8%、機動車尾氣占3%、生物質燃燒占1%。另外，SO2作為氣體類的空氣質量指標在陳碩等(2014)中予以研究。因此，空氣質量的代理變量將選取顆粒物中的煙粉塵排放量，該數(shù)據(jù)源自《中國環(huán)境統(tǒng)計年鑒》。森林面積數(shù)據(jù)源自《中國林業(yè)統(tǒng)計年鑒》，需要指出的是，各地區(qū)的森林面積在全國森林資源清查期內(nèi)是恒定的，如在第七次(2004—2008年)全國森林資源清查期，北京森林面積恒定為37.88萬hm2，為此需要將每年新造林面積逐年累計加入恒定面積作為森林面積的代理變量。

2.1.3 工具變量 為了處理內(nèi)生性問題，選擇森林病蟲害發(fā)生面積作為工具變量，除了包括森林病蟲害合計發(fā)生面積外，還包括森林病害發(fā)生面積和森林蟲害發(fā)生面積，該數(shù)據(jù)源自《中國林業(yè)統(tǒng)計年鑒》。

2.1.4 控制變量 根據(jù)文獻中常用的影響公共健康的因素，選擇的控制變量包括經(jīng)濟發(fā)展水平、公共衛(wèi)生水平、人口密度，分別用人均GDP、醫(yī)院數(shù)、人均醫(yī)療支出、人口密度加以測量，該數(shù)據(jù)源自《中國統(tǒng)計年鑒》。

具體的描述性統(tǒng)計如表1所示?？梢园l(fā)現(xiàn)， 2004—2010年間，我國30個省(市、區(qū))每萬人中肺癌死亡人數(shù)平均值為0.127人，低于每萬人中呼吸系統(tǒng)疾病死亡人數(shù)0.215人，從標準差來看，后者的離散程度要高于前者，如果將7年間30個省(市、區(qū))每萬人中肺癌死亡人數(shù)平均值進行排名，可以發(fā)現(xiàn)北京、上海和天津位居前3名，分別為1.666、1.398和1.290人，云南、海南和貴州排在后3名，分別是0.090、0.069和0.055人； 同樣對每萬人中呼吸系統(tǒng)疾病死亡人數(shù)進行排名，可以發(fā)現(xiàn)上海、北京和吉林位居前3名，分別是2.013、1.695和1.012人，江西、西藏和海南排在后3名，分別為0.220、0.179和0.175人。2004—2010年間，30個省(市、區(qū))煙粉塵排放總量的平均值為33.487萬t，其中工業(yè)煙塵、工業(yè)粉塵和生活煙塵排放量的平均值分別為19.281萬、23.759萬和14.208萬t，從標準差來看，煙粉塵排放總量的離散程度最大，生活煙塵排放量離散程度最小。就各地區(qū)平均森林面積而言，7年間為608.801萬hm2，森林病蟲害合計發(fā)生面積平均值為352 523.5 hm2，占森林面積的5.79%，其中森林病害發(fā)生面積為33 420 hm2，小于森林蟲害發(fā)生面積?？刂谱兞恐校?年間30個省(市、區(qū))人均GDP平均為22 998.55元，人均醫(yī)療支出為212.574元，醫(yī)院數(shù)為649.667個，人口密度為392.948人·km-2。

2.2煙粉塵排放與公共健康(OLS估計及面板數(shù)據(jù)模型)

考慮到不同的模型估計方法會導致不同的結論，因此分別采用OLS、面板模型、3SLS進行估計。其中，煙粉塵排放和公共健康之間的線性關系如下：

(1)

式中：i表示30個省(區(qū)、市)；t表示年份； health為被解釋變量公共健康水平； smoke表示“煙粉塵排放量”； 向量X′是其他影響公共健康的因素； prefecture為地區(qū)效應，用來捕獲同時影響煙粉塵排放量及公共健康水平且不隨時間變化的因素，如地方治理質量、市場經(jīng)濟發(fā)達程度等； year為時間效應，用來捕獲影響所有樣本的因素，如經(jīng)濟周期、國際貿(mào)易等；ε1為誤差項。

表1 變量的描述性統(tǒng)計Tab.1 Descriptive statistics of variables

2.3三階段工具變量估計(3SLS)

用OLS和面板隨機效應模型估計式(1)時難免遇到內(nèi)生性問題，如現(xiàn)階段空氣質量已經(jīng)納入地方官員考核體系，一些地方官員在匯報煙粉塵排放量等有關空氣質量數(shù)據(jù)時存在明顯的斷點，而造成這種斷點的原因并不是來自于測量偏誤(陳碩等， 2014)，而往往與地方官員為追求政績修改監(jiān)測數(shù)據(jù)等行為有關，如果這種行為同樣也在當?shù)毓步】禒顩r測量中出現(xiàn)，那么將導致煙粉塵排放的內(nèi)生性問題。除此之外，遺漏變量也會導致內(nèi)生性問題，如汽車尾氣(Kagawa， 2002)、天氣條件(McMichaeletal.， 2006)、室內(nèi)煙塵(Lozanoetal.， 2012)等也會影響公共健康水平，如果這些遺漏變量同時與森林以及公共健康相關，那么使用雙向固定效用模型是無法剔除這些影響的，也將導致式(1)的估計結果不一致。

表2 煙粉塵排放與公共健康(OLS及面板估計)①Tab.2 Smoke and dust emissions and public health (OLS and panel estimation)

①括號中的數(shù)值為t值，***、**、*分別表示在10%、5%、1%水平上顯著。下同。Values in parentheses is thetvalue. ***, **, * represent 10%, 5% and 1% level.The same below.

因此，通過建立聯(lián)立方程模型，使用基于工具變量的三階段最小二乘估計(3SLS)方法來解決煙粉塵排放的內(nèi)生性問題。目前聯(lián)立方程模型估計方法主要包括兩階段最小二乘法(2SLS)和三階段最小二乘法(3SLS)，均適用于恰好識別以及過度識別的結構方程。由于聯(lián)立方程模型中每個隨機方程之間往往存在某種相關性，表現(xiàn)在不同方程的隨機誤差項之間，因此如果采用單方程估計方法(2SLS屬于單方程估計方法)分析將忽視這種相關性，造成信息損失。3SLS屬于系統(tǒng)估計方法，該方法考慮了模型系統(tǒng)中不同結構方程隨機誤差項之間的相關性，可對聯(lián)立方程中的所有參數(shù)同時進行估計，比2SLS逐個估計每個方程更為有效(Zellneretal., 1962)。3SLS的具體操作過程是首先用2SLS估計模型系統(tǒng)中的每一個結構方程，然后再用GLS(廣義最小二乘法)估計模型系統(tǒng)。

在用3SLS估計模型前，首先需要找到合適的工具變量。已有文獻表明，粉塵(煙塵)吸收能力會受到單個樹木枝葉茂密程度、表面粗糙程度、葉面絨毛多寡、分泌物多少的影響(李海梅等， 2008)，也會受到森林群落的層次結構和葉面積指數(shù)(郭偉等， 2010)、樹齡和種植密度(殷杉等， 2007)、樹木疾病(Carianosetal.， 2011)的影響，但是由于數(shù)據(jù)限制以及研究對象以省級地區(qū)為單位，因此只采用森林面積作為森林的代理變量。粉塵(煙塵)吸收量會受到森林覆蓋率高低或森林面積的影響，但森林面積依然是內(nèi)生的，不能作為煙粉塵的工具變量，因為森林可以通過釋放氧氣和芳香烴影響人體健康，同時人們?yōu)榱颂岣咦陨斫】邓揭矔鲃拥亻_展森林浴或者通過植樹造林來提高森林面積，因此，還需要尋找工具變量，使之僅通過影響森林面積來影響煙粉塵的排放。為此，本研究采用外生的病蟲害發(fā)生面積作為森林面積的工具變量。首先，要確定病蟲害發(fā)生與誤差項無關。有關研究指出，病害發(fā)生誘因包括生物因素和非生物因素，生物因素為真菌、細菌、病毒等侵入植物體所引起的病害，非生物因素為如旱、澇、嚴寒、養(yǎng)分失調等影響或損壞生理機能而引起的病害； 蟲害主要是昆蟲、螨類、蝸牛、鼠類等。從影響森林面積的因素來看，人口增長、林地面積、國民生產(chǎn)總值、復種指數(shù)、采伐限額等均會影響森林面積(王蘭會等， 2003)，但從病蟲害發(fā)生的誘因來看，很難確定病蟲害發(fā)生與上述幾個變量以及誤差項有關。其次，要確定病蟲害只能通過影響森林面積對森林吸附煙粉塵的能力產(chǎn)生作用，進而影響人類健康。據(jù)報道(中國環(huán)境頻道， 2013)，“十一五”期間我國年均發(fā)生病蟲害面積為1 133.3萬hm2，主要林業(yè)有害生物種類增加到295種，每年因森林病蟲害致死樹木4 000多萬株，年均造成損失1 100多億元，其中2010和2011年全國林業(yè)有害生物中度、重度發(fā)生面積年均353.3萬hm2，為同期造林面積的59%，說明病蟲害發(fā)生會影響森林面積，并且只能通過影響森林健康狀況、生活力、生長勢來影響森林面積。另外，全球經(jīng)濟一體化進程加快進一步擴大了重大危險性外來林業(yè)有害生物在我國的傳播范圍，先后有松材線蟲(Bursaphelenchusxylophilus)、美國白蛾(Hyphantriacunea)、薇甘菊(Mikaniamicrantha)等36種外來林業(yè)有害生物傳入我國，這一例子既可以說明外來林業(yè)有害生物的外生性，同時也可以說明特定的病蟲害只對特定樹種產(chǎn)生作用，是作為工具變量的最佳選擇；但是由于缺乏外來林業(yè)有害生物的發(fā)生數(shù)據(jù)，因此只能選擇病蟲害作為工具變量。第三，病蟲害發(fā)生與煙粉塵排放量無關。病蟲害發(fā)生與森林火災有所不同，后者影響森林面積的同時還釋放SO2、NO、CO、煙霧等物質，而這些物質污染空氣，直接影響人類健康。第四，確定人類呼吸系統(tǒng)疾病并不會影響到病蟲害的發(fā)生。從目前來看，即使各地區(qū)采取了化學、生物和物理等防治病蟲害的方法和措施，但目的是維持森林健康和生態(tài)系統(tǒng)的穩(wěn)定，很難說是為了保護人體的健康，二者之間并不存在明顯的因果關系。由于上述因果鏈條中存在3個階段，因此估計值獲取也需要3個階段，具體如下：

(2)

(3)

(4)

在聯(lián)立方程組中，首先在第一階段式(4)中用病蟲害總發(fā)生面積估計森林面積；然后將估計值代人第二階段回歸式(3)中，估計“森林-煙粉塵排放”關系，該式中森林面積的方差來自于外生的病蟲害總發(fā)生面積；最后將式(3)中獲得的煙粉塵排放估計值作為式(2)的關鍵解釋變量進而獲得一致性的估計值。由于上述過程涉及2個工具變量，因此借鑒陳碩等(2014)的做法，采用3SLS法進行估計，該估計方法能夠充分利用方程之間殘差項的相關關系，一定程度上可以看作是2SLS和SUR(seemly unrelated regression)的結合，從而獲得更有效率的估計結果。對方程的一致性估計取決于病蟲害是否通過且僅通過影響森林來影響煙粉塵排放，很明顯，絕大多數(shù)病蟲害是針對特定樹種的，如松材線蟲病是針對松樹的一種毀滅性流行??； 另外鼠類活動也會造成一定的粉塵，但影響幾乎可以忽略。部分學者認為森林在不發(fā)達地區(qū)比較集中，這些地區(qū)公共財政收入少、人民生活水平和醫(yī)療服務水平低，也會對公共健康水平產(chǎn)生影響，因此在式(2)中加入了經(jīng)濟發(fā)展水平、醫(yī)療支出、醫(yī)療設施等控制變量。

從表3中可以發(fā)現(xiàn)病蟲害總發(fā)生面積正向影響森林面積，一個重要的原因是每年造林面積增長量大于病蟲害發(fā)生面積，并且顯著性水平(P)均大于10%，意味著單變量的F遠大于10，說明所選取的工具變量不存在弱工具變量問題。第二階段回歸將所預測的森林面積作為核心解釋變量來解釋煙粉塵排放，可以發(fā)現(xiàn)森林面積顯著影響煙粉塵排放水平，森林面積每增加1%，煙粉塵排放量降低約0.884%。表3中模型(1)和(3)是采用3SLS估計的結果，模型(2)和(4)是采用OLS估計的結果，二者估計的顯著性水平?jīng)]有差異，但在數(shù)值上后者主要變量的估值偏高。另外，在第二階段回歸中，人均GDP的估計出現(xiàn)了相反的符號，說明OLS估計的結果確實存在內(nèi)生性問題。

表4展示在第三階段回歸時，將用外生變量解釋過了的煙粉塵排放量作為解釋變量來解釋公共健康。通過上述處理，煙粉塵排放變量中的內(nèi)生性部分已被排除，剩下的外生部分可以保證其估計結果的一致性。可以發(fā)現(xiàn)，煙粉塵排放對公共健康水平顯著不利，煙粉塵排放量每增加1%，萬人中死于肺癌的人數(shù)增加0.777%，死于呼吸系統(tǒng)疾病的人數(shù)增加0.704%，并且均高于采用OLS估計的結果。該結果與陳碩等(2014)研究一致，均顯示OLS方法會低估空氣污染對公共健康的影響。就其他控制變量來說，人均GDP和人口密度不利于居民公共健康水平的提高，從側面說明我國一些地區(qū)在經(jīng)濟發(fā)展過程中忽視了生態(tài)環(huán)境保護，盡管提高了生活水平，但健康水平卻出現(xiàn)下降。另外，人均GDP對死于呼吸系統(tǒng)疾病人數(shù)的影響不顯著。人均醫(yī)療支出對居民公共健康水平在1%水平下顯著為負，即人均醫(yī)療支出每增加1%，萬人中肺癌及呼吸系統(tǒng)疾病死亡人數(shù)分別降低0.362%和0.543%，與Jacob等(2012)的研究結果一致，提高醫(yī)療支出可顯著提高居民的公共健康水平。

表3 煙粉塵排放與公共健康(3SLS第一及第二階段)Tab.3 Smoke and dust emissions and public health (the first and second stage of 3SLS)

表4 煙粉塵排放與公共健康(3SLS第三階段)Tab.4 Smoke and dust emissions and public health (the third stage of 3SLS)

3 穩(wěn)健性檢驗

3.1考慮不同排放物的計量檢驗

《中國環(huán)境統(tǒng)計年鑒》中公布的煙粉塵包括工業(yè)煙塵、工業(yè)粉塵和生活煙塵3類，分別用上述3個變量作為空氣污染的代理變量估計煙粉塵排放與公共健康的關系。如表5中模型(1)～(6)，在第三階段中，這3個變量均在10%顯著性水平下正向影響肺癌及呼吸系統(tǒng)疾病死亡人數(shù)，其中工業(yè)煙塵對呼吸系統(tǒng)疾病的影響大于對肺癌的影響，工業(yè)粉塵和生活煙塵對呼吸系統(tǒng)疾病的影響小于對肺癌的影響。三者對公共健康的影響中，工業(yè)煙塵最大，生活煙塵次之，最小的是工業(yè)粉塵。森林面積的增加會顯著降低工業(yè)煙塵、工業(yè)粉塵和生活煙塵的排放量，其中森林面積對工業(yè)煙塵的降低效果最明顯，其次是工業(yè)粉塵，最后是生活煙塵。病蟲害總發(fā)生面積正向影響森林面積。其他控制變量中，除了各別變量在估計參數(shù)時不顯著外，絕大多數(shù)與表4所得結果一致。

3.2采用不同工具變量的計量檢驗

《中國環(huán)境統(tǒng)計年鑒》中公布的森林有害生物包括病害、鼠害和蟲害3種類型，鼠害由于數(shù)據(jù)缺失嚴重，因此只采用病害和蟲害作為工具變量分析煙粉塵排放對公共健康的影響。如表5模型(7)～(10)，將病害作為工具變量時，煙粉塵排放總量對呼吸系統(tǒng)疾病的影響大于對肺癌的影響，即煙粉塵排放總量每增加1%，呼吸系統(tǒng)疾病將增加1.196%，肺癌將增加0.943%； 將蟲害作為工具變量時，情況正好相反，即煙粉塵排放總量每增加1%，呼吸系統(tǒng)疾病將增加0.661%，肺癌將增加0.724%； 但是煙粉塵排放總量的影響均在10%水平下顯著異于零(第三階段估計)。森林面積的增加會顯著降低煙粉塵排放總量(第二階段估計)，具體來說，以病蟲害總發(fā)生面積作為工具變量時，森林面積每增加1%，工業(yè)煙塵、工業(yè)粉塵和生活煙塵排放量將分別降低1.115%、0.985%和0.617%； 以病害作為工具變量時，森林面積每增加1%，煙粉塵總排放量將降低0.934%； 以蟲害作為工具變量時，森林面積每增加1%，煙粉塵總排放量將降低0.790%。病害、蟲害發(fā)生面積與森林面積正相關，并且前者小于后者對森林面積的影響(第一階段估計)。醫(yī)院數(shù)對于公共健康的影響不再顯著，同時在第二階段回歸中，人均GDP對煙粉塵排放總量的影響也不再顯著。人口密度在第二階段回歸中，正向顯著影響煙粉塵排放量，在第三階段中，正向顯著影響公共健康變量。人均醫(yī)療支出盡管影響為負，但是不同方程中顯著性水平有所不同。

表5 煙粉塵排放與公共健康穩(wěn)健性檢驗(3SLS)Tab.5 Robustness test between Smoke and dust emissions and public health (3SLS)

續(xù)表5

Continued

4 結論與討論

基于我國30個省(市、區(qū))7年的面板數(shù)據(jù)，采用3SLS方法克服顆粒物排放的內(nèi)生性問題，準確評價了煙粉塵排放對公共健康的影響，驗證了森林吸收煙粉塵以降低其對公共健康的作用，獲得了如下結論：

1) 煙粉塵排放顯著降低居民的公共健康水平。煙粉塵排放量每增加1%，萬人中死于肺癌人數(shù)將增加0.777%，死于呼吸系統(tǒng)疾病人數(shù)將增加0.704%。森林會顯著影響煙粉塵排放水平，森林面積每增加1%，煙粉塵排放量降低約0.884%。人均GDP的增加和人口密度的增大并不能提高居民的健康水平。增加人均醫(yī)療支出有助于降低居民患肺癌和呼吸系統(tǒng)疾病的概率，且人均醫(yī)療支出每增加1%，萬人中肺癌及呼吸系統(tǒng)疾病死亡人數(shù)將分別降低0.362%和0.543%。

2) 穩(wěn)健性檢驗結果顯示，將病害作為工具變量時，煙粉塵排放總量對呼吸系統(tǒng)疾病的影響大于對肺癌的影響，即煙粉塵排放總量每增加1%，呼吸系統(tǒng)疾病將增加1.196%，肺癌將增加0.943%； 而森林面積每增加1%，煙粉塵總排放量將降低0.934%。將蟲害作為工具變量時，煙粉塵排放總量每增加1%，呼吸系統(tǒng)疾病將增加0.661%，肺癌將增加0.724%； 而森林面積每增加1%，煙粉塵總排放量將降低0.790%。

以上結論的學術價值和現(xiàn)實意義在于： 第一，有效克服了醫(yī)學研究中多重視發(fā)病個體層面、少關注地區(qū)性影響因素的局限性，從而可以有效解釋地區(qū)間健康水平的異質性，是宏觀層面研究環(huán)境污染和公共健康關系的一種嘗試。由于煙粉塵排放危害公共健康，因此要繼續(xù)加大環(huán)境治理力度，一是實施煙粉塵排放總量控制，將現(xiàn)有設施煙粉塵排放量測算納入環(huán)評文件，加大大氣污染治理力度； 二是提高清潔生產(chǎn)和資源綜合利用水平，在工業(yè)生產(chǎn)中要采用先進除塵技術和細微顆粒物控制技術，落實重點行業(yè)煙粉塵除塵系統(tǒng)的升級改造工程，在農(nóng)業(yè)生產(chǎn)中要嚴防田間焚燒秸桿，在居民生活中大力推廣清潔能源的使用，減少生活煙塵的排放； 三是在制度執(zhí)行層面，要嚴格環(huán)評審批制度，實施排污許可證管理制度、完善環(huán)保核查制度和環(huán)保信息公開制度，從而有效控制顆粒物的排放。第二，側面驗證了生態(tài)文明建設的實施效果，使公眾更加體會到“山水林田湖”生命共同體中林業(yè)的宗命脈作用(陳紹志等， 2014)，有利于推動綠水青山轉化為人類健康的金山銀山，真正使良好生態(tài)環(huán)境成為最公平的公共產(chǎn)品和最普惠的民生福祉。當前，我國仍然是一個缺林少綠、生態(tài)脆弱的國家，生態(tài)差距是我國與發(fā)達國家最大的差距之一，生態(tài)環(huán)境遠遠不能滿足人民群眾需求，一些地區(qū)為了發(fā)展經(jīng)濟而忽視生態(tài)保護甚至污染環(huán)境，影響了當?shù)鼐用竦慕】怠榱伺まD生態(tài)環(huán)境惡化趨勢、減少生態(tài)差距和提升居民健康水平，必須毫不動搖地加強生態(tài)建設，而林業(yè)是生態(tài)建設的主體，管理好3.04億hm2林地、0.53億hm2濕地、2.62億hm2荒漠化土地才能從根本上保證生態(tài)環(huán)境的良好；與此同時，要加快自然生態(tài)系統(tǒng)的全面修復，以山水林田湖統(tǒng)一治理的觀念為指導，堅持以大工程帶動大發(fā)展，實施重大生態(tài)修復工程，并通過法治化、制度化、科學化的管理方式鞏固生態(tài)建設成果。第三，鑒于森林通過吸收煙粉塵可以提高公共健康水平，為了進一步提高公共健康水平，除了通過法律和強制措施從源頭治理污染外，還需要擴大森林面積、提升森林質量、增強森林生態(tài)功能。具體來說，一方面要通過加強林木新品種選育、人工林高效培育及天然林可持續(xù)經(jīng)營等關鍵技術創(chuàng)新，構建高水平的森林資源培育技術支撐體系，擴大吸收煙粉塵強的樹種面積，從而提高森林覆蓋率和質量； 另一方面要重視森林的保護管理，準確把握林業(yè)有害生物發(fā)生客觀規(guī)律，科學確定防控工作策略，通過監(jiān)測預警、檢疫御災、防治減災體系建設等措施有效提高森林有害生物防治水平，降低森林資源損失，保證林業(yè)持續(xù)的發(fā)揮生態(tài)功能和保健功能，通過減少空氣污染物來提升人類健康水平。

陳紹志，周海川. 2014.林業(yè)生態(tài)文明建設的內(nèi)涵、定位與實施路徑.中州學刊，(7)： 91-96.

(Chen S Z, Zhou H C.2014. Forestry ecological civilization construction, location and implementation path.Zhongzhou Academic Journal, (7): 91-96.[in Chinese])

陳 碩，陳 婷. 2014.空氣質量與公共健康： 以火電廠二氧化硫排放為例.經(jīng)濟研究，(8)： 158-169.

(Chen S, Chen T. 2014.Air pollution and public health:evidence from sulfur dioxide emission of coal-fired power stations in China. Economic Research Journal, (8): 158-169.[in Chinese])

(Chen X,Chen Y Q,Hou H Y,etal. 2012.An relationship between air pollution and perineonate death and birth defects in tianjin. J Int Obstet Gynecol, 39(3)： 308-310.[in Chinese])

郭 偉，申屠雅瑾，鄭述強，等. 2010.城市綠地滯塵作用機理和規(guī)律的研究進展. 生態(tài)環(huán)境學報， 19(6)： 1465-1470.

(Guo W, Shentu Y J, Zheng S Q,etal. 2010. Research advances on mechanisms and rules of dust retention of the urban green areas. Ecology and Environmental Sciences,19(6): 1465-1470.[in Chinese])

李海梅，劉 霞. 2008.青島市城陽區(qū)主要園林樹種葉片表皮形態(tài)與滯塵量的關系. 生態(tài)學雜志，27(10)： 1659-1662.

(Li H M, Liu X. 2008.Relationships between leaf epidermal morphology and dust-retaining capability of main garden trees in Chengyang District of Qingdao City. Chinese Journal of Ecology,27 (10):1659-1662.[in Chinese])

陸玲香. 1997.塵肺患者接受森林浴康復治療方法與體會.職業(yè)醫(yī)學，24(6)： 37-39.

區(qū)塊鏈集成了分布式網(wǎng)絡、密碼學、共識算法和智能合約等技術，采用了一種集體維護數(shù)據(jù)的思路。這帶來了區(qū)塊鏈能夠防篡改的特點，但也會嚴重損耗性能和擴展性等。雖然通過隔離見證、分片、多鏈和增加塊大小等手段，能夠加以改善，但理論上性能和擴展性都無法與集中式的數(shù)據(jù)庫技術相比。

(Lu L X.1997. Pneumoconiosis patients receiving treatment and rehabilitation of forest bath experience. Occupational Medicine, 24 (6): 37-39.[in Chinese])

喬曉楠，段小剛. 2012.總量控制, 區(qū)際排污指標分配與經(jīng)濟績效.經(jīng)濟研究，(10)： 121-133.

(Qiao X N, Duan X G. 2012.Total quantity control, inter regional allocation of emission permits and economic performance. Economic Research Journal,(10):121-133.[in Chinese])

宋桂香，江莉莉，陳國海，等. 2006.上海市大氣氣態(tài)污染物與居民每日死亡關系的時間序列研究. 環(huán)境與健康雜志，23(5)： 390-393.

(Song G X, Jiang L L, Chen G H,etal. 2006. A time-series study on the relationship between gaseous air pollutants and daily mortality in shanghai. Journal of Environment and Health, 23 (5): 390-393.[in Chinese])

王蘭會, 劉俊昌. 2003.1978—1998年我國森林覆蓋率變動的影響因素分析. 北京林業(yè)大學學報: 社會科學版，(2)： 33-36.

(Wang L H, Liu J C.2003.An analysis on the factors affecting forest coverage (1978—1998).Journal of Beijing Forestry University(Social Sciences),(2): 33-36.[in Chinese])

王燕俠，牛靜萍，丁國武，等. 2007. 蘭州市大氣污染對青春期青少年肺功能的影響. 環(huán)境與健康雜志，24(6)： 415-418.

(Wang Y X, Niu J P, Ding G W,etal. 2007. Effects of air pollution on juvenile lung function in Lanzhou. Journal of Environment and Health, 24 (6): 415-418.[in Chinese])

楊海兵，葛 明，洪 梅，等. 2010. 蘇州市惡性腫瘤日死亡率與大氣主要污染物的關系. 環(huán)境與職業(yè)醫(yī)學，(6)： 353-355.

(Yang H B, Ge M, Hong M,etal. 2010.Relation between the daily mortality of malignant tumor and the air pollutant in Suzhou. Environmental and Occupational Medicine,(6): 353-355.[in Chinese])

殷 杉，蔡靜萍，陳麗萍，等. 2007.交通綠化帶植物配置對空氣顆粒物的凈化效益.生態(tài)學報，27(11)： 4590 -4595.

(Yin S, Cai J P, Chen L P,etal. 2007.Effects of vegetation status in urban green spaces on particles removal in a canyon street atmosphere. Journal of Ecology, 27 (11): 4590-4595.[in Chinese])

殷文軍，彭曉武，宋世震，等. 2012.廣州市空氣污染與城區(qū)居民心腦血管疾病死亡的時間序列分析. 環(huán)境與健康雜志，29(6)： 521-525.

(Yan W J, Peng X W, Song S Z,etal. 2012.Air pollution and the cerebro cardio-vascular disease mortality of population in guangzhou:a time-series analysis.Journal of Environment and Health, 29 (6): 521-525.[in Chinese])

張志永，葉 兵，楊 軍，等. 2014.城市森林保健功能研究進展，世界林業(yè)研究，(12)： 27-33.

(Zhang Z Y, Ye B, Yang J,etal. 2014.Research progress in studies of health functions of urban forests, World Forestry Research,(12): 27-33.[in Chinese])

中國產(chǎn)業(yè)信息網(wǎng). 2014. 2014年中國肺癌發(fā)病率、死亡率現(xiàn)狀，肺癌未來趨勢解讀. http:∥www.chyxx.com/news/2014/0409/236571.html.

(China Industrial Information. 2014. Lung cancer incidence, mortality situation, future trends in China 2014.http:∥www.chyxx.com/news/2014/0409/236571.html.[in Chinese])

中國環(huán)境頻道. 2013.國家林業(yè)局： 森林病蟲害致年均損失1100億.http:∥www.cctvhjpd.com/Article/Show.asp?ID=53264.

(China Environment channel.2013. State Forestry Administration: forest pests cause annual losses 110 billion.http:∥www.cctvhjpd.com/Article/Show.asp?ID=53264.[in Chinese])

Bell M L, Davis D L. 2001.Reassessment of the lethal London fog of 1952: novel indicators of acute and chronic consequences of acute exposure to air pollution. Environmental Health Perspectives, 109(3): 389.

Brunekreef B, Holgate S T. 2002.Air pollution and health. The Lancet, 360(9341): 1233-1242.

Carianos P，Casares-Porcel M. 2011.Urban green zones and related pollen allergy: a review: some guidelines for designing spaces with low allergy impact. Landscape and Urban Planning， 101(3):205-214.

Chen Y, Jin G Z, Kumar N,etal. 2012.Gaming in air pollution data? Lessons from China. The BE Journal of Economic Analysis & Policy, 12(3):1-43.

Franke E K, Braunstein J R, Zellner D C. 1962.Study of high frequency components in electrocardiogram by power spectrum analysis. Circulation Research, 10(6): 870-879.

Lelieveld J, Evans J S, Fnais M,etal. 2015.The contribution of outdoor air pollution sources to premature mortality on a global scale. Nature,525(7569)： 367-371.

Jacob N, Solomon A O, Justice N.2012.The effects of public and private health care expenditure on health status in sub-Saharan Africa: new evidence from panel data analysis.Health Economics Review，2(1)： 1-8.

Kagawa J. 2002.Health effects of diesel exhaust emissions—a mixture of air pollutants of worldwide concern. Toxicology,181-182(3): 349-353.

Lozano R, Naghavi M, Foreman K,etal. 2013.Global and regional mortality from 235 causes of death for 20 age groups in 1990 and 2010: a systematic analysis for the global burden of disease study 2010. The Lancet, 380(9859): 2095-2128.

McMichael A J, Woodruff R E, Hales S. 2006.Climate change and human health: present and future risks.The Lancet, 367 (9513): 859-869.

Nowak D J，Crane D E，Stevens J C. 2006.Air pollution removal by urban trees and shrubs in the United States. Urban Forestry & Urban Greening, 4(3): 115-123.

Wang H,Dwyer-Lindgren L, Lofgren K T,etal. 2013.Age-specific and sex-specific mortality in 187 countries, 1970—2010: a systematic analysis for the global burden of disease study 2010. The Lancet, 380(9859): 2071-2094.

Yang J, McBride J, Zhou J,etal. 2005. The urban forest in Beijing and its role in air pollution reduction. Urban Forestry & Urban Greening，3(2): 65-78.

Yuyu C, Avraham E, Michael G,etal.2013.Evidence on the impact of sustained exposure to air pollution on life expectancy from China’s Huai River policy. PNAS, 110(32):12936-12941.

Zellner A, Theil H.1962. Three stage least squares: simultaneous estimate of simultaneous equations. Econometrica, 30(1): 54-78.

(責任編輯 石紅青)

AirPollutionandPublicHealth:EvidencefromForestsAbsorbSmokeandDustEmissioninChina

Zhou Haichuan

(ResearchInstituteofForestryPolicyandInformation，CAFBeijing100091)

R122

A

1001-7488(2017)08-0120-12

10.11707/j.1001-7488.20170814

2016-05-03;

2016-08-01。

浙江省省院合作林業(yè)科技項目“森林療養(yǎng)基地認證標準與指標體系研究”(2016SY17)； 中央級公益性科研院所基本科研業(yè)務費專項資金資助項目(CAFYBB2017QA020)。