Impact of Forest Resources on Residents’ Health: Taking the Main Disease Mortality as an Example
-
摘要: 分析我国30个省区(西藏及港澳台除外)的主要疾病死亡率数据,通过方差分析、面板回归等方法逐步深入研究疾病死亡率与森林覆盖率之间的关系。分析结果显示森林覆盖率越高,主要疾病死亡率越低,森林覆盖率每增加1%,肺癌死亡率减少1.14/105,乳腺癌死亡率减少0.16/105,其他慢性病具有同样的抵减趋势。这些结果表明森林在促进居民健康水平方面有积极作用。Abstract: Based on the related diseases mortality panel data of 30 regions in China, this paper probed into the relation between mortality of chronic diseases and forest coverage by using ANOVA and panel regression. The result indicates that the higher the forest coverage, the lower the main diseases mortality:for every 1% increase in forest coverage, the lung cancer mortality decreases 1.14/105, and the breast cancer mortality decreases 0.16/105, with the same tendency in other main diseases.The positive result implicates that forests may improve residents’ health.
-
Keywords:
- residents’ health /
- disease mortality /
- forest coverage
-
森林被称作一个“伟大的健康机器”[1],森林环境可以减轻压力、缓解焦虑抑郁等情绪,使人感觉放松舒适[2-4],且与城市环境相比,森林环境可以显著提高人体自然杀伤细胞、NK细胞和细胞内穿孔素的水平,增强人体抵抗力[3-5]。通过建设森林改善居民健康,可以实现生态与经济的双收益。在国际上,已经有越来越多的国家认可森林环境对人类健康的作用:德国将森林疗养制定为一项国策,公务员每月一次的森林疗养使德国的公费医疗支出减少30%,现如今德国每年约有40%的人每月要参与一次森林疗养[6];日本、韩国、美国、英国、意大利等国家也都竞相开展了此类森林旅游项目。随着政府相关政策的推出,森林环境对居民健康的影响越来越受流行病学家及社会科学家的重视,这方面的科学数据也逐渐积累了起来。
一. 文献回顾
国内外关于森林环境对人类健康影响的研究分为实验研究、接触森林对疾病发病率与死亡率的影响两个方面。
实验研究即通过测量测试者在森林中散步或旅游后心理、神经、内分泌、免疫指标的数据变化,探究森林环境对人类健康的影响。关于这方面的科学研究最早源于德国科学家K. Franke,他发现人体在自然环境中会自觉调整平衡神经,恢复身体韵律,认为清新的空气以及树干散发出来的挥发性物质,对呼吸系统相关疾病疗效显著[7]。目前,通过实验研究森林与人类健康关系较多的是韩国、日本及欧洲一些国家,这些国家研究得出,森林通过其独特的化学环境、物理环境,使人们在其中增加运动来影响人体健康。日本学者通过测量实验者森林浴后的相关生理指标,发现森林浴与癌症、心血管疾病、内分泌系统疾病等存在关系,森林浴有利于增强人体对癌症的抵抗力,降低心血管疾病发病率[3];韩国学者较多地研究了森林疗法对心理及认知健康的作用,研究发现森林可以减轻压力,使人的情绪更加积极[5];英国的相关研究表明森林可以提高人体自然杀伤细胞的活性,每月一次森林观光可使人体保持一个较高的NK细胞活性水平,或许可以预防癌症的发生[3];欧洲一些国家研究残疾人进行森林疗养后的生理及心理指标变化,研究发现,对残疾人来说,森林有益于健康和他们对社会的包容及认同[3]。近两年,随着森林疗养在我国兴起,已有相关实验证明,森林可以改善参试者的血液指标,缓解精神压力[8]。
接触森林对疾病发病率与死亡率的研究,即研究组群生活中可能接触到绿色环境的几率与疾病发病率及死亡率之间的关系。比较早的研究是荷兰的Vitamin G项目,研究指出人们到达绿地的距离与各种健康标准之间存在关联性[9-11]。有学者通过研究不同绿地量地区人群的健康差距,发现接触绿地较多的地区中,优势人群及弱势人群健康差距较小[3]。近几年,日本学者李卿等[3]观察英国城市地区死亡率与绿地量之间的关系,发现其间存在负相关关系;通过分析日本不同州县森林覆盖率与癌症死亡率的相关性,发现森林覆盖率与肺癌、肾癌、大肠癌、子宫癌、乳腺癌死亡率也都存在显著的负相关关系。我国学者通过分析省级森林覆盖率与健康数据之间的关系,发现森林资源有益于缩小我国居民健康的不平等程度[3, 12]。其中周海川[13]通过建立基于省级森林数据的应用结构方程,从宏观角度研究发现,森林可以通过吸收粉尘颗粒间接降低肺癌及呼吸系统疾病死亡率。
目前,国际上越来越多的实验证明森林环境对居民健康存在有益影响,但其影响容易被医疗、经济等其他因素所抵消,因而,实验结论不能简单地大范围推广。宏观上,通过控制经济、医疗等相关条件,研究森林与居民健康之间的关系,可以与微观实验结论相互印证,同时为森林医学实验结果的推广与应用提供一定的实证参考,为我国森林疗养工作的展开提供一定的理论支撑。但是,截至目前,国内外相关宏观研究还很少,而且变量指标不够完备,本文希望补充相关研究指标,并且通过省级数据探究森林覆盖率对居民健康的直接影响。
二. 指标选取及数据来源
一 居民健康衡量指标及数据来源
健康的定义涉及生理、心理、道德以及社会适应能力等诸多方面,目前我国多数学者采用生理指标研究总体健康水平,常用的指标有期望寿命、患病率、一些慢性疾病的发病率及死亡率[13-17]。
1 居民健康衡量指标
慢性病是指不构成传染、因长期积累形成疾病形态损害的疾病的总称,是导致居民死亡的最主要原因,所以,慢性病死亡率可以反映居民的健康水平。据《全国死因监测报告》统计,2004—2018年,全国慢性病死亡人数之和占总死亡人数的比例超过80%,慢性病成为威胁居民健康的最主要原因。慢性病死因中,肿瘤排第1,占慢性病死亡人数比例超过30%;肿瘤死因中,肺癌、胃癌、乳腺癌死亡率分别排第1、第3和第7,是生活中常见的癌症。本文在前人研究基础上,结合森林医学相关实验结论及我国居民疾病死亡率数据,选取《全国死因监测报告》中的慢性病、肿瘤、胃癌、肺癌及乳腺癌死亡率作为衡量居民健康的代表性指标。
2 数据来源及缺失值处理
本文居民健康指标数据均来源于全国死因监测报告,报告中仅统计了监测区疾病死亡人数,所以文章对数据进行了死亡率转换。同时,由于我国港澳台及西藏自治区相关疾病指标数据缺失,本研究仅选取我国大陆地区的30个省(自治区、直辖市)的数据进行分析。本文选取了2004—2008年的疾病死亡率数据,原因有两点:一是分省疾病死亡率数据的可得性,截至目前,公共卫生科学数据中心的死因监测报告中仅公布了2004—2008年各省份疾病死亡率数据;二是主要疾病死亡率的方差分析结果显示,数据差异主要来源于省份,时间差异不大。
二 影响居民健康的指标选取及数据来源
影响健康的因素可以分为遗传因素、环境因素。在宏观研究中,一般假定遗传因素不变,仅考虑环境因素。人类环境可以分为社会环境和自然环境:社会环境包括政治、经济、文化、医疗等环境[14];自然环境是指“具有天然植被的、开阔且未经开发的土地”,包括森林、公园等[3]。
1 森林资源指标
在宏观研究中,森林覆盖率、森林面积、森林蓄积量等是反映森林资源水平的常用指标。但是,森林面积、森林蓄积量小的地区森林覆盖率不一定低,无法衡量地区森林资源水平,所以,本文选择森林覆盖率作为衡量森林资源的代表性指标。森林覆盖率是指森林面积占土地总面积的比率,属于一类清查数据,每5年发布一次,所以森林覆盖率数据与其他数据相比存在缺失,本文以线性内插法对数据进行填充。
2 社会经济、医疗等其他影响居民健康的指标
在以往的宏观研究中,除森林外,居民健康的主要影响因素包括人均GDP,人均收入,医疗卫生条件,居民健康意识,PM10、SO2、NO2排放量,人口老龄化等[18-24]。城市化率、居民受教育程度可以通过影响居民健康意识来影响居民健康[18];老年人是疾病高发人群,其慢性病患病率是全部人口患病率的3.2倍,同时,老龄化也是各种肿瘤死亡率上升的显著贡献因素[19-20]。我国目前正处于老龄化阶段,老年人群比例逐渐提高,它对居民整体健康水平的影响不可忽略。医疗条件可以通过影响居民就医环境、就医及时性来影响居民健康[21],国内外学者较多借用公共医疗卫生支出来研究医疗卫生条件与居民健康之间的关系。例如,部分学者研究发现公共卫生支出增加降低了拉丁美洲国家人口死亡率。我国学者也研究证明政府公共卫生支出对人口死亡率有显著影响[22]。孕产妇系统管理率是反映妇幼保健水平的重要指标,反映基本公共卫生管理水平[23-24]。
地区经济水平是地区综合实力的重要体现。经济发达的地区,居民收入普遍偏高,一方面,收入水平与居民营养水平、医疗保健水平正向相关;另一方面,收入水平与居民生活方式密切相关。生活方式包括作息习惯、饮食习惯、娱乐习惯等,这些都是影响居民身体健康的重要因素[25]。在宏观研究领域,国内学者较多应用地区人均GDP研究经济与死亡率、预期寿命之间的关系[26-27]。同时,国外学者研究证明居民收入与某些社会福利相关,影响诊断条件,从而可以影响居民健康[28]。
工业化发展导致的环境恶化会对人类健康产生不利影响[29]。有研究表明大气污染与癌症死亡率之间存在正向的相关关系[17]。美国癌症协会对120万美国成人进行了长达26年的跟踪研究,发现空气污染物浓度每升高10 μg/m3,肺癌死亡率将升高15% ~ 27%[30]。国内相关研究证明PM10、SO2、NO2排放增加对居民总死亡率、心脑血管疾病死亡率和呼吸道疾病死亡率有确切的影响[15-16]。
本文综合借鉴前人的研究成果,选取包括经济、社会、医疗卫生、环境等方面共15个影响居民健康的代表性指标(见表1)。
表 1 变量名及对应含义变量分类 变量名 含义 单位 森林环境 x1 森林覆盖率 % 经济水平 x2 人均GDP 万元 x3 财政收入占GDP比 % x4 全社会固定资产投资 万元 x5 居民消费水平 万元 社会发展 x6 文盲率 % x7 城镇人口占常住人口比例 % x8 老年人口抚养比 % 医疗条件 x9 财政医疗卫生支出占财政支出比 % x10 每万人口医疗卫生机构床位数 张 x11 每万人口卫生技术人员数 人 x12 医疗卫生机构门诊健康检查人数占
常住人口比例% x13 孕产妇系统管理率 10−5 环境污染 x14 SO2排放量 万t x15 烟粉尘排放量 万t 3 数据来源
表1中的数据,森林覆盖率来源于中国林业与草原局网站;SO2排放量、烟粉尘排放量来源于我国历年来的环境统计年鉴;其余数据均来源于国家统计局网站。
三. 我国居民健康及森林资源现状
一 居民健康衡量指标
衡量居民健康的指标以慢性病死亡率为例,可以看到,在2006—2016年,中国慢性病死亡人数占总死亡人数的比例持续上升,2016年更是接近88%(见图1),所以,慢性病是威胁居民健康的最主要原因。而同一阶段,我国人均GDP(见图2)、国家财政医疗卫生支出和财政医疗卫生支出占财政支出的比例(图3)一直在上升。对比发现,在2010年以前,我国经济增长、财政医疗卫生支出增加没有显著地抵减慢性病死亡率。
二 森林资源及健康指标的分布对比
2004—2008年,正值第七次全国林业资源清查期间,第七次全国林业资源清查显示全国平均森林覆盖率为20.36%,而2017年全国平均森林覆盖率为21.6%,森林覆盖率增加不多。受湿度等因素的影响,我国南方地区森林覆盖率普遍高于北方地区,东部地区普遍高于西部地区(见图4)。主要疾病死亡率的分布特点,以2016年慢性病数据为例,表现出西部地区高于东部地区的规律(见图5)。部分地区如广西、云南、四川、甘肃、黑龙江等地,森林覆盖率较高,疾病死亡率也比较高,可能是因为经济水平也比较低的原因(见图6)。部分地区如新疆、西藏、青海等地森林覆盖率较低,疾病死亡率较高;南方集体林区浙江、福建、广东、江西等地森林覆盖率较高,疾病死亡率较低;还有部分地区森林覆盖率与疾病死亡率的关系无法用地图明确表示。所以文章接下来通过数据分析森林覆盖率与疾病死亡率之间可能存在的关系。
四. 实证分析
一 森林覆盖率对疾病死亡率的影响
为具体探究森林覆盖率对某几种疾病死亡率是否存在影响,本文参照日本相关研究经验,以50%的森林覆盖率为分界点,将疾病死亡率数据分组[3],用STATA软件进行Bartlett方差齐性检验与均值检验。
方差齐性检验结果显示(见图7),在以50%的森林覆盖率为分界点进行方差齐性检验时,所有疾病的P值均小于0.05,都通过方差齐性检验。Bartlett均值之差检验结果显示,本文在以50%的森林覆盖率为分界点时,所有疾病均值之差的P值均小于0.05,均值差异显著,且F统计量均小于0。所以,在森林覆盖率小于50%的省份,疾病死亡率明显高于森林覆盖率大于50%的省份,这表明森林覆盖率与各种慢性病、肿瘤的死亡率显著负相关,且森林覆盖率高的地区疾病死亡率明显低于森林覆盖率低的地区。
方差分析表明森林覆盖率对疾病死亡率存在影响,为探究具体的影响方式及影响程度,需要更进一步的研究分析。面板模型可以减少数据偏差及变量间的相关性,并且可以观察数据的动态过程,所以本文选择面板模型进行回归。居民健康受社会经济、医疗条件、生活环境等因素的综合影响,本文重点关注森林资源对居民健康的影响。下文模型中假定其他因素不变,通过面板回归,分析森林资源变化引起的健康指标的变化。
二 森林覆盖率与疾病死亡率之间的相关性
考虑到面板数据的空间差异性,所以本文首先对疾病死亡率数据进行方差分析,发现由于省份引起的差异远大于由于时间引起的差异,即疾病死亡率的差异性主要来源于地区差异,所以应用时间效应模型对数据进行面板回归。
1 面板数据模型
面板模型的公式如下:
$$ {{\rm{y}}_{it}} = \alpha + \mathop \sum \nolimits_{j = 1}^{15} {\beta _j}x_{it}^j + {\mu _t} + {\varepsilon _{it}} $$ 其中,x为自变量;j代表变量个数,j=1,2,…15;t代表不同年份,t=1,2,…5;i代表各个省份,i=1,2,…30;α代表常数项;βj代表对应自变量的回归系数;μt为非观测效应,与时间有关,它概括了所有影响被解释变量,但不随个体变化的因素;εit为特异误差项。如果μt是随机变量且与解释变量xit相关,此时模型为固定效应模型;如果μt是随机变量且与解释变量xit相互独立,此时模型为随机效应模型。
在确定模型后,需要确定模型的自变量。因为自变量过多,自变量之间存在较强的相关性会影响模型估计结果的可靠性,为了避免这些问题,本文对自变量进行降维[31]。文章将变量分类,分别计算各组变量的相关系数,剔除变量中存在较强相关性的变量后,剩余x1、x2、x6、x8、x9、x13、x14。
2 面板模型类别检验
在确定了模型形式、模型中的自变量之后,为了确定合适的面板模型,需要进行个体效应检验、Hausman检验、协方差分析检验,具体检验结果如表2所示。结果显示慢性病、肿瘤、胃癌死亡率拟合固定效应模型,肺癌、乳腺癌死亡率拟合随机效应模型。
表 2 面板模型类别检验结果慢性病死亡率 肿瘤死亡率 胃癌死亡率 肺癌死亡率 乳腺癌死亡率 统计量 P 统计量 P 统计量 P 统计量 P 统计量 P F检验 4.33 0.003 −2.67 0.025 3.33 0.012 1.55 0.191 1.78 0.136 LM检验 1.00 0.000 1.00 0.000 1.00 0.000 1.00 0.000 1.00 0.000 Hausman检验 17.32 0.002 11.48 0.022 13.32 0.009 6.21 0.184 7.12 0.129 3 面板模型估计结果
根据前文自变量相关性筛选结果,肺癌、乳腺癌死亡率拟合的随机效应模型估计结果如表3所示。
表 3 随机模型森林覆盖率回归系数表肺癌死亡率 乳腺癌死亡率 系数估计值 P 系数估计值 P 森林覆盖率 −1.14 0.00 −0.16 0.02 人均GDP 50.61 0.00 11.77 0.00 文盲率 −2.38 0.06 −0.16 0.52 财政医疗卫生支出占财政支出比 −1.24 0.23 −0.12 0.56 孕产妇系统管理率 0.65 0.19 0.06 0.55 SO2排放量 −0.69 0.00 −0.11 0.00 老年人口抚养比 219.69 0.41 44.09 0.40 常数项 17.86 0.73 −4.14 0.69 时间效应的标准差 0.00 0.00 特异误差的标准差 62.271 12.160 时间效应的方差占混合误差的方差的比 0.00 0.00 R2 0.674 4 0.697 6 随机效应模型显示,肺癌、乳腺癌死亡率与森林覆盖率负相关,回归系数通过了5%水平上的显著性检验。在人均GDP、财政医疗卫生支出占财政支出比、老年人口抚养比等其他自变量不变时,森林覆盖率每增加1%,肺癌死亡率减少1.14/105,乳腺癌死亡率减少0.16/105。说明森林在0.05的显著性水平上可以降低肺癌、乳腺癌的死亡率,改善居民健康水平。日本学者应用回归方程研究得出森林覆盖率对日本女性肺癌、乳腺癌死亡率的回归系数分别为−0.468、−0.501[3],回归系数与本文系数方向相同,大小有所差异,这可能是由于环境差异较大,日本平均森林覆盖率远高于我国,森林对居民健康的促进作用可能有所差异。
慢性病、肿瘤、胃癌死亡率拟合的固定效应模型估计结果如表4所示。固定效应模型显示森林覆盖率与慢性病、肿瘤、胃癌死亡率负相关,且回归系数通过了5%水平上的显著性检验。在人均GDP、财政医疗卫生支出占财政支出比、老年人口抚养比等其他自变量不变时,森林覆盖率每增加1%,慢性病死亡率减少10.02/105,肿瘤死亡率减少2.67/105,胃癌死亡率减少0.56/105,说明森林可以降低慢性病及肿瘤死亡率。
表 4 固定面板回归森林覆盖率回归系数表慢性病死亡率 肿瘤死亡率 胃癌死亡率 系数估计值 P 系数估计值 P 系数估计值 P 森林覆盖率 −10.02 0.01 −2.67 0.03 −0.56 0.00 人均GDP 520.56 0.00 198.72 0.00 20.48 0.00 文盲率 −27.55 0.04 −6.27 0.12 −0.90 0.04 财政医疗卫生支出占财政支出比 −0.75 0.97 1.10 0.83 0.35 0.51 孕产妇系统管理率 12.59 0.03 2.75 0.10 0.15 0.38 SO2排放量 −7.56 0.00 −1.96 0.00 −0.17 0.00 老年人口抚养比 1 989.87 0.50 1 404.69 0.11 236.63 0.01 常数项 189.33 0.36 19.26 0.75 −0.97 0.88 2005 452.88 0.04 53.67 0.42 −5.10 0.47 2006 −115.11 0.64 −77.46 0.28 −15.04 0.05 2007 −216.56 0.43 −117.27 0.15 −22.38 0.01 2008 −287.75 0.62 −203.23 0.24 −10.83 0.55 组内R2 0.65 0.71 0.71 五. 结论与建议
从宏观角度,本文发现森林覆盖率可以显著降低疾病死亡率,提高居民健康水平。研究结论印证了微观的实验结果,即森林环境可以调节居民身体指标,改善人体健康状况。为了在保证经济发展的同时更好地提高居民健康水平,改善居民居住环境,笔者提出以下建议。
1)森林通过改善生态环境来影响居民健康,增强森林生态作用是提升居民福祉的有效途径。近20年来,我国森林面积和蓄积量持续“双增长”,成为全球森林资源总量增长最多的国家,但是森林覆盖率提高有限。那么,如何在森林覆盖率提高有限的情况下,增加森林的康养效用,成为解决问题的关键。笔者认为,在保持森林覆盖率的同时,提升森林质量,加强森林生态作用,有益于提升森林的康养效果。近年来,有研究表明“近自然林业”能够增强森林生态作用。所以,笔者建议从国有林做起,落实发展“近自然林业”,改善生态环境,提高居民福祉。
2)发展森林旅游、森林康养等森林基地,发挥森林的多功能效益。我国目前对森林资源的利用仅局限于木材、林下作物的经济效益和调节气候、涵养水源的生态效益。而对森林在人类生存、生育、居住、活动以及人的心理、情绪、教育等方面的社会效用,尚未充分开发。为了更好地发挥森林的多功能效益,我们可以提倡发展森林休闲、康养产业。借鉴中外建设经验,积极探索有效的森林康养经济模式,推动以森林康养为中心的新产业经济,是实现森林经济效益、健康效益共赢的一种有效途径。
-
表 1 变量名及对应含义
变量分类 变量名 含义 单位 森林环境 x1 森林覆盖率 % 经济水平 x2 人均GDP 万元 x3 财政收入占GDP比 % x4 全社会固定资产投资 万元 x5 居民消费水平 万元 社会发展 x6 文盲率 % x7 城镇人口占常住人口比例 % x8 老年人口抚养比 % 医疗条件 x9 财政医疗卫生支出占财政支出比 % x10 每万人口医疗卫生机构床位数 张 x11 每万人口卫生技术人员数 人 x12 医疗卫生机构门诊健康检查人数占
常住人口比例% x13 孕产妇系统管理率 10−5 环境污染 x14 SO2排放量 万t x15 烟粉尘排放量 万t 表 2 面板模型类别检验结果
慢性病死亡率 肿瘤死亡率 胃癌死亡率 肺癌死亡率 乳腺癌死亡率 统计量 P 统计量 P 统计量 P 统计量 P 统计量 P F检验 4.33 0.003 −2.67 0.025 3.33 0.012 1.55 0.191 1.78 0.136 LM检验 1.00 0.000 1.00 0.000 1.00 0.000 1.00 0.000 1.00 0.000 Hausman检验 17.32 0.002 11.48 0.022 13.32 0.009 6.21 0.184 7.12 0.129 表 3 随机模型森林覆盖率回归系数表
肺癌死亡率 乳腺癌死亡率 系数估计值 P 系数估计值 P 森林覆盖率 −1.14 0.00 −0.16 0.02 人均GDP 50.61 0.00 11.77 0.00 文盲率 −2.38 0.06 −0.16 0.52 财政医疗卫生支出占财政支出比 −1.24 0.23 −0.12 0.56 孕产妇系统管理率 0.65 0.19 0.06 0.55 SO2排放量 −0.69 0.00 −0.11 0.00 老年人口抚养比 219.69 0.41 44.09 0.40 常数项 17.86 0.73 −4.14 0.69 时间效应的标准差 0.00 0.00 特异误差的标准差 62.271 12.160 时间效应的方差占混合误差的方差的比 0.00 0.00 R2 0.674 4 0.697 6 表 4 固定面板回归森林覆盖率回归系数表
慢性病死亡率 肿瘤死亡率 胃癌死亡率 系数估计值 P 系数估计值 P 系数估计值 P 森林覆盖率 −10.02 0.01 −2.67 0.03 −0.56 0.00 人均GDP 520.56 0.00 198.72 0.00 20.48 0.00 文盲率 −27.55 0.04 −6.27 0.12 −0.90 0.04 财政医疗卫生支出占财政支出比 −0.75 0.97 1.10 0.83 0.35 0.51 孕产妇系统管理率 12.59 0.03 2.75 0.10 0.15 0.38 SO2排放量 −7.56 0.00 −1.96 0.00 −0.17 0.00 老年人口抚养比 1 989.87 0.50 1 404.69 0.11 236.63 0.01 常数项 189.33 0.36 19.26 0.75 −0.97 0.88 2005 452.88 0.04 53.67 0.42 −5.10 0.47 2006 −115.11 0.64 −77.46 0.28 −15.04 0.05 2007 −216.56 0.43 −117.27 0.15 −22.38 0.01 2008 −287.75 0.62 −203.23 0.24 −10.83 0.55 组内R2 0.65 0.71 0.71 -
[1] EWERT A. Values, benefits and consequences in outdoor adventure recreation[M]//A literature review: president ’s commission on American outdoors. Washington D. C.: Government Printing, 1986: 71-80.
[2] ULRICH R S,SIMONS R F,LOSITOBD,et al. Stress recovery during exposure to natural and urban environments[J]. Journal of Environmental Psychology,1991,3(11):201-230.
[3] 李卿. 森林医学[M]. 王小平, 陈峻崎, 刘晶岚, 等, 译. 北京. 科学出版社, 2013: 141-232. [4] 龚梦柯,吴建平,南海龙. 森林环境对人体健康影响的实证研究[J]. 北京林业大学学报(社会科学版),2017,16(4):44-51. [5] KOMORI T,FUJIWARA R,TANIDA M,et al. Effect of citrus fragrance on immune function and depressive states[J]. Neuroimmunomodulation,1995,3(2):174-180.
[6] 丛丽,张玉钧. 对森林康养旅游科学性研究的思考[J]. 旅游学刊,2016,31(11):6-8. [7] 何彬生,贺维,张炜,等. 依托国家森林公园发展森林康养产业的探讨−以四川空山国家森林公园为例[J]. 四川林业科技,2016,37(1):81-87. [8] SU J,XIE D X,LIAO S H,et al. A Preliminary study on the establishment of forests for recreation and health cares at Banzhangshan Forest Park of Zhuhai City[J]. Forest Research,2001,14(5):496-502.
[9] DE VRIES S,VERHEIJ R A,GROENEWEGEN P P,et al. Natural environments-healthy environments? an exploratory analysis of the relationship between greenspace and health[J]. Environment and Planning A,2003,35(10):1717-1731. doi: 10.1068/a35111
[10] MAAS J,VERHEIJ R A,GROENEWEGEN P P,et al. Green space,urbanity,and health:how strong is the relation?[J]. Journal of Epidemiology and Community Health,2006,60(7):587-592. doi: 10.1136/jech.2005.043125
[11] MAAS J,VAN D S M E,VERHEIJ R A,et al. Social contacts as possible mechanism behind the relation between green space and health[J]. Health and place,2009,15(2):586-595. doi: 10.1016/j.healthplace.2008.09.006
[12] 孙文秋实. 基于森林资源视角的区域健康不平等研究[D]. 北京: 北京林业大学, 2016. [13] 周海川. 空气质量与公共健康: 以森林吸收烟粉尘为例[J]. 林业科学,2017,8(53):120-131. [14] PEEL J L,TOLBERT P E,KLEIN M,et al. Ambient air pollution and respiratory emergency department visits[J]. Epidemiology,2005,16(2):164-174. doi: 10.1097/01.ede.0000152905.42113.db
[15] 宋桂香. 上海市大气气态污染物与居民每日死亡关系的时间序列研究[J]. 环境与健康杂志,2006,6(5):390-393. [16] 杨敏娟. 北京市大气污染与居民心脑血管疾病死亡的时间序列分析[J]. 环境与健康杂志,2008(4):294-297. [17] 陈硕,陈婷. 空气质量与公共健康:以火电厂二氧化硫排放为例[J]. 经济研究,2014,49(8):158-169. doi: 10.3969/j.issn.1672-5719.2014.08.119 [18] 顾丽娟,MARK R,曾菊新. 社会经济及环境因子对不同收入群体自评健康的影响[J]. 地理研究,2017,36(7):1257-1270. [19] 沙汝明. 昆山市人口老龄化及危险因素改变对恶性肿瘤死亡率的影响研究[J]. 现代预防医学,2005(10):1343-1344. [20] 李志坤,张茂镕,颜芳,等. 2006—2015年昆明市居民恶性肿瘤死亡原因及影响因素分析[J]. 中国慢性病预防与控制,2017,25(2):96-99. [21] 赵秋晓. 我国医疗卫生投入对居民健康状况的影响−基于宏观健康生产函数的研究[J]. 经济研究参考,2018,7(25):74-80. [22] 赵鹏飞. 公共卫生支出与国民健康及经济发展的关系研究[D]. 北京: 北京交通大学, 2012. [23] 罗荣,金曦,杨琦,等. 主客观结合法在妇幼保健机构公共卫生服务质量和效率指标筛选中的运用[J]. 中国卫生统计,2008,25(6):596-598. [24] 赵文玲,裴书英,李勇. 基本公共卫生项目孕产妇保健服务状况分析与对策[J]. 中国医药指南,2014,12(17):358-359. [25] 王晓宇,原新,成前. 中国农村人居环境问题、收入与农民健康[J]. 生态经济,2018,34(6):150-154. [26] 卢洪友,祁毓. 环境质量、公共服务与国民健康−基于跨国(地区)数据的分析[J]. 财经研究,2013,39(6):106-118. [27] 曲伟华,颜志军. 环境污染、经济增长与医疗卫生服务对公共健康的影响分析−基于中国省际面板数据的研究[J]. 中国管理科学,2015,23(7):166-176. [28] 张静. 论自然环境对人健康的影响[J]. 武汉体育学院学报,2000,34(3):83-84. [29] ANDERSON K,BJORKLUND E,RAMBOTTI S. Income inequality and chronic health conditions: a multilevel analysis of the U.S. States[J]. Sociological Focus,2019,52(1):65-85. doi: 10.1080/00380237.2018.1484251
[30] TURNER M C,KREWSKI D,POLE III C A,et al. Longterm ambient fine particulate matter air pollution and lung cancer in a large cohort of never-smokers[J]. American Journal Of Respiratory and Critical Care Medicine,2011,18(12):1374-1381.
[31] 孙敬水. 计量经济学[M]. 北京. 清华大学出版社, 2009: 190-199. -
期刊类型引用(1)
1. 张震,曹峰,张杰,吕春瑾,曲婉莹,田维毅. 森林中康养医院建设的可行性分析. 环境与健康杂志. 2021(10): 926-929 . 百度学术
其他类型引用(2)