10月7日，中度霾污染下的故宫。摄影：刘聪
编者按：十一长假的朋友圈摄影大赛即将结束，不少境外游的朋友享受着湛蓝天空和清新空气。而北京的朋友则不免沮丧，10月7日又迎来一次中度污染天气。最近几年，空气污染治理效果反复的消息已经令人感到些许疲倦。毋庸置疑，这是一个较长的过程。实际上，美国的空气一开始也没有那么“甜”，他们经历了什么？
谈到美国对空气污染的治理，就不得不谈论到它的《清洁空气法案》和实行了将近半个世纪的“全美空气质量标准”。近日，《知识分子》编辑部邀请哈佛大学公共卫生学院环境健康系博士生底骞撰写系列文章，详细剖析空气治理这一涉及政府决策、科学研究、法制建设以及创新理念等的复杂议题。相关文章共分为四篇，今天推送第一篇，让我们一起去看一看，美国的科学研究者如何将知识转变为政策并帮助政策制定者设定空气质量标准的？
而这个过程能给中国何种启示？
该系列文章的审稿人是美国环保局科学指导委员会委员范智华，特此致谢！
撰文｜底骞（哈佛大学公共卫生学院环境健康系博士生）
审稿｜范智华（美国环保局科学指导委员会委员）
责编｜程莉1970年版的《清洁空气法案》要求美国国家环保局为六种大气污染物制定“全美空气质量标准”，以充分地保护民众的健康。
但是每种污染物的浓度上限设置为多少，当时环保局并不非常清楚——如果标准设定太宽松，空气污染仍然对人体有危害；如果标准设定太严，工业企业执行起来有困难，经济成本高，技术难度大。当时人们对空气污染的健康危害知之甚少，也不清楚治理污染的成本，环境空气污染与健康等相关领域一片空白，几乎没有可以参照的经验和标准。
鉴于此，美国的立法者要求环保局不断搜集相关信息并及时调整：他们在《清洁空气法案》中要求环保局根据当时所有可用的信息制定空气质量标准，而且要求每隔五年重新搜集相关研究结果，评估空气质量标准是否合适，并进行相应的调整。环保局建立空气质量标准，设定空气污染的上限，然后各州依此制定各自的执行计划，通过控制各种排放源的综合措施，力图降低空气污染水平，以达到全美空气质量标准。
同时，公共卫生的科研人员也密切跟踪人群的健康情况，通过流行病学调查和统计模型，研究现定的空气污染是否对人体健康仍然有危害。相关结果被发表在各大学术期刊上。每隔五年，会有专门的“清洁空气咨询委员会”和环保部相关的专家搜集发表的学术结果，撰写并反复审议科学评估、风险/暴露评估和政策评估等报告，并听取公众意见，最终向环保局局长推荐新的标准。
环保局局长公布空气质量标准草案，再经过听证会和讨论等既定程序，确认现有空气质量标准是否合适，最后再发布新的空气质量标准，有时候甚至会经历激烈的法庭诉讼。如此循环。在《清洁空气法案》的规定下，科研成果通过制度性的管道影响美国国家环保局的决策。从而，科研和政策制定之间形成良性互动，美国的空气质量标准也得到定期的更新。下面以颗粒物标准为例，加以说明。自1970年以来，颗粒物浓度上限在不断降低。
当1970年《清洁空气法案》刚刚颁布的时候，环保局制定的标准针对总悬浮颗粒物，日平均值是260微克每立方米，年平均值是75微克每立方米。如果用现在眼光看，当时的“达标”空气也是污染的状态。但是随着时间的推移，颗粒物的标准发生很大变化。标准浓度值也不断降低，现行标准是针对细颗粒物，日平均值为35微克每立方米，年平均值为12微克每立方米。
同时，人们关注的颗粒物越来越“小”：从总悬浮物（TSP）换为可吸入颗粒物（PM10），直到现在的细颗粒物（PM2.5）。最近美国学界开始关注“超细颗粒物（UFP）”。细颗粒物（PM2.5）指空气动力学直径在2.5微米之下的颗粒，而超细颗粒物的空气动力学直径在0.1微米以下。人们担心这种超细颗粒物不仅能够进入人的循环系统，甚至可以通过血脑屏障进入大脑，对中枢神经系统造成损伤。
美国环保局因此有讨论是否把超细颗粒物纳为颗粒物指标并加以控制。纵观几十年来的研究，会发现美国学界持续关注颗粒物对人体健康的影响，而且关注的浓度越来越低，颗粒物的直径越来越小；并且学界研究成果最终反映到了美国国家空气质量标准的设定上。美国的颗粒物空气质量标准的不断更新，成为了一个教科书般的成功案例。政策的制定都是基于当前的信息和情况，无论多么高瞻远瞩，其制定的标准都不一定能完全适应未来的情况。
在科学研究成果不充分，相关证据不充足的情况下，如何进行决策，制定环境标准？美国政策制定者的解决方案，就是不断从学术研究那里搜集信息，不断调整方向；而且建立了上述标准制定的机制，让政策的制定能够随着新的科研成果定期调整更新。
那么，美国政策制定者和学界的这种默契配合是天生的吗？
美国科学研究和政策制定之间的紧密结合，不是一朝一夕形成的，而是经历了早期的制度设计，漫长的实践检验，长期的磨合，逐渐建立了一套稳定的专家队伍和互动模式。在20世纪早期，截至1912年，美国各大城市都建立起政府部门控制烟尘。科学研究在这一期间更多是政府的附属：进行烟尘的例行观测，研究减少燃烧产生烟尘的方法，或者对工业企业进行“批评教育”。
尽管医学界发现胸闷、气管炎等似乎和空气污染有关，但是因为缺乏科学研究，可能造成的疾病和机理不确定、不清楚，这些研究没有产生实际影响。直到1955年，国会才通过了第一部全国性质的法律《空气污染控制法案（1955）》来应对空气污染，并划拨300万美元用于控制污染，提供研究和技术上的帮助。但到了1960年，美国空气污染防治仍然存在数据少、信息缺乏的问题。
接着，随着空气污染问题的加剧，在1960年代，美国又颁布了一系列针对空气污染的法规：《机动车尾气研究法案（1960）》，《空气污染控制法案修订版（1962）》和《清洁空气法案（1963）》。这些法案划拨更多的经费用于支持空气污染研究，然而并未规定如何使用研究成果来制定空气质量标准和控制空气污染。尽管如此，这些研究大大提高了公众对于空气污染的知晓程度，并让政府能够持续地支持空气污染研究。
这些努力最终促成了革命性的1970年版《清洁空气法案》。在之前法案基础上，1970年版的《清洁空气法案》让空气污染管理的政策可以根据最新科学研究成果不断更新调整，并且让这一过程制度化、常态化。政策制定催生着科研的需求，政策还为科研提供资金支持；同时科研推动政策制定和更新。从1970年代起，美国各地空气污染研究蓬勃开展，各种“队列（cohort）”和污染监测项目如雨后春笋般涌现。
其中，对美国乃至世界空气质量标准影响深远的是“哈佛六城市研究”。从1974年开始，哈佛大学研究人员在美国的六个城市持续开展了长达16年的流行病学研究，建立队列。研究结论最终证明细颗粒物（PM2.5）对人体的危害，相关结果刊登在1993年的《新英格兰医学杂志》上，并促成了1997年美国颁布细颗粒物（PM2.5）的空气质量标准。
从那之后，全美的空气污染研究方兴未艾。笔者所在的哈佛大学公共卫生学院，几乎整个学院，尤其是环境健康系，都在进行空气污染或者其与健康之间的关系的研究。笔者最近在《新英格兰医学杂志》上的论文发现极低浓度的细颗粒物对人体仍然有危害，就是这波学术浪潮当中的一片浪花。讲完美国的故事，让我们聚焦中国，谈谈美国的科研和政策的互动经验有什么参考学习之处。首先，科学研究影响环境政策的制定需要遵循规则。
而规则的形成，不是一朝一夕能够完成的。美国这一规则形成的过程和经验，是我们中国可以借鉴的。从20世纪初零散的医学研究，到1955年第一部全国性的法律《空气污染控制法案》，再到1970年里程碑式的《清洁空气法案》，美国政府对空气污染研究的支持力度从无到有，从弱到强，到常态化和制度化。科学研究的结果从最开始的默默无闻，到能够提高公众认知，逐渐影响公众舆论，并为国家政策的制定提供了基础。
美国的科研人员和政策制定者都在一步步探索，彼此合作，彼此磨合，探索出了一条有美国特色的制定空气质量标准的道路。其次，作为后发国家，中国可以学习美国的空气质量指标设定的技术经验。美国用了几十年的时间，花了大量的人力物力来摸索适宜的空气质量标准。以颗粒物为例，美国曾使用总悬浮物、可吸入颗粒物作为技术指标，曲折摸索几十年，并最终选用细颗粒物。当今中国的颗粒物标准，是参照欧美及世界卫生组织的标准而制定的。
中国制定适宜的空气质量标准，不必花大量的人力物力从头来探索。美国的技术标准，是很有价值的参考，可以给我们很多启示，让我们少走弯路。而且，一些基本的科学研究结果，结论不会因为国家不同而改变，例如低浓度细颗粒物对人体健康的危害，尤其是对老人、儿童等边缘人群健康的影响。这些在美国得到的研究结论对于中国，有借鉴意义。这就是中国在空气污染治理领域的“后发优势”。
著名经济学家林毅夫曾经用“后发优势”来解释中国的经济奇迹。
但是，仅仅学习技术标准本身而忽视学习制度经验，则会陷入经济学家杨小凯所言的“后发劣势”：仅仅醉心于技术模仿而忽视技术背后的制度因素。类似的，除了参考发达国家的空气质量标准等技术指标之外，我们还应该学习参考他们空气质量标准制定的过程，考察他们学界和政策互动，学习经验和教训。最后，十年树木，百年树人。
科学研究助力环境政策的制定，首先需要一支专家队伍，更需要基础数据的支持。空气污染的流行病学研究，包括其他公共卫生研究，关键一环是长时期连续地对人群进行跟踪调查搜集健康数据，建立流行病学的队列。否则，研究人员就是“巧妇难为无米之炊”，很难做出研究发现。笔者所在的哈佛大学公共卫生学院之所以能在空气污染和公共卫生学领域独占鳌头，重要原因之一是它几十年持之以恒地对研究人群进行跟踪，建设了几个著名的队列。
空气污染研究和整个公共卫生学需要多种数据和信息的支持，而以人群健康跟踪数据为代表的“数据基础设施”尤为关键。一旦建成，就像一个“金矿”，公共卫生领域的各路研究人员都可以从中“淘金”得到新的发现。
中国从2003年非典之后开始重视公共卫生，直到最近才开始建立属于自己的队列。队列的建设和数据的积累需要时间和耐心，还需要政府持续的资金支持。