城市地区使用至少基本环境卫生服务的人口（占城市人口的百分比）

People using at least basic sanitation services, urban (% of urban population)

下载数据

指标代码：SH.STA.BASS.UR.ZS所属主题：健康：Disease preventionHealth: Disease prevention

2024最新有效年份

163最新年份有值国家

265历史上有数据经济体

68%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

The percentage of people using at least basic sanitation services, that is, improved sanitation facilities that are not shared with other households. This indicator encompasses both people using basic sanitation services as well as those using safely managed sanitation services. Improved sanitation facilities include flush/pour flush to piped sewer systems, septic tanks or pit latrines; ventilated improved pit latrines, compositing toilets or pit latrines with slabs.

可供参考的中文翻译：使用至少基本环境卫生服务的人口百分比，即使用不与其他家庭共享的改善环境卫生设施。该指标涵盖使用基本环境卫生服务的人口以及使用安全管理的环境卫生服务的人口。改善环境卫生设施包括向管道污水系统、化粪池或坑厕冲水/倒水冲洗；通风改善坑厕、堆肥厕所或带盖板的坑厕。

数据口径与风险提示

该指标仅反映城市地区情况，农村地区普及率可能差异显著，不宜直接推断总体卫生服务水平
指标衡量的是设施可及性而非设施实际使用频率或维护质量
共享设施即使满足改进标准也不计入基本服务范围，可能低估某些城市低收入社区的实际覆盖情况
统计口径在国家间可能存在基础设施定义差异跨国比较需审慎
该指标为现价口径，不涉及购买力平价或不变价换算
数据可及性随国家发展阶段不同，部分国家数据可能存在滞后或缺失
达到100%并不意味着所有城市居民都获得了个性化管理的安全环境卫生服务
在城市化快速推进背景下，新增城市人口的设施覆盖可能存在阶段性滞后

中国趋势

趋势解读

中国城市地区基本环境卫生服务覆盖率在2000年至2024年间持续提升，从77.74%逐步上升至98.36%，累计提升约20.62个百分点，2024年最新值与2023年持平。这一持续上升轨迹反映了中国在城市环境卫生基础设施建设方面的系统性推进，但需注意在覆盖率已接近饱和的水平上，后续增长空间将明显收窄。近年来增速趋缓，2022至2024年间几乎无变化，表明该指标可能正接近理论上限。数据涵盖25个年度观测点，显示增长具有高度稳定性和连续性。

2000年覆盖率为77.74%，为有记录以来的最低值
2005年突破82%，达到82.11%
2010年达到86.56%，较期初提升约8.82个百分点
2015年突破91%，达到91.11%
2020年达到95.74%，距全程覆盖约4.26个百分点
2023年和2024年均为98.36%，显示增长已基本停滞
末期与期初倍数为1.265倍，显示累计提升幅度为26.53%
当覆盖率超过95%后，基数效应使得任何微小提升都需要大量投入，数值趋缓并不必然意味着投入减少

全球趋势

趋势解读

全球城市地区基本环境卫生服务覆盖率在2000年至2024年间稳步提升，从76.97%上升至89.17%，累计提升约12.19个百分点。与中国相比，全球起点相近但提升速度较慢，至2024年仍落后中国约9.19个百分点。这一差距既反映了中国在城市化进程中相对更注重公共卫生基础设施投入，也可能与中国统计口径中城市区域划分方式有关。该指标近年来增速约2%，提示全球城市环境卫生服务覆盖的边际改善难度在上升。

2000年全球覆盖率为76.97%，与中国71.73%相比差距约0.77个百分点
2010年全球覆盖率为81.44%，较期初提升约4.47个百分点
2015年达到84.25%，首次超过中国约6.86个百分点（逆转为后期领先埋下伏笔）
2020年达到87.21%，期间中国已实现反超
2024年全球覆盖率为89.17%，与2000年期初相比提升约12.19个百分点
末期与期初倍数为1.158倍，累计提升幅度为15.84%
全球数据为各国家数据的加权平均，不同国家数据质量差异较大
部分发展中国家城市区域快速扩张，新增城市人口的基础设施配套可能滞后于统计

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1970-1979	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1980-1989	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1990-1999	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
2000-2009	1.1x	1.1x	该阶段中国倍数略高于世界（1.102倍对1.051倍），可能反映中国在城市环境卫生基础设施建设上处于相对追赶期，分子增长快于分母基数扩大；同期世界城市人口增速也较快，但中国提升效率相对更高，两者的差距可能意味着中国在城市化加速阶段的卫生设施投入强度超过了全球平均水平，具体原因需结合城市人口增长率和基础设施投资数据进一步验证。
2010-2019	1.1x	1.1x	中国倍数仍高于世界（1.095倍对1.064倍），但差距收窄。这一阶段中国覆盖率已从约86%提升至约95%，处于边际改善阶段，基数效应导致增速自然放缓；而世界仍处于从约81%向约87%的提升过程，增长空间相对更大。两者倍数差距缩小可能反映中国在高位继续推进与全球普遍改善之间的相对趋同，不代表中国投入力度下降，可能更多反映的是边际改善难度差异。
2020-2029	1.0x	1.0x	中国和世界的倍数均趋近于1（1.027倍对1.022倍），显示双方在高位几乎无变化。这一阶段中国覆盖率已达约98%，接近饱和，继续提升的边际空间极其有限；全球约89%的水平同样处于增速递减阶段。两者的接近更多反映的是指标本身的“天花板效应”，而非中国改善势头减弱，此时不宜将倍数差异解读为政策效果变化。

2024 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Andorra 安道尔	AND	100.0
2	Armenia 亚美尼亚	ARM	100.0
3	Chile 智利	CHL	100.0
4	Israel 以色列	ISR	100.0
5	Kuwait 科威特	KWT	100.0
6	Malta 马耳他	MLT	100.0
7	Monaco 摩纳哥	MCO	100.0
8	New Zealand 新西兰	NZL	100.0
9	Singapore 新加坡	SGP	100.0
10	Belarus 白俄罗斯	BLR	100.0
11	Austria 奥地利	AUT	100.0
12	Egypt, Arab Rep. 埃及	EGY	99.9
13	Spain 西班牙	ESP	99.9
14	Switzerland 瑞士	CHE	99.9
15	Italy 意大利	ITA	99.9
16	Turkiye 土耳其	TUR	99.9
17	United States 美国	USA	99.9
18	North Macedonia 北马其顿	MKD	99.8
19	Cyprus 塞浦路斯	CYP	99.8
20	Maldives 马尔代夫	MDV	99.8
21	Serbia 塞尔维亚	SRB	99.7
22	Thailand 泰国	THA	99.7
23	Azerbaijan 阿塞拜疆	AZE	99.7
24	Montenegro 黑山	MNE	99.6
25	Denmark 丹麦	DNK	99.6
26	Portugal 葡萄牙	PRT	99.6
27	West Bank and Gaza 约旦河西岸和加沙	PSE	99.6
28	Turkmenistan 土库曼斯坦	TKM	99.6
29	Belgium 比利时	BEL	99.5
30	Finland 芬兰	FIN	99.4
31	Oman 阿曼	OMN	99.3
32	Albania 阿尔巴尼亚	ALB	99.3
33	Germany 德国	DEU	99.3
34	Russian Federation 俄罗斯	RUS	99.3
35	Greece 希腊	GRC	99.2
36	Palau 帕劳	PLW	99.1
37	Uruguay 乌拉圭	URY	99.1
38	United Kingdom 英国	GBR	99.0
39	United Arab Emirates 阿联酋	ARE	99.0
40	Czechia 捷克	CZE	99.0
41	Estonia 爱沙尼亚	EST	98.9
42	Costa Rica 哥斯达黎加	CRI	98.9
43	Bosnia and Herzegovina 波黑	BIH	98.9
44	Iraq 伊拉克	IRQ	98.8
45	Poland 波兰	POL	98.8
46	Sweden 瑞典	SWE	98.7
47	Iceland 冰岛	ISL	98.7
48	Slovak Republic 斯洛伐克	SVK	98.7
49	France 法国	FRA	98.6
50	Colombia 哥伦比亚	COL	98.6
51	Lao PDR 老挝	LAO	98.6
52	Canada 加拿大	CAN	98.6
53	Argentina 阿根廷	ARG	98.5
54	Viet Nam 越南	VNM	98.4
55	Antigua and Barbuda 安提瓜和巴布达	ATG	98.4
56	China 中国	CHN	98.4
57	Romania 罗马尼亚	ROU	98.3
58	Tunisia 突尼斯	TUN	98.2
59	Mauritius 毛里求斯	MUS	98.2
60	Norway 挪威	NOR	98.0
61	Ukraine 乌克兰	UKR	98.0
62	Saudi Arabia 沙特阿拉伯	SAU	97.9
63	Lithuania 立陶宛	LTU	97.9
64	Hungary 匈牙利	HUN	97.8
65	Georgia 格鲁吉亚	GEO	97.7
66	Samoa 萨摩亚	WSM	97.5
67	Netherlands 荷兰	NLD	97.5
68	Luxembourg 卢森堡	LUX	97.5
69	Kazakhstan 哈萨克斯坦	KAZ	97.1
70	Panama 巴拿马	PAN	96.9
71	Sri Lanka 斯里兰卡	LKA	96.9
72	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	96.6
73	Jordan 约旦	JOR	96.6
74	Tonga 汤加	TON	96.5
75	Syrian Arab Republic 叙利亚	SYR	96.5
76	Morocco 摩洛哥	MAR	96.4
77	Malaysia 马来西亚	MYS	96.1
78	Latvia 拉脱维亚	LVA	96.0
79	Brazil 巴西	BRA	95.9
80	Paraguay 巴拉圭	PRY	95.7
81	Uzbekistan 乌兹别克斯坦	UZB	95.3
82	Cuba 古巴	CUB	95.0
83	Ecuador 厄瓜多尔	ECU	94.0
84	Suriname 苏里南	SUR	93.8
85	Mexico 墨西哥	MEX	93.8
86	Belize 伯利兹	BLZ	93.3
87	Guyana 圭亚那	GUY	93.2
88	Cambodia 柬埔寨	KHM	93.1
89	Iran, Islamic Rep. 伊朗	IRN	92.8
90	Fiji 斐济	FJI	92.8
91	Dominican Republic 多米尼加共和国	DOM	91.7
92	El Salvador 萨尔瓦多	SLV	91.5
93	Moldova 摩尔多瓦	MDA	90.9
94	Honduras 洪都拉斯	HND	90.9
95	Indonesia 印度尼西亚	IDN	90.1
96	Jamaica 牙买加	JAM	90.0
97	Tuvalu 图瓦卢	TUV	88.9
98	Algeria 阿尔及利亚	DZA	87.9
99	Ireland 爱尔兰	IRL	87.8
100	India 印度	IND	87.4
101	Philippines 菲律宾	PHL	86.8
102	Bulgaria 保加利亚	BGR	86.8
103	Yemen, Rep. 也门	YEM	86.2
104	Cabo Verde 佛得角	CPV	86.1
105	Bhutan 不丹	BTN	83.9
106	Mongolia 蒙古	MNG	83.8
107	Peru 秘鲁	PER	83.5
108	Pakistan 巴基斯坦	PAK	83.0
109	Nepal 尼泊尔	NPL	82.7
110	Marshall Islands 马绍尔群岛	MHL	82.0
111	Mauritania 毛里塔尼亚	MRT	81.5
112	Sudan 苏丹	SDN	81.1
113	Guatemala 危地马拉	GTM	80.9
114	Timor-Leste 东帝汶	TLS	80.1
115	Myanmar 缅甸	MMR	79.3
116	Bolivia 玻利维亚	BOL	78.9
117	Botswana 博茨瓦纳	BWA	77.3
118	South Africa 南非	ZAF	76.6
119	Solomon Islands 所罗门群岛	SLB	74.8
120	Afghanistan 阿富汗	AFG	73.0
121	Nauru 瑙鲁	NRU	71.3
122	Senegal 塞内加尔	SEN	71.0
123	Bangladesh 孟加拉国	BGD	67.6
124	Mozambique 莫桑比克	MOZ	63.4
125	Cameroon 喀麦隆	CMR	61.9
126	Gambia, The 冈比亚	GMB	61.1
127	Gabon 加蓬	GAB	60.5
128	Nigeria 尼日利亚	NGA	59.1
129	Mali 马里	MLI	58.0
130	Comoros 科摩罗	COM	57.5
131	Rwanda 卢旺达	RWA	56.4
132	Tanzania 坦桑尼亚	TZA	55.8
133	Cote d'Ivoire 科特迪瓦	CIV	54.3
134	Somalia, Fed. Rep. 索马里	SOM	54.0
135	Niger 尼日尔	NER	53.1
136	Sao Tome and Principe 圣多美和普林西比	STP	51.3
137	Vanuatu 瓦努阿图	VUT	50.8
138	Namibia 纳米比亚	NAM	50.2
139	Kiribati 基里巴斯	KIR	49.3
140	Papua New Guinea 巴布亚新几内亚	PNG	48.5
141	Burkina Faso 布基纳法索	BFA	48.4
142	Guinea 几内亚	GIN	48.4
143	Malawi 马拉维	MWI	48.0
144	Eswatini 斯威士兰	SWZ	47.5
145	Lesotho 莱索托	LSO	45.0
146	Zambia 赞比亚	ZMB	43.3
147	Guinea-Bissau 几内亚比绍	GNB	42.8
148	Burundi 布隆迪	BDI	42.0
149	Zimbabwe 津巴布韦	ZWE	40.4
150	Kenya 肯尼亚	KEN	39.7
151	Chad 乍得	TCD	39.5
152	Togo 多哥	TGO	38.4
153	South Sudan 南苏丹	SSD	37.7
154	Ghana 加纳	GHA	37.0
155	Sierra Leone 塞拉利昂	SLE	36.7
156	Liberia 利比里亚	LBR	34.6
157	Uganda 乌干达	UGA	32.6
158	Haiti 海地	HTI	32.4
159	Benin 贝宁	BEN	32.4
160	Central African Republic 中非共和国	CAF	24.5
161	Ethiopia 埃塞俄比亚	ETH	24.1
162	Madagascar 马达加斯加	MDG	22.2
163	Congo, Dem. Rep. 刚果（金）	COD	21.8

使用建议、常见误用与研究场景

数值较高通常意味着什么

覆盖率上升意味着更多城市居民能够获得不与其他家庭共享的改善环境卫生设施，减少了因粪便污染导致的疾病传播风险，在公共卫生层面通常被视为积极信号。

数值较低通常意味着什么

覆盖率较低反映城市居民在使用改善环境卫生设施方面仍面临障碍，可能与低收入社区设施供给不足、城市扩张速度快于设施配套、城市边缘区域管理缺位等因素相关，但不直接等同于卫生状况差或健康风险高。

鍙ｅ緞闄愬埗

指标仅衡量设施可及性，不反映设施实际使用频率、维护状态或粪便无害化处理效果
共享设施即使符合改进标准也不计入基本服务范围，可能低估某些城市区域的实际覆盖情况
未区分设施类型和质量等级，冲水马桶与简单坑厕均可计入该指标
城市化进程中新增城市区域的数据可能存在统计口径更新滞后
不同国家城市定义边界不同，影响跨国可比性
无法反映使用者支付能力或设施运营可持续性
达到100%并不意味着所有居民获得了个性化管理的安全卫生服务

使用建议

分析时应结合城市环境卫生设施投资数据和城市人口增长数据，区分存量改善与增量覆盖的不同贡献
可与农村地区同指标对比，评估城乡差距及城市反哺农村的可能性
结合粪便管理指标和传染病发病率数据，评估覆盖率改善的实质公共卫生效益
关注城市新开发区和流动人口聚集区的数据异常，识别潜在统计盲区
与水质改善指标联合使用，构建更完整的城市公共卫生保障图景
使用时需明确说明使用的统计口径和年份，避免不同口径数据混用

常见错误用法

错误做法：直接将该指标数值高低作为评判一个国家或城市公共卫生水平的唯一依据

正确做法：将该指标作为公共卫生基础设施可及性的一个维度，结合传染病发病率、死亡率等健康结果指标综合评估

基本环境卫生服务覆盖只是公共卫生保障链条的一个环节，高覆盖率不一定必然转化为良好的健康结果，两者之间还存在卫生行为、设施使用习惯、后续维护等多重中间变量

错误做法：将城市与农村指标数值简单比较得出城乡差距，忽视口径差异

正确做法：使用农村地区同指标或总体人口指标进行城乡对比，并结合城市化率修正

该指标仅反映城市口径，与农村地区指标的分母和分子统计单元完全不同，直接比较会产生结构性偏差

错误做法：将中国接近100%的覆盖率解读为城市公共卫生问题已完全解决

正确做法：认识到在高位饱和状态下，未被覆盖的约1.6%人群可能集中于特定弱势群体，需结合分布数据分析

均值掩盖下的分布不均可能导致特定人群仍面临较高的环境卫生风险，尤其是在流动人口聚集区和新开发区

错误做法：使用该指标进行跨国排名时未考虑统计口径和城市定义差异

正确做法：进行跨国比较时审慎解读排名结果，关注指标定义差异和数据质量差异，可同时参考多个相关指标构建综合评估

不同国家对城市区域划分标准和改善设施定义可能存在差异，同一排名位置可能对应截然不同的实际卫生状况

实际应用场景

城市化进程中的公共卫生基础设施供需匹配研究：研究中国快速城市化阶段城市环境卫生服务覆盖率提升与城市人口增长之间的匹配关系被解释变量可构建双变量回归或时间序列模型，将覆盖率变化作为因变量，城镇人口增长率、基础设施投资额作为自变量，分析供需两侧的弹性关系，注意控制城市规模和产业结构因素
城市公共卫生服务可及性的公平性评估：评估城市内部不同区域或群体在基本环境卫生服务可及性上的差异分布解释变量/控制变量可将该指标与收入分组数据、城市内部区域划分数据联合使用，通过分组回归或分位数回归识别覆盖率的分布特征及其影响因素，注意数据粒度匹配问题
环境卫生改善对传染病防控效果的政策评估：评估城市环境卫生设施覆盖率提升对特定传染病发病率或死亡率变化的边际贡献机制变量或控制变量可采用双重差分或合成控制法，将覆盖率提升作为政策冲击变量，传染病指标作为结果变量，构建因果识别策略，同时控制医疗卫生资源供给等其他因素，注意识别平行趋势假设是否成立
城市环境卫生服务覆盖率预测与情景模拟：基于历史增长趋势预测未来覆盖率走向，为基础设施规划提供参考被解释变量或结果变量可采用时间序列预测模型（如ARIMA、指数平滑等），结合现有增长惯性假设进行基准预测，同时设置不同情景假设分析政策变化对趋势的可能影响，注意高位饱和状态下的非线性特征