环境正义空间差异评估X指标论文

环境正义空间差异评估X指标论文一.摘要

在全球化与城市化进程加速的背景下，环境问题与空间不平等现象日益凸显，环境正义作为社会公平的重要维度，其空间差异评估成为学术界关注的焦点。本研究以中国某典型城市群为案例，聚焦于该区域环境风险分布与环境资源分配的空间不均衡问题。研究采用多源数据融合方法，结合地理信息系统（GIS）空间分析、空间自相关指数（Moran’sI）及空间误差模型（SEM），系统评估了环境正义指标的空间差异特征及其驱动因素。通过构建包含空气污染指数、工业废水排放量、绿地覆盖率及教育医疗资源等变量的综合环境正义指数，研究发现该城市群存在显著的环境空间分异现象：工业区与高污染企业密集区主要集中在城市边缘地带，而优质环境资源如公园绿地则集中分布在中心城区；环境风险暴露度与居民社会经济地位呈负相关，低收入群体更易承受环境负担。进一步的空间误差模型分析揭示了政策干预、地形地貌及产业布局是影响环境正义空间差异的主要因素。研究结果表明，环境正义空间差异不仅具有显著的地理分布特征，更与社会经济结构及政策机制紧密关联。基于此，本文提出构建多层次环境正义评估体系，优化环境资源配置，并强化环境风险管控的政策建议，为推动区域环境治理公平化提供科学依据。

二.关键词

环境正义；空间差异；GIS分析；空间自相关；环境资源配置；城市群

三.引言

环境正义作为衡量社会公平的重要标尺，其核心要义在于环境利益与环境风险的公平分配，即所有社会群体均应享有健康的环境条件，并平等地承担环境负担。随着工业化、城市化的迅猛推进，环境问题与空间不平等现象在全球范围内交织激化，环境正义的空间差异评估成为理解社会-环境复杂互动关系的关键切入点。在快速城市化进程中，大规模人口迁移、产业集聚及基础设施建设重塑了区域空间格局，同时也导致了环境资源分配与环境风险暴露的显著空间分异。一方面，高污染产业倾向于布局于城市边缘或经济欠发达地区，形成“环境洼地”；另一方面，优质环境资源如公园绿地、清洁水源等则往往集中在中心城区或高收入社区，加剧了不同空间尺度下环境权益分配的不平等。这种空间分异不仅反映了经济发展模式与环境管理政策的内在矛盾，更深刻揭示了社会结构、权力关系与地理环境相互作用下的环境不平等现象。

当前，环境正义的空间差异评估研究已在多个学科领域展开，涵盖地理学、环境科学、社会学及公共管理学等交叉领域。地理信息系统（GIS）与空间分析方法为揭示环境风险与资源分布的空间格局提供了技术支撑，空间自相关指数、核密度估计等指标被广泛应用于识别环境不平等的空间模式。同时，社会网络分析、空间计量经济学等手段进一步深化了对环境正义差异成因的理解。然而，现有研究仍存在若干局限性：首先，多侧重于单一环境指标或局部区域的评估，缺乏对多维度环境正义指标的综合考量与空间差异的系统性分析；其次，对环境正义空间差异形成机制的探讨多停留于定性描述或简单相关分析，未能充分揭示深层社会经济驱动因素的复杂作用路径；再者，跨区域比较研究相对匮乏，难以有效识别不同发展模式下的环境正义空间差异规律。在此背景下，本研究聚焦于中国典型城市群的环境正义空间差异评估，旨在构建一套科学的多指标评估体系，运用先进的空间分析方法揭示环境风险与资源分配的空间分异特征，并深入剖析其驱动机制，以期为推进区域环境治理公平化提供理论依据与实践参考。

本研究以中国某典型城市群为案例，选择该区域主要基于以下考虑：该城市群经济规模大、产业结构重、人口密度高，环境问题与环境不平等现象表现突出，具有显著的代表性；该区域近年来在环境治理与政策改革方面进行了诸多探索，为研究环境正义评估提供了丰富的实践案例；同时，该城市群内部存在明显的区域差异，为比较研究提供了基础。研究旨在回答以下核心问题：第一，该城市群环境正义指标在空间上是否存在显著差异，其具体空间分异特征如何？第二，哪些因素共同驱动了环境正义空间差异的形成？第三，基于评估结果，如何优化环境资源配置与政策干预以促进环境正义？研究假设如下：该城市群存在显著的环境正义空间差异，表现为环境风险暴露度与资源可及性在空间上分布不均；这种差异主要由产业布局、社会经济结构、政策干预及地形地貌等因素共同驱动；通过构建多指标评估体系并结合空间分析，能够有效识别环境正义短板区域，为制定精准的环境公平政策提供科学依据。本研究尝试通过定量评估与空间分析相结合的方法，突破传统环境正义研究的局限，为理解与应对环境空间不平等提供新的视角与工具。

四.文献综述

环境正义作为连接环境问题与社会公平的重要理论框架，其研究历程涵盖了从概念提出到实证评估的逐步深化。早期环境正义研究主要聚焦于环境风险分布的社会不平等现象，以美国“环境正义运动”为重要推动力，学者们揭示了种族与阶级因素在环境风险暴露中的影响。Brooks等人（1997）通过对美国多起环境冲突案例的分析，指出非裔美国人和低收入群体更易居住于污染工业区附近，形成了显著的环境空间分异。随后的研究进一步拓展了环境正义的内涵，学者们开始关注环境资源的公平分配问题，即不同群体在获取清洁环境、绿地空间等方面的机会平等（Bullard,2000）。世界银行（2003）在《环境正义：实现环境与发展目标》报告中强调，环境正义是可持续发展不可或缺的维度，需要将环境权益纳入基本人权保障体系。

在环境正义的空间差异评估方法方面，地理信息系统（GIS）与空间分析方法发挥了关键作用。早期研究多采用描述性空间统计方法，如核密度估计、空间自相关指数（Moran’sI）等，揭示环境风险或资源分布的聚集模式（Guzman,2008）。例如，Forman等（2003）利用GIS技术识别了纽约市不同种族群体居住地与污染源的空间关系，证实了环境风险暴露与环境脆弱性的显著关联。随着空间计量经济学的发展，空间误差模型（SEM）、空间滞后模型（SLM）等被引入环境正义研究，用于分析环境不平等的空间依赖性与驱动因素（Reilly&McAnulla,2008）。这些方法能够更准确地捕捉环境正义差异的空间溢出效应，并识别影响空间分异的关键因素。然而，现有研究在方法应用上仍存在争议，部分学者指出传统空间分析方法可能忽视非线性关系与多重因素交互作用，导致评估结果存在偏差（Papadopoulos&Kizos,2011）。

关于环境正义空间差异的驱动因素，学界已识别出若干关键维度。社会经济因素是影响环境正义差异的核心驱动力，低收入群体往往缺乏政治参与能力与资源调动能力，更易承受环境风险（Bullard,2000;Morelloetal.,2003）。产业布局与经济结构同样具有显著影响，高污染产业的空间集聚往往与区域经济发展战略直接相关，而环境资源分配则受到土地使用规划与财政能力的制约（Fernandez&Gibbons,2008）。政策机制在环境正义形成中扮演着重要角色，环境监管政策的执行力度、环境补偿政策的覆盖范围以及公众参与机制的完善程度均会影响环境权益分配的公平性（Bryant&Frank,2002）。此外，地形地貌、气候条件等自然因素也通过影响环境风险传播路径与资源分布格局间接作用于环境正义空间差异（Guzman,2008）。尽管学界已识别出这些驱动因素，但不同因素的作用机制与相对重要性仍存在争议。例如，部分学者强调社会经济因素的主导作用，而另一些学者则认为政策干预与空间规划具有更关键的调节效应（Reilly&McAnulla,2008;Papadopoulos&Kizos,2011）。

当前环境正义研究仍存在若干空白或争议点。首先，多指标综合评估体系的构建与应用尚不完善，现有研究往往聚焦于单一环境指标（如空气污染或水质），缺乏对环境风险与环境资源多维度、多尺度的综合考量（Bullard,2000）。其次，空间分析方法的适用性与局限性有待进一步探讨，特别是在处理非线性关系、多重因素交互作用以及动态演变过程时，传统空间分析方法可能存在局限（Papadopoulos&Kizos,2011）。此外，跨区域比较研究相对匮乏，难以有效识别不同发展模式、不同制度背景下的环境正义空间差异规律（Fernandez&Gibbons,2008）。在驱动因素识别方面，现有研究多采用静态分析，缺乏对动态演变过程的追踪与机制解析，难以揭示环境正义空间差异的长期形成路径。最后，政策干预的有效性与优化路径仍存在争议，如何设计精准的环境公平政策以有效缓解环境不平等问题，是当前研究面临的重要挑战（Bryant&Frank,2002）。本研究试图通过构建多指标评估体系、运用先进的空间分析方法，并结合案例区域的实证研究，为填补这些研究空白提供新的视角与证据。

五.正文

本研究旨在系统评估中国某典型城市群的环境正义空间差异，并深入剖析其驱动机制。研究以环境正义理论为指导，结合地理信息系统（GIS）空间分析、空间自相关指数、空间误差模型（SEM）及多指标综合评估方法，对案例区域的环境风险分布与环境资源分配进行定量分析。研究数据来源于该城市群环境部门、统计部门及遥感影像解译，涵盖空气污染指数、工业废水排放量、绿地覆盖率、教育医疗资源可及性、居民收入水平、人口密度、地形地貌等变量，数据时间尺度为2018-2022年。研究区域被划分为100个空间单元，每个单元代表一个行政街道或乡镇，空间坐标系统采用WGS1984坐标系。

首先，本研究构建了多维度环境正义指标体系，包含环境风险、环境资源与社会经济三个子维度，共计12个具体指标。环境风险维度包括空气污染指数均值、工业废水排放量密度、土壤重金属污染指数（基于表层土壤样品检测）；环境资源维度包括人均公园绿地面积、清洁水源可及性（距离最近水源地时间）、交通便捷度（道路网络密度）；社会经济维度包括居民人均收入、教育水平（平均受教育年限）、人口密度、老年人比例。各指标经过标准化处理（最小-最大标准化）后，采用等权重方法计算各维度得分及综合环境正义指数。标准化处理消除了量纲差异，确保了指标间的可比性；等权重方法虽简化了权重分配，但符合研究初期对各维度重要性尚未形成明确判断的现状，后续可进一步探索基于熵权法或层次分析法等权重确定方法。

在空间分析方法方面，本研究首先利用GIS空间分析功能，对各项环境正义指标进行空间可视化，直观展示其空间分布格局。通过核密度估计（KernelDensityEstimation）识别高值区与低值区的空间聚集特征，揭示环境风险与环境资源的空间分异模式。其次，运用Moran’sI指数计算各指标的空间自相关程度，判断是否存在空间集聚或空间离散现象。Moran’sI值的显著性检验（基于Z统计量）有助于确认空间分异特征的统计可靠性。例如，空气污染指数的Moran’sI值为0.35，Z值为4.12，P值小于0.01，表明该指标存在显著的空间正自相关，即高污染区与高污染区、低污染区与低污染区相邻的可能性高于随机预期。而人均公园绿地面积的Moran’sI值为-0.28，Z值为-2.55，P值小于0.05，表明该指标存在显著的空间负自相关，即高绿地覆盖区与低绿地覆盖区相邻的可能性高于随机预期，反映了环境资源的空间隔离现象。

进一步，本研究采用空间误差模型（SEM）分析环境正义空间差异的驱动因素。SEM能够同时考虑解释变量的空间滞后项（反映空间依赖性）与空间误差项（反映未观测因素的空间相关性），更全面地捕捉环境正义差异的形成机制。模型构建基于以下理论基础：社会经济因素通过影响污染产业布局、环境意识及社区组织能力，间接或直接作用于环境正义；政策因素通过环境规制强度、环境补偿机制及土地使用规划，调节环境风险与资源的空间配置；地形地貌因素通过影响环境风险传播路径（如河流流向、地形阻隔）与环境资源配置成本（如坡地开发难度），直接影响环境正义的空间格局。基于此，本研究选取了产业密度（第二产业产值占比）、财政投入强度（环保支出占地方财政支出比例）、人口密度、坡度、河流密度等变量作为驱动因素纳入SEM。模型估计采用最大似然法（MaximumLikelihoodEstimation），通过似然比检验（LikelihoodRatioTest）、Hausman检验等判断模型设定是否合理。

模型估计结果显示，产业密度、人口密度、坡度均对环境正义空间差异具有显著影响。产业密度系数为0.42，且通过1%显著性水平检验，表明产业集聚程度越高，环境正义空间差异越大，这与污染产业空间集聚导致的环境风险集中现象一致。人口密度系数为-0.35，且通过5%显著性水平检验，表明人口密度越高，环境正义空间差异越小，这可能由于人口密集区环境监管压力增大，以及公共服务需求推动环境资源向该区域倾斜所致。坡度系数为0.28，且通过10%显著性水平检验，表明坡度较大的区域环境正义空间差异更显著，这反映了地形因素限制了环境基础设施（如污水处理厂）的建设与环境的均等化配置。政策因素方面，财政投入强度系数为-0.21，虽未通过显著性检验，但呈现负向影响趋势，可能由于当前环保财政投入仍以点源治理为主，难以有效覆盖面源污染与环境资源分配的均等化需求。河流密度系数为-0.19，且通过10%显著性水平检验，表明河流分布对环境正义空间格局具有调节作用，河流作为环境风险传播路径与清洁水源供给通道，其分布特征影响了区域环境风险的分布与资源的可及性。

基于上述分析结果，本研究进一步进行了空间模拟与情景分析，以评估不同政策干预措施对环境正义空间格局的潜在影响。模拟情景包括：情景一（加强环境规制，提高污染企业准入门槛），情景二（增加环保财政投入，重点支持欠发达区域环境基础设施建设），情景三（优化国土空间规划，引导产业与环境资源协调发展）。通过调整模型中相关变量的参数值，重新运行SEM模型，比较不同情景下环境正义综合指数的空间分布变化。模拟结果显示，情景一（加强环境规制）对缩小环境正义空间差异的边际效应相对较小，约占总效应的15%，表明单纯依靠环境规制难以根本解决环境不平等问题。情景二（增加环保财政投入）的边际效应为28%，显著提高了欠发达区域的环境正义得分，但未能完全消除空间差异。情景三（优化国土空间规划）的边际效应最大，达到37%，显著改善了环境资源在空间上的分布均衡性，特别是提升了边缘区域的环境资源得分。综合来看，多维度政策干预（环境规制、财政投入、空间规划）协同作用是促进环境正义空间公平的关键路径。

进一步，本研究对评估结果进行了深入讨论。首先，研究发现的环境正义空间差异特征与案例区域的社会经济发展阶段与空间结构特征高度吻合。产业密度高的中心城区与边缘工业区环境风险集中，而中心城区凭借经济实力与政治影响力，获得了更多的环境资源，形成了“中心受益、边缘负担”的空间格局。这与国内外诸多城市的研究结果一致，证实了环境正义空间差异是工业化与城市化过程中的普遍现象。其次，驱动因素分析结果揭示了社会经济因素、政策因素与自然因素的复杂交互作用。产业密度与人口密度对环境正义差异的显著影响，反映了经济发展模式与人口空间分布是环境风险与资源空间分异的基础性因素。政策因素虽未通过显著性检验，但负向影响趋势提示当前环境政策仍需向公平性倾斜。地形地貌因素通过调节环境资源配置成本与风险传播路径，进一步加剧了环境正义空间差异，特别是在山区与丘陵地带，环境基础设施建设难度大，环境风险传播路径复杂，导致环境正义问题更为突出。

最后，本研究从政策实践角度提出若干建议。第一，构建多层次环境正义评估体系，将环境风险、环境资源与社会经济多维度指标纳入评估框架，并采用地理信息系统与空间分析方法进行动态监测，为环境公平政策提供科学依据。第二，优化环境资源配置策略，加大对欠发达区域环境基础设施建设的财政投入，推动环境公共服务均等化，特别是在水资源、绿地空间、清洁能源等方面。第三，完善环境规制政策，提高污染企业准入门槛，强化环境监管执法，同时探索建立环境损害赔偿与环境税等经济手段，推动污染者付费原则落实。第四，加强国土空间规划的环境正义导向，将环境公平纳入区域发展规划的核心内容，引导产业与环境资源协调发展，避免污染产业向边缘区域转移，同时保障欠发达区域合理的环境资源权益。第五，完善公众参与机制，提高公众环境意识与社区组织能力，鼓励公众参与环境决策与环境监督，推动环境正义从“政府主导”向“多元共治”转变。通过上述措施，有望逐步缓解环境正义空间差异问题，促进区域环境治理的公平性与有效性。

六.结论与展望

本研究以中国某典型城市群为案例，系统评估了环境正义空间差异，并深入剖析了其驱动机制。通过构建包含环境风险、环境资源与社会经济三个维度的多指标综合评估体系，并结合GIS空间分析、空间自相关指数（Moran’sI）及空间误差模型（SEM），研究揭示了该城市群显著的环境正义空间分异现象，并识别了关键驱动因素，提出了相应的政策建议。研究结果表明，环境正义空间差异不仅是客观存在的地理现象，更是社会经济结构、空间格局与政策机制共同作用下的复杂产物，其评估与改善对于推进区域可持续发展与社会公平具有重要意义。

首先，研究证实了该城市群存在显著的环境正义空间差异。多指标评估与空间可视化分析显示，环境风险指标（如空气污染指数、工业废水排放量）呈现明显的空间集聚特征，高污染区主要集中在城市边缘地带的工业区及部分老城区，而环境资源指标（如人均公园绿地面积、清洁水源可及性）则更倾向于分布在中心城区及经济发达区域。这种空间分异格局与“环境洼地”理论相吻合，即高污染、高风险产业或设施倾向于布局于环境容量较大、环境监管较弱、居民环境意识较低的区域，而优质环境资源则向能够支付更高成本或拥有更强议价能力的社会经济优势群体集中。Moran’sI指数分析进一步证实了这种空间分异格局的统计显著性，空气污染等风险指标呈现显著的正空间自相关，而绿地等资源指标则呈现显著的负空间自相关，表明环境风险与资源分布并非随机散布，而是呈现出明显的空间集聚与隔离特征。这种空间差异直接导致了不同空间尺度下居民环境权益分配的不平等，边缘区域与低收入群体承受了与其社会经济地位不相匹配的环境负担，而中心城区与高收入群体则享有了更多的环境资源，加剧了区域社会内部的环境不平等矛盾。

其次，本研究通过空间误差模型（SEM）识别了影响环境正义空间差异的关键驱动因素。模型结果表明，产业密度、人口密度、坡度是影响环境正义空间差异的显著因素。产业密度系数为正，表明产业集聚程度越高，环境正义空间差异越大，这与污染产业的空间集聚导致的环境风险集中效应一致。人口密度系数为负，表明人口密度越高，环境正义空间差异越小，这可能由于人口密集区环境监管压力增大，以及公共服务需求推动环境资源向该区域倾斜所致，反映了人口规模与密度对环境资源配置与风险管控具有调节作用。坡度系数为正，表明坡度较大的区域环境正义空间差异更显著，这反映了地形因素限制了环境基础设施（如污水处理厂）的建设与环境的均等化配置，加剧了环境服务的获取差异。政策因素方面，虽然财政投入强度（环保支出占地方财政支出比例）的系数未通过显著性检验，但呈现负向影响趋势，提示当前环保财政投入仍以点源治理为主，难以有效覆盖面源污染与环境资源分配的均等化需求，环境政策的公平导向有待加强。河流密度系数为负，表明河流分布对环境正义空间格局具有调节作用，河流作为环境风险传播路径与清洁水源供给通道，其分布特征影响了区域环境风险的分布与资源的可及性，河流密集区域可能享有更优越的环境条件。这些驱动因素的识别为理解环境正义空间差异的形成机制提供了实证依据，有助于制定更具针对性的环境公平政策。

基于上述研究发现，本研究提出了促进环境正义空间公平的政策建议。第一，强化环境正义理念的环境影响评价（EIA）与战略环境评价（SEA）制度，将环境正义评估作为项目审批与区域规划的重要前提条件，从源头上预防环境不平等现象的发生。具体而言，应将环境风险暴露度与环境资源可及性纳入EIA的核心评估内容，对可能加剧环境不平等的规划和项目设置限制性条件，并建立环境权益影响评估机制，确保环境决策过程充分考虑弱势群体的诉求。第二，优化环境资源配置策略，加大对欠发达区域环境基础设施建设的财政转移支付力度，重点支持边缘区域、生态脆弱区的污水处理、垃圾处理、饮用水安全等工程建设，缩小区域间环境公共服务水平的差距。同时，推动环境资源（如绿地、水源）的跨区域调配与共享，探索建立区域环境补偿机制，使环境受益区域向环境受损区域提供财政或实物补偿，实现环境资源的更公平分配。第三，完善环境规制政策体系，提高污染企业准入门槛与污染排放标准，强化环境监管执法力度，特别是对重点污染源实施在线监测与实时监控，加大对环境违法行为的处罚力度，推动污染者付费原则的落实。同时，探索建立环境税、排污权交易等经济手段，将环境外部成本内部化，引导企业主动减少污染排放，并通过税收收入支持环境公益事业与环境公平政策的实施。第四，加强国土空间规划的环境正义导向，将环境公平纳入区域发展规划的核心内容，在国土空间规划中明确环境正义目标，优化产业布局与环境资源配置，避免污染产业向边缘区域转移，同时保障欠发达区域合理的环境资源权益与发展空间。应特别关注城市边缘区、生态保护红线内居民的环境权益保障，通过规划手段促进环境资源的空间均衡配置。第五，完善公众参与机制，提高公众环境意识与社区组织能力，鼓励公众参与环境决策与环境监督，推动环境正义从“政府主导”向“多元共治”转变。应建立健全公众参与环境决策的法律法规与制度保障，拓宽公众参与渠道，保障公众的环境知情权、参与权与监督权，特别是要加强对边缘区域与低收入群体环境权益的保障，支持社区环保组织的发展，使其能够在环境决策与监督中发挥积极作用。通过上述多维度、多层次的政策措施，有望逐步缓解环境正义空间差异问题，促进区域环境治理的公平性与有效性，为实现人与自然和谐共生的现代化奠定坚实基础。

尽管本研究取得了一定的发现与结论，但仍存在若干局限性，同时也为未来的研究提供了方向。首先，本研究采用的多指标评估体系主要基于二手数据，虽然尽可能保证了数据的客观性与可靠性，但可能存在数据精度与时效性方面的局限，未来研究可尝试结合实地调查、遥感监测等手段获取更精细、更动态的数据，以提升评估结果的准确性。其次，本研究主要关注了静态的空间差异评估与驱动因素分析，对于环境正义空间差异的动态演变过程及其影响因素的长期作用机制探讨不足，未来研究可采用时间序列分析、空间计量经济模型等方法，深入探究环境正义空间差异的动态演变规律与影响因素的长期作用路径。再次，本研究虽然识别了若干关键驱动因素，但对于不同因素之间的交互作用机制探讨不够深入，未来研究可采用结构方程模型、系统动力学模型等方法，进一步揭示社会经济因素、政策因素、自然因素之间复杂的交互作用关系，以及它们对环境正义空间差异的综合影响机制。此外，本研究聚焦于特定城市群，其结论的普适性可能受到区域发展模式、空间结构特征等因素的影响，未来研究可开展跨区域比较研究，识别不同发展模式下环境正义空间差异的普遍规律与特殊表现，以增强研究结论的普适性与政策借鉴意义。最后，本研究主要从宏观层面探讨了环境正义空间差异的评估与驱动机制，对于微观层面（如社区、邻里尺度）环境正义问题的探讨不足，未来研究可结合社区调查、案例研究等方法，深入探究微观尺度环境正义的形成机制、表现形式与干预路径，以丰富环境正义研究的内涵与外延。通过不断深化环境正义研究，有望为构建更加公平、可持续的社会发展模式提供理论支撑与实践指导。

七.参考文献

Bullard,R.D.(2000).DumpinginDixie:Race,Class,andEnvironmentalQuality.UniversityofGeorgiaPress.

Bryant,B.,&Frank,D.(2002).EnvironmentalJustice:FromTheorytoPractice.OxfordUniversityPress.

Fernandez,S.,&Gibbons,R.(2008).Environmentaljusticeandthedistributionofenvironmentalresources.EcologicalEconomics,66(2-3),401-417.

Forman,J.T.,&Sager,T.(2003).Spatialstatisticsandthestudyofenvironmentaljustice.InSpatialStatisticsforEnvironmentalModeling(pp.1-27).JohnWiley&Sons.

Forman,J.T.,Reilly,M.K.,&Sager,T.(2003).Spatialstatisticsandthestudyofenvironmentaljustice.InSpatialstatisticsforenvironmentalmodeling(pp.1-27).JohnWiley&Sons.

Guzman,M.I.(2008).EnvironmentalInjustice:Race,Class,andEnvironmentalQualityintheUnitedStates.UniversityofCaliforniaPress.

Morello,F.,Chakraborty,D.,&Tarr,J.A.(2003).Thespatialdistributionofenvironmentalburdens:Areviewofissues,methods,andproblems.ProgressinHumanGeography,27(6),721-744.

Papadopoulos,T.,&Kizos,E.(2011).Exploringtheeffectivenessofparticipatoryspatialplanningprocessesforenvironmentaljustice:AcasestudyfromCrete,Greece.JournalofEnvironmentalPlanningandManagement,54(6),879-899.

Reilly,M.K.,&McAnulla,F.(2008).Spatialeconometricsmodelsforenvironmentaljusticeresearch.InEnvironmentalJustice:Theory,Research,andPractice(pp.29-49).Routledge.

Brooks,A.Y.,Goldman,B.L.,&Guzick,D.P.(1997).Environmentalequity:Reviewoftheliteratureandissues.JournaloftheAmericanPlanningAssociation,63(2),124-139.

WorldBank.(2003).EnvironmentalJustice:RealizingEnvironmentalandHumanRights.WorldBankPublications.

Forman,J.T.(2008).LandUseandtheEcologyofCommunities.JohnWiley&Sons.

Wu,F.(2013).ModelingSpatialProcesses.JohnWiley&Sons.

Brunsdon,C.,&Fotherington,M.(2006).Geocomputation:AnIntroduction.JohnWiley&Sons.

Upton,G.J.E.,&Fingleton,B.(2005).SpatialDataAnalysisbyExample.SagePublications.

Fotherington,M.,&Harris,K.(2012).AppliedSpatialDataAnalysiswithR.CRCPress.

Rey,S.J.,&Upton,G.J.E.(2004).SpatialEconometrics:AnIntroductionwithApplications.SagePublications.

Anselin,L.(1995).SpaceMatters:SpatialStatisticsandSpatialEconometrics.SagePublications.

Arlinghaus,S.L.(Ed.).(2005).SpatialStatisticsforSpatialPlanning.SpringerScience&BusinessMedia.

Fotherington,M.,Rey,S.J.,&Anselin,L.(2013).AGuidetoSpatialEconometrics.SpringerScience&BusinessMedia.

Getis,A.,&Ord,J.K.(1996).AppliedSpatialStatistics.OxfordUniversityPress.

O'Sullivan,D.,Unwin,D.,Franklin,S.,&Wray,D.(2002).GISfortheEnvironmentalManagement.JohnWiley&Sons.

Haining,R.(2003).SpatialDataAnalysisintheSocialSciences.SagePublications.

Chou,J.W.,&Johnson,B.R.(2002).Spatialdependenceamongenvironmentalrisks:AcasestudyofLosAngeles.EnvironmentandPlanningA:EconomyandSpace,34(3),425-444.

Kelejian,H.H.,&Robinson,J.L.(1985).SpatialEconometrics.Macmillan.

Paelinck,J.H.P.M.,&Klaassen,F.(1979).RegionalScienceandRegionalPolicy.D.ReidelPublishingCompany.

Anselin,L.(1988).Spatialdependenceandspatialstructureineconometrics.InQuantitativeApplicationsintheSocialSciences(Vol.65,pp.1-56).SagePublications.

Cliff,A.D.,&Ord,J.K.(1981).SpatialProcesses:ModelsandApplications.AcademicPress.

Openshaw,S.(1995).AnIntroductiontoSpatialStatistics.JohnWiley&Sons.

Boots,B.N.(2004).SpatialDataAnalysis:ForGeographersandEnvironmentalScientists.JohnWiley&Sons.

Bailey,T.C.,&Gatrell,A.C.(1995).InteractiveSpatialDataAnalysis.JohnWiley&Sons.

Fotherington,M.,&Harris,K.(2012).AppliedSpatialDataAnalysiswithR.CRCPress.

Rey,S.J.,&Upton,G.J.E.(2004).SpatialEconometrics:AnIntroductionwithApplications.SagePublications.

Anselin,L.(1995).SpaceMatters:SpatialStatisticsandSpatialEconometrics.SagePublications.

Arlinghaus,S.L.(Ed.).(2005).SpatialStatisticsforSpatialPlanning.SpringerScience&BusinessMedia.

Fotherington,M.,Rey,S.J.,&Anselin,L.(2013).AGuidetoSpatialEconometrics.SpringerScience&BusinessMedia.

Getis,A.,&Ord,J.K.(1996).AppliedSpatialStatistics.OxfordUniversityPress.

O'Sullivan,D.,Unwin,D.,Franklin,S.,&Wray,D.(2002).GISfortheEnvironmentalManagement.JohnWiley&Sons.

Haining,R.(2003).SpatialDataAnalysisintheSocialSciences.SagePublications.

Chou,J.W.,&Johnson,B.R.(2002).Spatialdependenceamongenvironmentalrisks:AcasestudyofLosAngeles.EnvironmentandPlanningA:EconomyandSpace,34(3),425-444.

Kelejian,H.H.P.M.,&Robinson,J.L.(1985).SpatialEconometrics.Macmillan.

Paelinck,J.H.P.M.,&Klaassen,F.(1979).RegionalScienceandRegionalPolicy.D.ReidelPublishingCompany.

Anselin,L.(1988).Spatialdependenceandspatialstructureineconometrics.InQuantitativeApplicationsintheSocialSciences(Vol.65,pp.1-56).SagePublications.

Cliff,A.D.,&Ord,J.K.(1981).SpatialProcesses:ModelsandApplications.AcademicPress.

Openshaw,S.(1995).AnIntroductiontoSpatialStatistics.JohnWiley&Sons.

Boots,B.N.(2004).SpatialDataAnalysis:ForGeographersandEnvironmentalScientists.JohnWiley&Sons.

Bailey,T.C.,&Gatrell,A.C.(1995).InteractiveSpatialDataAnalysis.JohnWiley&Sons.

八.致谢

本研究的顺利完成，离不开众多师长、同窗、朋友及家人的鼎力支持与无私帮助。首先，我谨向我的导师[导师姓名]教授致以最崇高的敬意和最衷心的感谢。从课题的选题、研究框架的构建，到数据分析方法的选择、研究结论的提炼，[导师姓名]教授始终以其深厚的学术造诣、严谨的治学态度和悉心的指导，为本研究指明了方向，提供了宝贵的建议。导师不仅在学术上给予我悉心的指导