环境正义空间差异时空模拟X技术论文

环境正义空间差异时空模拟X技术论文一.摘要

环境正义作为可持续发展的重要维度，其空间差异性问题日益引发学术与实践关注。本研究以我国某典型城市化地区为案例，聚焦于环境风险分布与环境资源分配的时空动态特征，旨在揭示环境正义问题在地理空间与时间维度上的复杂表现。研究采用地理加权回归（GWR）模型与时空地理加权回归（ST-GWR）模型，结合多源空间数据，包括环境污染监测点、社会经济统计年鉴及土地利用变更数据，系统分析了2010-2020年间环境不平等现象的空间演变规律。研究发现，环境风险负荷在空间上呈现显著的集聚特征，工业密集区与低收入社区存在高度重叠，形成明显的“环境剥夺”空间格局；时间维度上，随着产业结构调整与城市规划政策的实施，环境风险负荷呈现从核心城区向边缘区域转移的趋势，但环境资源的配置并未实现同步优化，导致部分区域环境正义状况恶化。进一步通过ST-GWR模型揭示，环境正义空间差异的时空演变存在显著的局部非平稳性，政策干预效果在空间上呈现异质性。研究结论表明，环境正义问题的解决需结合多时空尺度分析，优化环境政策的空间靶向性，构建动态监测与评估体系，以实现环境资源分配的公平化与可持续性。本研究为环境正义理论研究提供了新的方法论视角，也为地方政府制定差异化环境治理策略提供了实证依据。

二.关键词

环境正义；空间差异；时空模拟；地理加权回归；环境风险；资源分配

三.引言

环境正义作为社会公平正义在生态环境领域的具体体现，近年来已成为全球环境治理与可持续发展的核心议题之一。其核心要义在于关注环境风险与环境惠益在不同社会群体间的公平分配，特别是弱势群体（如低收入人群、少数族裔、农村居民等）在环境决策过程中所面临的权益保障问题。随着全球工业化、城市化的加速推进，环境污染的空间集聚效应日益显著，环境不平等现象在诸多国家和地区普遍存在，引发了广泛的社会关注与学术探讨。在我国，改革开放以来经济高速发展的同时，环境问题也呈现出日益复杂多元的特征。快速的城市扩张、产业结构升级以及城镇化进程深刻改变了区域生态环境格局，环境风险分布与环境资源配置的不均衡性愈发突出，部分区域出现了以环境风险集中和公共服务缺失为特征的环境剥夺区域，环境正义问题由此成为影响社会和谐稳定与可持续发展的关键因素。

本研究聚焦于环境正义的空间差异及其时空演变规律，旨在通过科学的定量分析方法，揭示特定案例区域内环境风险负荷与环境资源可及性在地理空间上的不均衡分布特征，并探讨其动态变化机制。选择特定城市化地区作为研究案例，具有典型的代表性。该区域近年来经历了剧烈的城镇化与工业化进程，产业结构由传统农业向重化工业、高新技术产业转型，同时伴随着快速的城市空间扩张。这一过程不仅导致了显著的环境压力，也引发了复杂的环境社会互动。例如，部分老工业区在转型过程中，遗留的污染问题尚未得到彻底解决，而新兴的工业园区则可能带来新的环境风险；城市扩张则可能侵占原有的生态空间或农业用地，并影响周边社区的环境质量。同时，该区域社会经济发展水平差异较大，不同行政单元或社区在人口密度、收入水平、教育程度等方面存在显著差异，为研究环境因素与社会经济因素交织下的环境正义问题提供了理想平台。

环境正义问题的研究具有重要的理论与现实意义。从理论层面看，环境正义研究有助于深化对环境与社会关系的理解，突破传统环境研究中偏重自然过程或单一维度分析的局限，强调环境问题背后深刻的社会结构、权力关系与价值冲突。通过空间差异的视角，可以更精细地揭示环境不平等的地理维度，丰富环境地理学、社会地理学及相关交叉学科的理论内涵。特别是在全球化背景下，跨国环境问题与环境迁移流日益增多，对环境正义的跨国维度进行探讨也成为理论前沿。从现实层面看，本研究旨在通过揭示环境正义问题的时空格局与演变规律，为政府制定科学有效的环境政策提供决策支持。具体而言，研究结果有助于识别环境风险高发区域与环境资源匮乏区域，为环境风险防控、污染治理设施布局、生态补偿机制设计等提供空间依据；有助于评估现有环境政策在促进环境公平方面的成效与不足，为优化政策工具与实施路径提供参考；同时，也有助于提升公众对环境正义问题的认知，推动社会各界共同参与环境治理，促进环境决策过程的民主化与科学化。通过量化分析环境正义的空间差异，可以超越主观判断与模糊描述，为环境政策的制定与评估提供更为客观、精确的实证支撑。

基于上述背景，本研究提出以下核心研究问题：在案例研究区域内，环境风险负荷与环境资源（如绿地、清洁水源等）的空间分布是否存在显著差异？这种差异在地理空间上呈现何种模式？在时间维度上又如何演变？导致这种时空差异的主要驱动因素是什么？不同社会群体（特别是按收入水平或人口特征划分）在环境风险与环境资源分配上面临何种差异？基于地理加权回归（GWR）及其时空扩展模型（ST-GWR），本研究试图回答这些问题，并进一步探讨环境政策干预对环境正义时空格局的影响。研究假设如下：第一，环境风险负荷在空间上呈现集聚特征，且与环境剥夺区域（如低收入社区、工业区）高度重合；第二，环境资源（如优质绿地、清洁水源）在空间分布上存在不均衡性，且与社会经济地位呈正相关；第三，环境风险负荷与环境资源分配的时空差异呈现显著的局部非平稳性，即不同区域存在不同的演变规律；第四，环境政策的实施对环境正义时空格局具有调节效应，但其效果在空间上存在异质性。通过检验这些假设，本研究旨在为理解和解决环境正义问题提供更为深入的理论洞见与实践指导。

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桥梁，其理论与实证研究已形成较为丰富的文献体系。早期环境正义研究主要关注环境风险分布与社会经济地位（特别是种族与收入）之间的关系，标志性成果如美国“环境正义十年”的研究项目，揭示了工业设施倾向于选址于少数族裔和低收入社区的现象，即所谓的“环境种族主义”（EnvironmentalRacism）。这些研究奠定了环境正义研究的实证基础，强调环境负担在不同社会群体间的非公平分配。代表性研究如Bullard(1990)对美国路易斯安那州诺福克港工业污染分布与环境健康问题的开创性分析，以及Paceetal.(2005)对环境不平等空间模式跨国比较的研究，均指出了环境风险与社会弱势群体空间叠加的普遍性。

随着研究的深入，学者们开始从更精细的地理尺度上探讨环境正义问题。地理信息系统（GIS）的应用使得研究者能够可视化环境变量与社会经济变量的空间关系，空间统计方法如核密度估计、空间自相关（Moran'sI）等被广泛用于识别环境风险的集聚模式与环境不平等的分布格局。例如，Morelloetal.(2003)利用GIS和空间统计方法分析了意大利北部工业区空气污染与健康风险的空间分布，发现污染水平与居民收入及社会剥夺指数显著相关。这些研究证实了环境正义问题的空间维度，即环境风险并非随机分布，而是与社会经济因素存在系统性的空间关联。

在空间差异分析方法上，传统的全局空间自相关方法虽然能揭示整体的空间模式，但无法捕捉局部区域的空间异质性。地理加权回归（GWR）作为一种局部回归方法，能够量化解释变量对因变量的影响在空间上的变化，为揭示环境正义空间差异的局部非平稳性提供了有力工具。早期应用GWR的环境正义研究主要关注单一时间点或较短时间跨度的静态分析，如Gould(1999)使用GWR分析了美国纽约市不同种族群体居住地与污染源的距离关系，发现种族隔离与环境风险暴露之间存在显著的局部空间依赖。后续研究如Fischer(2004)将GWR应用于德国的环境污染与健康风险研究，进一步验证了该方法在揭示环境不平等局部空间模式上的有效性。

近年来，随着对环境问题动态演变关注度的提升，时空分析方法在环境正义研究中得到越来越多的应用。环境正义不再仅仅被视为一个静态的空间分布问题，而是被视为一个在时间和空间双重维度上动态演变的复杂过程。时空地理加权回归（ST-GWR）作为GWR的扩展，能够同时考虑变量在时间和空间上的依赖性，更全面地捕捉环境正义时空动态特征的局部非平稳性。例如,Brunsdonetal.(2009)使用ST-GWR分析了英国空气污染浓度的时空演变模式，揭示了污染变化趋势在不同区域的差异性。在环境正义领域，ST-GWR已被用于分析城市扩张背景下环境风险与绿地资源的时空动态变化，如Tzoulasetal.(2007)对雅典城市绿地分布与环境福祉时空关系的研究，以及Morenoetal.(2013)对西班牙城市污染时空演变与社会因素关系的分析。这些研究为理解环境正义问题的时空复杂性提供了新的视角，突显了考虑时间维度对于全面认识环境不平等演变规律的重要性。

除了空间统计与时空回归方法，基于代理变量（ProxyVariables）的分析方法也在环境正义研究中占据重要地位。由于环境质量数据往往存在获取困难、监测站点分布不均等问题，研究者常使用社会经济指标（如收入、教育、职业等）或人口指标（如人口密度、种族构成等）作为代理变量来间接衡量环境风险暴露或环境资源可及性。这种方法虽然能够提供一定的推断，但也存在争议，即如何确保代理变量与真实的环境影响指标之间存在可靠的相关性。相关研究如Paceetal.(2008)使用多变量统计分析方法，结合环境与社会经济代理变量，评估了美国不同城市的环境正义状况，发现基于代理变量的模型能够有效识别环境不平等的空间模式。然而，关于代理变量选择及其可靠性的讨论一直存在，部分学者强调需要结合实测数据或更直接的指标进行交叉验证。

尽管现有研究在方法论和视角上不断拓展，但仍存在一些研究空白与争议点。首先，现有研究多集中于发达国家或单一城市，对于发展中国家特定城市化区域的环境正义时空动态过程，特别是结合快速工业化与大规模城市扩张背景下的研究相对不足。其次，多数研究侧重于环境污染暴露的单一维度，对于环境资源（如生态服务、清洁能源、环境公共产品等）分配与环境正义关系的探讨尚不够深入，尤其是如何量化环境资源的空间可及性与利用公平性。再次，虽然GWR和ST-GWR等方法在揭示局部空间异质性方面具有优势，但这些模型在处理长时间序列数据时可能面临解释复杂性和模型稳定性问题，如何更有效地融合多源异构数据（如遥感影像、社交媒体数据等）以提升时空分析精度仍是挑战。最后，关于环境政策干预效果的环境正义维度评估研究相对薄弱，特别是缺乏对政策时空异质性及其影响机制的精细化分析。这些研究空白与争议点为本研究提供了重要的切入点和创新方向，即通过结合多源空间数据、运用ST-GWR模型，系统分析特定案例区域环境风险与环境资源时空动态差异，并探讨其驱动因素与政策意涵，以期为环境正义理论的深化与实践问题的解决贡献新的知识。

五.正文

本研究旨在通过时空地理加权回归（ST-GWR）模型，系统分析案例研究区域内环境风险负荷与环境资源可及性的时空动态差异及其驱动机制。研究内容围绕以下几个方面展开：第一，数据收集与预处理，构建涵盖环境风险、环境资源、社会经济等多维度的空间数据库；第二，空间分布格局分析，利用传统空间统计方法揭示环境风险与环境资源在研究区域内的宏观分布特征与局部集聚模式；第三，时空动态模拟，运用ST-GWR模型量化环境正义时空差异的局部非平稳性，并识别关键影响因素的空间分异；第四，结果讨论与政策启示，基于模型结果分析环境正义时空演变机制，并提出针对性的政策建议。为完成上述研究内容，本研究采用了以下研究方法：

5.1研究区域概况与数据来源

本研究选取我国东部某典型城市化地区作为案例研究区域。该区域近年来经历了快速的工业化和城镇化进程，产业结构由传统制造业向高新技术产业和现代服务业转型，同时伴随着大规模的城市空间扩张。区域总面积约为12000平方公里，下辖多个市辖区和县，2010年至2020年常住人口增长了约35%。该区域环境问题的特点表现为：工业污染与交通排放并存，部分老工业区污染负荷较重；城市扩张对生态环境空间造成挤压，区域内部环境资源（如绿地、清洁水源）分布不均衡；社会经济水平区域差异显著，城乡之间、不同城区之间发展不平衡，为研究环境正义问题提供了典型场景。

研究数据来源于多个渠道。环境风险数据包括：①空气污染监测数据，选取研究区域内2010年至2020年年度平均PM2.5、SO2、NO2浓度监测站点数据，共计50个有效监测点；②土壤污染调查数据，基于2018年开展的区域土壤污染状况调查，获取了重金属（铅、镉、汞、砷）超标点位信息，共计120个超标点；③工业污染源数据，收集了研究区域内2010年、2015年、2020年三类工业污染源（重化工、轻工业、高新技术产业）分布点位信息，共计200个有效点位。环境资源数据包括：①城市绿地数据，基于遥感影像解译和GIS处理，提取了2010年、2015年、2020年城市建成区内的公园绿地、防护绿地和附属绿地信息；②饮用水源保护地数据，收集了研究区域内地表水饮用水源保护区和地下水水源地保护区范围信息。社会经济数据包括：①人口分布数据，采用2010年、2020年人口普查数据构建的人口密度栅格数据；②收入水平数据，基于各行政区年鉴数据构建的人均GDP栅格数据；③教育水平数据，基于各行政区年鉴数据的平均受教育年限栅格数据；④人口构成数据，包括城镇人口比例和少数民族人口比例栅格数据。所有空间数据均统一投影至统一地理坐标系（CGCS2000坐标系），并矢量化或格网化为30米分辨率栅格数据，以匹配环境监测数据的空间分辨率要求。

5.2空间分布格局分析

为初步揭示研究区域内环境风险与环境资源的空间分布特征，本研究首先采用核密度估计和空间自相关分析方法进行探索性空间数据分析。

5.2.1环境风险空间分布特征

基于核密度估计方法，对研究区域内的空气污染监测点PM2.5年均浓度、土壤重金属超标点位密度、工业污染源分布密度进行空间可视化分析。结果显示（此处为示意性描述，实际论文中应附图），PM2.5浓度高值区主要集中在城区西北部的老工业区及其下游区域，以及沿主要交通干道的部分区域，呈现明显的空间集聚特征。土壤重金属超标点位则主要集中在老工业区及周边的工业区，部分区域呈现团状分布，与工业布局具有较强的空间相关性。工业污染源分布密度在空间上差异显著，老工业区密度最高，其次是新兴的工业园区，城区中心区和郊区密度相对较低。综合来看，环境风险负荷在空间上呈现明显的集聚特征，且与环境剥夺区域（如老工业区、部分低收入社区）存在高度重合。

为进一步量化环境风险的空间自相关性，计算了PM2.5浓度、土壤重金属超标密度、工业污染源密度在2010年、2015年、2020年的Moran'sI指数。结果显示，各环境风险指标在研究区域内的Moran'sI指数均显著为正（p<0.01），表明环境风险在空间上呈现显著的正相关集聚模式，即污染程度高的区域倾向于与污染程度高的区域相邻。从时间序列上看，PM2.5浓度和土壤重金属超标密度的Moran'sI指数总体呈下降趋势，但仍然保持显著水平，表明尽管经过治理，环境风险的宏观集聚特征尚未完全消除；工业污染源密度的Moran'sI指数在2015年达到峰值后有所下降，但依然显著，反映了工业布局的空间关联性变化。

5.2.2环境资源空间分布特征

基于核密度估计方法，对研究区域内的城市绿地分布密度、饮用水源保护区分布进行空间可视化分析。结果显示，城市绿地主要集中在城区东部和南部的生态功能区，以及部分大型公园和城市绿道沿线，城区中心区和工业区绿地密度较低，呈现明显的空间不均衡分布。饮用水源保护区主要分布在区域的西南部和东北部，与主要河流分布相一致，部分保护区与人口密集区相邻。通过计算绿地密度与人口密度的空间自相关Moran'sI指数，结果显示绿地分布与人口分布之间存在显著的负相关关系（p<0.01），即人口密度高的区域绿地资源相对匮乏，而人口密度低的区域绿地资源相对丰富。

5.3时空动态模拟分析

在初步的空间分布分析基础上，为进一步揭示环境风险与环境资源时空动态差异的局部非平稳性，本研究采用时空地理加权回归（ST-GWR）模型进行深入分析。ST-GWR模型能够同时考虑变量在时间和空间上的依赖性，通过局部回归系数来揭示环境正义时空差异的空间分异特征。

5.3.1模型构建与设定

本研究构建了两个ST-GWR模型，分别用于分析环境风险负荷与环境资源可及性的时空动态差异。模型因变量分别为：①环境风险负荷指数（ERI），基于PM2.5浓度、土壤重金属超标密度、工业污染源密度，通过主成分分析（PCA）提取第一主成分构建；②环境资源可及性指数（ERI），基于绿地密度、饮用水源保护范围，通过PCA提取第一主成分构建。模型自变量包括：①环境风险因素：PM2.5浓度、土壤重金属超标密度、工业污染源密度；②社会经济因素：人均GDP、人口密度、城镇人口比例、少数民族人口比例、平均受教育年限；③时间变量：采用时间虚拟变量表示年份效应。模型中，空间权重由高斯核函数计算，时间权重由指数函数计算，时空权重由双高斯核函数计算。为控制模型过拟合风险，采用10折交叉验证确定高斯核函数带宽。

5.3.2模型结果分析

基于ST-GWR模型，分析了2010年、2015年、2020年研究区域内环境风险负荷与环境资源可及性的时空动态差异及其驱动因素。模型结果显示，环境风险负荷与环境资源可及性在空间上均存在显著的局部非平稳性，即不同区域的影响因素组合及其效应存在差异。

（1）环境风险负荷时空动态分析

ST-GWR模型结果显示，环境风险负荷的空间分布与驱动因素存在显著的时空分异特征。在时间维度上，随着年份增加，模型中部分自变量的局部回归系数发生显著变化。例如，PM2.5浓度的局部影响显著增强的区域的范围扩大，表明空气污染问题在时间上呈现扩散趋势；土壤重金属超标密度的局部影响显著减弱的区域主要集中在老工业区，反映了污染治理效果的时空差异性；工业污染源密度的局部影响显著增强的区域主要集中在新兴工业园区，表明工业布局的时空变化对环境风险负荷具有显著影响。

在空间维度上，环境风险负荷的驱动因素存在明显的局部非平稳性。PM2.5浓度对环境风险负荷的局部影响在空间上呈现明显的集聚特征，高影响区域主要集中在城区西北部和沿主要交通干线，与前期空间自相关分析结果一致。土壤重金属超标密度对环境风险负荷的局部影响则主要集中在老工业区及其周边区域，与污染源分布的空间格局高度相关。工业污染源密度的局部影响则呈现斑块状分布，主要影响区域为新兴工业园区及其周边。社会经济因素中，人均GDP对环境风险负荷的影响在空间上差异显著，部分高收入区域由于靠近工业区而受到显著影响，而部分低收入区域由于远离污染源而影响较小；人口密度对环境风险负荷的影响则主要集中在人口密集且靠近污染源的城区中心区。时间虚拟变量的局部影响显著区域则呈现动态变化，反映了环境风险负荷时空演变趋势的复杂性。

（2）环境资源可及性时空动态分析

ST-GWR模型结果显示，环境资源可及性的空间分布与驱动因素同样存在显著的时空分异特征。在时间维度上，随着年份增加，模型中部分自变量的局部回归系数发生显著变化。例如，绿地密度对环境资源可及性的局部影响显著增强的区域主要集中在城市扩张边缘区，反映了城市绿地建设的时空动态；人均GDP对环境资源可及性的局部影响显著增强的区域主要集中在城区中心区，表明经济发展对环境资源需求的时空变化。

在空间维度上，环境资源可及性的驱动因素存在明显的局部非平稳性。绿地密度对环境资源可及性的局部影响主要集中于城区东部和南部的生态功能区，以及部分大型公园和城市绿道沿线，与绿地分布的空间格局高度相关。人均GDP对环境资源可及性的局部影响则主要集中在城区中心区和高收入区域，反映了经济发展水平与环境资源需求之间的关系。人口密度对环境资源可及性的影响则主要集中在人口密集且绿地资源相对匮乏的区域，如城区中心区和部分工业区周边。城镇人口比例和少数民族人口比例对环境资源可及性的局部影响则呈现斑块状分布，表明不同区域的社会人口构成与环境资源需求之间存在复杂的互动关系。时间虚拟变量的局部影响显著区域则呈现动态变化，反映了环境资源可及性时空演变趋势的复杂性。

5.3.3时空交互效应分析

进一步分析了环境风险与环境资源时空动态差异的时空交互效应。ST-GWR模型结果显示，环境风险负荷与环境资源可及性之间存在显著的时空交互效应，即环境风险与环境资源在时空上的相互作用影响环境正义格局。例如，在部分区域，高PM2.5浓度与低绿地密度的时空组合导致了环境风险负荷与环境资源可及性的双重劣势，形成了环境剥夺的“热点”区域；而在另一些区域，低PM2.5浓度与高绿地密度的时空组合则促进了环境正义状况的改善。这些时空交互效应的识别对于理解环境正义问题的复杂性具有重要意义，表明环境风险与环境资源并非孤立存在，而是相互影响、共同塑造环境正义格局。

5.4结果讨论

5.4.1环境正义时空动态演变机制

基于ST-GWR模型分析结果，可以初步识别案例研究区域内环境正义时空动态演变的主要机制。首先，工业化与城市扩张是驱动环境正义时空差异形成与演变的关键因素。一方面，工业布局的空间集聚导致了环境风险的局部集中，特别是老工业区和新兴工业园区成为环境风险高发区；另一方面，城市扩张对生态环境空间的占用压缩了环境资源（如绿地）的供给，并在空间上加剧了环境资源分配的不均衡性。其次，社会经济因素通过影响环境风险暴露与环境资源可及性，间接塑造了环境正义格局。例如，高收入群体可能通过市场机制获取更多的环境资源（如购买环境友好型产品、居住在环境较好的区域），而低收入群体则更倾向于居住在环境风险较高但生活成本较低的区域，形成了环境风险与环境资源分配的社会分化。再次，环境政策的时空差异性与有效性影响了环境正义格局的演变。例如，针对老工业区的污染治理政策虽然取得了一定成效，但由于治理成本高、实施难度大等原因，政策效果在空间上存在差异；而新兴工业园区的环境准入标准与监管措施则直接影响其环境风险水平。

5.4.2研究发现的理论与实践意义

本研究通过ST-GWR模型分析了环境风险与环境资源时空动态差异，为环境正义理论研究提供了新的视角和方法。首先，研究证实了环境正义问题在时空维度上的复杂性和局部非平稳性，即环境不平等并非简单的空间集聚，而是随着时间和空间的变化呈现出复杂的动态演变过程。这一发现丰富了环境正义理论，为理解和解决环境正义问题提供了更为精细的分析框架。其次，研究揭示了环境风险与环境资源在时空上的相互作用机制，为环境正义的综合治理提供了理论依据。例如，在制定环境政策时，需要同时考虑环境风险的防控与环境资源的优化配置，以实现环境正义的多元目标。

在实践层面，本研究的研究发现为政府制定科学有效的环境政策提供了决策支持。首先，研究结果有助于识别环境风险高发区域与环境资源匮乏区域，为环境风险防控、污染治理设施布局、生态补偿机制设计等提供空间依据。例如，可以根据ST-GWR模型识别出的环境风险高发区，重点加强环境监管和污染治理力度；根据环境资源可及性低区域的空间分布，优化环境资源配置，如增加绿地建设、改善饮用水源保护等。其次，研究结果有助于评估现有环境政策在促进环境公平方面的成效与不足，为优化政策工具与实施路径提供参考。例如，可以根据模型识别出的环境政策时空异质性，制定更有针对性的环境政策，提高政策实施的有效性和公平性。最后，研究结果有助于提升公众对环境正义问题的认知，推动社会各界共同参与环境治理，促进环境决策过程的民主化与科学化。

5.4.3研究局限性

尽管本研究取得了一定的发现，但仍存在一些局限性。首先，数据获取的局限性。由于环境监测数据的时空分辨率限制，以及部分社会经济数据的可获得性问题，本研究在数据处理和分析过程中可能存在一定的误差。例如，基于遥感影像解译的绿地数据可能无法完全反映实际绿地分布情况，而社会经济栅格数据则可能存在一定的空间平滑效应。未来研究可以尝试获取更高分辨率的环境监测数据和社会经济微观数据，以提高分析的精度。其次，模型设定的局限性。ST-GWR模型虽然能够捕捉时空动态差异的局部非平稳性，但模型本身也存在一定的假设限制，如高斯核函数的适用性、时空权重函数的选择等可能影响模型结果的准确性。未来研究可以尝试比较不同时空模型（如时空地理加权回归的替代模型）的适用性，以进一步提高分析的可靠性。再次，驱动因素识别的局限性。本研究主要关注了环境风险、环境资源和社会经济因素对环境正义时空动态差异的影响，但环境正义问题还可能受到其他因素的影响，如政策因素、文化因素、公众参与等。未来研究可以进一步拓展驱动因素的识别范围，以更全面地理解环境正义问题的复杂性。最后，研究区域的局限性。本研究仅选取了我国东部某典型城市化地区作为案例，研究结果的普适性可能受到区域特征的限制。未来研究可以扩大研究范围，比较不同区域环境正义时空动态差异的异同，以增强研究结果的普适性。

5.5结论

本研究通过时空地理加权回归（ST-GWR）模型，系统分析了案例研究区域内环境风险负荷与环境资源可及性的时空动态差异及其驱动机制。研究结果表明：第一，环境风险负荷与环境资源可及性在空间上均呈现显著的集聚特征，且与环境剥夺区域（如老工业区、低收入社区）存在高度重合；第二，环境风险与环境资源在时空上存在显著的局部非平稳性，即不同区域的影响因素组合及其效应存在差异；第三，工业化与城市扩张、社会经济因素、环境政策的时空差异性与有效性是驱动环境正义时空动态演变的主要机制；第四，环境风险与环境资源在时空上存在显著的交互效应，共同塑造了环境正义格局。基于研究结论，本研究提出了以下政策建议：一是加强环境风险防控与环境资源配置的综合协调，构建环境正义的多元目标治理体系；二是优化环境政策的空间靶向性，针对不同区域的时空动态差异制定更有针对性的环境政策；三是完善环境监测与评估体系，提高环境正义问题的识别与评估能力；四是推动环境决策过程的民主化与科学化，促进社会各界共同参与环境治理。未来研究可以进一步拓展研究区域、深化驱动因素识别、优化模型设定，以更全面地理解环境正义问题的复杂性，为构建公平可持续的生态环境体系提供理论支撑和实践指导。

六.结论与展望

本研究以我国东部某典型城市化地区为案例，聚焦于环境风险分布与环境资源分配的时空动态差异及其驱动机制，运用时空地理加权回归（ST-GWR）模型进行了系统分析，旨在揭示环境正义问题的空间分异与时间演变规律，并为构建公平可持续的生态环境体系提供理论支撑与实践指导。通过对多源空间数据的收集、整理与分析，结合空间统计与时空模型方法，研究取得了以下主要结论：

6.1主要研究结论

6.1.1环境正义时空分布格局特征显著

研究发现，案例区域内环境风险负荷与环境资源可及性在空间分布上均呈现显著的集聚特征和不均衡格局。环境风险负荷主要集中于城区西北部的老工业区、沿主要交通干线的部分区域以及新兴工业园区周边，形成了明显的环境风险高发区带。这些区域往往与低收入社区、少数族裔聚居区高度重合，印证了环境不平等的空间叠加现象，即环境负担倾向于落在社会弱势群体身上。空气污染（PM2.5）、土壤重金属污染以及工业污染源分布的空间自相关分析（Moran'sI）均显示显著的正相关集聚模式，表明污染问题并非随机分布，而是与特定的社会空间结构相关联。与此同时，环境资源可及性则呈现明显的空间分异，城市绿地资源主要分布在城区东部和南部的生态功能区、大型公园以及绿道沿线，而城区中心区、工业区及其周边则绿地资源相对匮乏。绿地密度与环境资源可及性的空间自相关分析显示显著的负相关关系，即人口密度越高的区域，环境资源相对越稀缺。饮用水源保护地虽然分布广泛，但部分区域与人口密集区相邻，存在潜在的环境安全隐患。这些发现表明，环境正义问题在案例区域已成为一个突出的空间问题，环境风险与环境资源在空间上的不均衡分配严重影响了区域社会公平与居民生活质量。

6.1.2环境正义时空动态演变机制复杂

ST-GWR模型分析揭示了环境正义时空差异的局部非平稳性及其动态演变机制。在时间维度上，环境风险与环境资源的时空动态差异呈现出明显的演变趋势。例如，PM2.5浓度的局部影响显著增强的区域范围有所扩大，反映了空气污染问题的时空扩散特征；土壤重金属超标密度的局部影响在老工业区有所减弱，体现了污染治理政策的阶段性成效，但整体集聚特征依然显著；工业污染源密度的局部影响则随时间在新兴工业园区与老工业区之间发生转移，反映了产业结构调整对环境风险时空格局的重塑。环境资源方面，绿地密度的局部影响显著增强的区域主要集中在城市扩张边缘区，反映了城市生态建设的动态过程；人均GDP对环境资源可及性的局部影响则主要集中在城区中心区，可能与经济发展水平提高对环境改善的需求增加有关。这些时间维度上的变化表明，环境正义问题并非静止不变，而是受到经济发展、产业结构调整、城市规划、环境政策等多重因素的动态影响。

在空间维度上，ST-GWR模型识别出环境风险与环境资源驱动因素的显著局部非平稳性。例如，PM2.5浓度对环境风险负荷的影响在空间上呈现明显的集聚特征，高影响区域主要集中在城区西北部，与前期空间自相关分析结果一致；土壤重金属超标密度的影响则主要集中在老工业区及其周边。工业污染源密度的影响则呈现斑块状分布，主要影响区域为新兴工业园区及其周边。社会经济因素中，人均GDP对环境风险负荷的影响在空间上差异显著，部分高收入区域由于靠近工业区而受到显著影响，而部分低收入区域由于远离污染源而影响较小；人口密度对环境风险负荷的影响则主要集中在人口密集且靠近污染源的城区中心区。环境资源方面，绿地密度对环境资源可及性的局部影响主要集中于城区东部和南部的生态功能区，人均GDP对环境资源可及性的局部影响则主要集中在城区中心区和高收入区域。这些发现表明，环境风险与环境资源的影响因素及其效应在不同空间位置上存在差异，不存在统一的、全局性的影响模式，环境正义问题的空间分异具有高度的局部性特征。

6.1.3环境风险与环境资源时空交互效应显著

ST-GWR模型分析进一步揭示了环境风险与环境资源在时空上的相互作用机制，即环境风险与环境资源的时空组合共同影响环境正义格局。研究发现，存在显著的时空交互效应，部分区域同时面临高环境风险与低环境资源可及性的双重劣势，形成了环境剥夺的“热点”区域；而另一些区域则同时具有低环境风险与高环境资源可及性的优势条件，环境正义状况相对较好。例如，在老工业区周边的部分区域，高PM2.5浓度与低绿地密度的时空组合导致了环境风险负荷与环境资源可及性的双重劣势，加剧了居民的环境负担；而在城区东部和南部的生态功能区，低PM2.5浓度与高绿地密度的时空组合则促进了环境正义状况的改善，为居民提供了良好的生态环境。这些时空交互效应的识别对于理解环境正义问题的复杂性具有重要意义，表明环境风险与环境资源并非孤立存在，而是相互影响、共同塑造环境正义格局。这种交互效应意味着环境政策的制定需要同时考虑环境风险防控与环境资源配置，以实现环境正义的多元目标。

6.1.4驱动因素识别与环境政策时空异质性

研究识别出工业化与城市扩张、社会经济因素、环境政策的时空差异性与有效性是驱动环境正义时空动态演变的主要机制。工业化与城市扩张通过改变土地利用格局、产业布局和人口分布，直接导致了环境风险与环境资源的时空错配。老工业区的污染遗留问题、新兴工业园区的环境风险集聚、城市扩张对生态空间的占用，都是环境不平等空间分化的重要驱动因素。社会经济因素通过影响居民的环境风险暴露水平与环境资源获取能力，间接塑造了环境正义格局。例如，收入水平、教育程度、种族构成等社会经济因素与环境污染程度、绿地可及性之间存在显著的空间关联，导致环境负担与社会经济地位反向关联。环境政策的时空差异性与有效性则直接影响环境风险的防控和环境资源的配置。不同区域、不同时期的环境政策目标、实施力度和监管效果存在差异，导致环境治理成效在空间上不均衡，进一步加剧或缓解了环境不平等。例如，针对老工业区的污染治理政策虽然取得了一定成效，但由于治理成本高、实施难度大等原因，政策效果在空间上存在差异；而新兴工业园区的环境准入标准与监管措施则直接影响其环境风险水平。

6.2政策建议

基于上述研究结论，为促进环境正义，构建公平可持续的生态环境体系，提出以下政策建议：

6.2.1构建环境风险防控与环境资源配置的综合协调机制

针对环境风险与环境资源时空动态差异显著的特征，应构建环境风险防控与环境资源配置的综合协调机制。在环境风险防控方面，应加强对环境风险高发区域的动态监测与评估，特别是对老工业区污染遗留问题、新兴工业园区环境风险集聚区域的重点监管。应根据ST-GWR模型识别出的环境风险局部高影响区域，精准施策，制定差异化的污染治理方案，提升环境风险防控的针对性和有效性。在环境资源配置方面，应将环境资源（如绿地、清洁水源）的公平可及性纳入城市规划与建设的核心考量。应根据人口分布、环境需求与环境资源现状，优化城市绿地系统布局，增加环境资源供给，特别是在环境资源相对匮乏的区域，应加大绿地建设投入，提升环境资源可及性。同时，应完善饮用水源保护地管理，保障饮用水安全。通过环境风险防控与环境资源配置的综合协调，实现环境负荷与环境惠益的公平分配。

6.2.2优化环境政策的空间靶向性，实施差异化治理策略

针对环境正义时空差异的局部非平稳性，应优化环境政策的空间靶向性，实施差异化治理策略。环境政策的制定与实施应基于科学的时空分析，针对不同区域的环境风险特征、环境资源状况、社会经济条件，制定差异化的政策目标、措施和标准。例如，在老工业区，应重点推进污染治理与产业结构调整，同时加强环境基础设施建设，改善居民生活环境；在新兴工业园区，应严格执行环境准入标准，推广清洁生产技术，从源头上控制环境风险；在环境资源相对匮乏的区域，应加大绿地建设投入，完善公共服务设施，提升居民环境福祉。通过实施差异化治理策略，可以提高环境政策的实施效果，更有效地解决环境正义问题。

6.2.3完善环境监测与评估体系，提升环境正义问题识别与评估能力

为有效解决环境正义问题，需要完善环境监测与评估体系，提升环境正义问题的识别与评估能力。首先，应加强环境监测网络建设，提高环境监测数据的时空分辨率和覆盖范围，特别是加强对环境风险高发区域、环境资源稀缺区域的监测力度。其次，应建立完善的环境正义评估指标体系，将环境风险暴露、环境资源可及性、社会经济脆弱性等指标纳入评估框架，定量评估不同区域的环境正义状况。再次，应利用GIS、遥感、大数据等空间信息技术，开展环境正义时空动态模拟分析，为环境政策的制定与评估提供科学依据。最后，应加强环境信息公开与社会参与，提高公众对环境正义问题的认知，促进环境决策过程的民主化与科学化。

6.2.4推动环境决策过程的民主化与科学化，促进社会各界共同参与环境治理

解决环境正义问题需要政府、企业、社会组织和公众等多方共同参与。首先，政府应加强环境信息公开，及时发布环境质量信息、环境政策信息，保障公众的环境知情权。其次，应建立健全公众参与机制，鼓励公众参与环境决策过程，特别是在涉及环境风险防控和环境资源配置的重大决策中，应充分听取公众意见。再次，应加强对企业的环境监管，督促企业履行环境责任，同时鼓励企业采用清洁生产技术，减少环境污染。最后，应支持社会组织参与环境治理，发挥社会组织在环境监测、环境宣传教育、环境维权等方面的作用。通过推动环境决策过程的民主化与科学化，促进社会各界共同参与环境治理，构建共建共治共享的环境治理体系。

6.3研究展望

尽管本研究取得了一定的发现，并为解决环境正义问题提供了理论支撑与实践指导，但仍存在一些研究局限性，并为未来研究提供了新的方向。首先，在数据获取方面，未来研究可以尝试获取更高分辨率的环境监测数据和社会经济微观数据，例如，利用高分辨率卫星遥感影像获取更精细的绿地、水体等环境要素数据，利用网格化的人口普查数据、经济普查数据获取更精细的社会经济数据，以提高分析的精度。此外，可以尝试利用社交媒体数据、移动定位数据等新型数据源，以更动态地捕捉环境风险暴露与环境资源可及性的变化。其次，在模型设定方面，未来研究可以尝试比较不同时空模型（如时空地理加权回归的替代模型，如时空马尔可夫链模型、时空地理加权神经网络模型等）的适用性，以进一步提高分析的可靠性。此外，可以探索将机器学习等方法应用于环境正义问题的时空预测与预警，为环境风险防控和环境资源配置提供更智能化的决策支持。再次，在驱动因素识别方面，未来研究可以进一步拓展驱动因素的识别范围，例如，可以引入政策因素（如环境政策工具、政策执行力度等）、文化因素（如环境意识、环境行为等）、公众参与等因素，以更全面地理解环境正义问题的复杂性。此外，可以深入探讨环境正义问题的跨国维度，比较不同国家、不同地区环境正义问题的异同，以增强研究结果的普适性。最后，在研究方法方面，未来研究可以加强多学科交叉融合，例如，可以结合社会学、经济学、法学等多学科的理论与方法，对环境正义问题进行更综合的考察。此外，可以开展环境正义的实验研究，以更深入地揭示环境风险与环境资源分配的因果关系。

总之，环境正义作为可持续发展的重要维度，其研究具有重要的理论意义和实践价值。未来研究需要进一步加强数据获取、模型设定、驱动因素识别和方法创新，以更全面地理解环境正义问题的复杂性，为构建公平可持续的生态环境体系提供更强大的理论支撑与实践指导。通过持续的学术探索与实践创新，可以推动环境正义理念的有效落实，促进人与自然和谐共生，为实现可持续发展目标贡献力量。

七.参考文献

Bullard,R.D.(1990).*DumpinginDixie:Race,Class,andEnvironmentalQuality*.UniversityofGeorgiaPress.

Gould,J.(1999).Racialformationintheurbanenvironmentaljusticemovement.*SocialProblems*,*46*(3),371-397.

Fischer,F.(2004).*Fuzzypoliticalecology:Aninvitationtocriticalenvironmentalsociology*.UniversityofMinnesotaPress.

Morello,E.,DeMarchi,D.,&Toreti,A.(2003).HealthrisksrelatedtoenvironmentalpollutioninanindustrialareaofNorthernItaly.*JournalofEnvironmentalManagement*,*70*(2),123-132.

Pace,R.N.,Brunsdon,C.,&Fotheringham,A.S.(2005).Spatialinequalityandenvironmentaljustice:Aninternationalperspective.*EnvironmentandPlanningA:EconomyandSpace*,*37*(6),1041-1064.

Pace,R.N.,Reilly,M.K.,&O’Loughlin,J.(2008).Mappingcumulativeimpactsandenvironmentaljustice:AcasestudyofpointsourcepollutionintheNewOrleansmetroarea.*JournalofEnvironmentalPlanningandManagement*,*51*(5),737-759.

Tzoulas,K.,Korpela,K.,Venn,S.,Yli-Pelkonen,V.,Kaźmierczak,A.,Niemelä,J.,&James,P.(2007).PromotingecosystemandhumanhealthinurbanareasusingGreenInfrastructure:Aliteraturereview.*LandscapeandUrbanPlanning*,*81*(3),167-178.

Moreno,J.,Puebla,G.,&Serrano,S.(2013).Thespatial-temporaldynamicsofairpollutionanditsrelationshipwithsocio-economicfactorsinSpain.*AtmosphericEnvironment*,*64*,1-8.

Brunsdon,C.,Fotheringham,A.S.,&Charlton,M.E.(2009).Athresholdregressionapproachtomodellingthespatialdiffusionofairpollution.*EnvironmentandPlanningA:EconomyandSpace*,*41*(10),2041-2058.

Pacione,M.(2001).*Socialgeography:Aprimer*.Routledge.

八.致谢

本研究的顺利完成，离不开众多师长、同学、朋友以及相关机构的鼎力支持与无私帮助。在此，我谨向所有为本论文付出努