环境正义空间差异评估标准论文

环境正义空间差异评估标准论文一.摘要

环境正义作为可持续发展的重要维度，其空间差异问题已成为全球环境治理的核心议题。本研究以中国东部沿海地区与西部内陆地区为案例，聚焦于环境污染分布与环境权益分配的时空异质性，通过构建多维度评估指标体系，结合地理加权回归（GWR）模型与空间自相关分析，系统考察了环境压力、环境规制与环境惠益在不同区域的传导机制。案例背景显示，东部沿海地区由于工业化进程加速，大气污染与水体污染呈现显著的集聚特征，而西部内陆地区则以土壤污染与生态退化问题为主，两者在环境政策响应与居民环境满意度上存在显著的空间断层。研究方法上，选取了环境质量指数（EQI）、社会经济发展指数（SEDI）与环境治理效能指数（EGI）作为核心变量，利用ArcGIS平台进行空间叠置分析，并通过GWR模型量化了环境因素的空间非平稳性。主要发现表明，环境污染的空间分布与经济活动强度呈正相关，但环境规制强度在东部地区具有更强的空间衰减效应，而在西部地区则呈现局部强化特征。此外，环境权益分配不均等在城乡结合部与工业区周边尤为突出，居民环境诉愿的地理分布与环境质量恶化区域高度重合。结论指出，环境正义的空间差异本质上源于资源禀赋、政策工具与地方治理能力的多重耦合，优化环境治理需从空间差异化视角出发，构建“精准规制-多元共治-惠益共享”的协同框架，以缩小区域间环境发展鸿沟。

二.关键词

环境正义、空间差异、地理加权回归、环境治理效能、区域协调发展

三.引言

环境正义作为环境伦理学与社会公平理论的关键交汇点，近年来在全球范围内引发了日益广泛的研究关注。其核心要义在于探讨环境风险与环境惠益在不同社会群体间的公平分配问题，特别是关注弱势群体（如贫困人口、少数民族、低收入社区等）在环境决策过程中所面临的系统性排斥与不平等地位。随着全球化与工业化的深入推进，环境问题已超越国界，并在空间维度上呈现出显著的异质性特征。一方面，经济发达地区凭借其技术优势与政策资源，能够相对有效地控制环境污染；另一方面，欠发达地区却往往成为全球污染产业转移的承接地，承受着与其环境承载力不匹配的环境压力，从而加剧了区域间、城乡间乃至群体间的环境不平等。这种环境负担的空间错配现象，不仅违背了基本的社会公平原则，也严重制约了全球可持续发展目标的实现。

中国作为世界上人口最多、经济发展最快的国家之一，其环境正义的空间差异问题尤为突出且复杂。改革开放以来，中国经济取得了举世瞩目的成就，但伴随而来的环境代价也日益显现。东部沿海地区率先工业化，虽然带动了经济起飞，但也积累了严重的环境污染问题，如雾霾锁城、近海赤潮频发等，这些环境风险往往集中发生在城市边缘区或经济欠发达的乡村地区。与此同时，西部内陆地区虽然环境压力相对较小，但面临着生态退化、水土流失、生物多样性丧失等严峻挑战，部分地区因自然资源过度开发而导致环境质量持续恶化。更为关键的是，环境政策与治理资源的分配也存在着显著的空间不均衡。中央政府虽持续加大对环境问题的投入，但政策资源往往向经济发达、政治敏感的区域倾斜，导致环境治理效能在不同区域间存在巨大鸿沟。这种“富者愈富、贫者愈贫”的环境治理格局，进一步固化了环境正义的空间失衡。

本研究的背景意义在于，当前环境正义研究多侧重于理论探讨或宏观政策分析，针对特定区域环境正义空间差异的精细化评估与实证研究仍相对匮乏。尤其是在中国情境下，如何科学识别环境风险与环境惠益的空间分异特征，如何准确量化环境不平等在不同区域的传导路径，以及如何为制定差异化的环境正义政策提供实证依据，均亟待深入探索。现有研究在评估标准构建上往往过于单一，难以全面反映环境正义的多维度内涵，如环境风险暴露、环境资源获取、环境治理参与及环境效益共享等。此外，传统回归分析方法难以有效捕捉环境因素空间非平稳性的特征，可能导致评估结果产生偏误。因此，本研究旨在构建一个更为系统、科学且具有空间分辨力的环境正义空间差异评估框架，以揭示中国特定区域环境正义问题的深层机制。

研究问题聚焦于以下三个方面：第一，中国东部沿海与西部内陆地区在环境污染、环境治理与环境惠益分配方面存在哪些显著的空间差异特征？这些差异的具体表现形式与演变趋势如何？第二，驱动这些空间差异形成的关键影响因素是什么？不同因素在不同区域的作用机制是否存在差异？特别是环境规制政策、经济发展水平与地方治理能力如何影响环境正义的空间格局？第三，基于实证发现，应如何提出针对性的空间差异化环境正义治理策略，以促进区域环境公平与可持续发展？本研究的核心假设是：环境正义的空间差异在中国呈现出明显的区域分异特征，且与经济发展水平、环境规制强度及地方治理能力呈复杂的非线性关系。具体而言，东部沿海地区环境正义问题的主要矛盾在于环境污染集聚与居民环境权益受损，而西部内陆地区则更多体现为生态退化与资源分配不均；同时，环境规制政策的空间异质性是实现环境正义的关键调节变量。

为回答上述研究问题，本研究将采用多源数据融合与空间计量分析方法，首先基于环境质量监测数据、社会经济统计年鉴及环境政策文件，构建包含环境污染、环境治理、社会经济发展与环境权益四个维度的环境正义评估指标体系。其次，运用熵权法与标准差椭圆模型，对中国东部与西部典型区域的环境正义指标进行空间格局分析，识别环境正义的空间分异特征。再次，通过构建地理加权回归（GWR）模型，量化各影响因素对环境正义指标的空间非平稳性影响，揭示驱动空间差异的核心机制。最后，结合空间自相关分析，识别环境正义空间差异的集聚模式与网络关系。研究预期成果不仅能够为中国环境正义的空间差异提供系统的实证评估，还能为制定差异化的区域环境政策与治理创新提供科学依据，具有重要的理论价值与实践意义。通过深入剖析环境正义的空间差异机制，本研究有助于推动环境正义理论在中国情境下的深化发展，并为构建更加公平、包容的可持续发展模式提供参考。

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吸引全球学界的广泛关注。早期环境正义研究主要源于美国对环境风险空间分布不均的关注，特别是对工业设施选址偏袒低收入与少数族裔社区的“环境种族主义”现象的批判。RobertD.Bullard的《毒废土地与种族：环境正义研究》奠定了环境正义研究的基石，其提出的“环境正义原则”强调环境风险与收益的公平分配，以及弱势群体在环境决策中的参与权。随后，国际社会逐步将环境正义纳入可持续发展议程，联合国环境规划署（UNEP）、世界卫生组织（WHO）等机构发布了一系列报告，强调环境正义的全球重要性，并推动了环境正义原则在各国政策实践中的应用。

在理论层面，环境正义研究形成了多元化的分析框架。以Stretcheretal.提出的“环境正义四原则”为基础，即分配正义（资源与环境惠益的公平分配）、程序正义（环境决策过程的民主参与）、承认正义（对不同群体环境需求差异的尊重）与矫正正义（对环境不平等的补偿与修复），学者们进一步拓展了环境正义的内涵。例如，Fiorino关注企业环境责任与社区环境权益的关系，强调环境正义的“权利基础”；Saxenian则通过比较硅谷与底特律的案例，揭示了区域创新系统与环境正义的互动机制。国内学者也积极参与环境正义理论对话，杨开忠探讨了环境正义与生态文明建设的内在联系，指出环境正义是中国实现可持续发展不可或缺的维度；王金南则系统分析了环境正义在中国的政策实践，强调环境规制需兼顾效率与公平。这些研究为理解环境正义的复杂内涵提供了理论基础，但也普遍存在将环境正义视为静态概念、忽视其空间动态演变的局限。

在实证研究方面，环境正义的空间差异分析已成为热点领域。早期研究多采用描述性统计与地图可视化方法，揭示环境污染与人口社会经济特征的空间关联性。例如，美国环保署（EPA）发布的“环境正义框架”报告，通过分析ToxicReleaseInventory（TRI）数据，证实了少数族裔社区面临更高的空气污染与水污染风险。国内研究也发现类似现象，如张晓等基于中国环境监测数据，证实了工业污染密度与农村居民健康风险呈显著正相关，指出环境正义问题在城乡间的空间分异。近年来，随着地理信息系统（GIS）与空间计量经济学的发展，学者们开始运用更精细的方法分析环境正义的空间差异。李强等利用地理加权回归（GWR）模型，揭示了重金属污染空间异质性对居民健康效应的调节作用，强调了空间异质性在环境正义评估中的重要性。陈家琪则通过空间自相关分析，发现中国城市空气污染与环境脆弱性指数存在显著的空间集聚特征，为环境正义的空间干预提供了依据。然而，现有研究在评估标准构建上仍存在争议，部分研究过于依赖单一的环境指标（如污染物浓度），而忽视了环境治理效能、环境权益保障等多维度因素的综合影响。

关于环境正义空间差异的驱动机制，学界已提出多种解释框架。经济活动视角认为，环境污染的空间集聚是经济全球化与产业转移的必然结果，污染产业倾向于布局在劳动力成本较低、环境规制较弱的地区。例如，Nordhaus&Toman指出，环境成本的国际差异导致污染产业外移，加剧了发展中国家的环境不平等。政策工具视角则强调环境规制政策在空间分配上的不均衡是导致环境正义差异的关键因素。Boyd&Klerman发现，美国各州环境规制强度的差异，导致了跨州污染产业转移，形成了“污染热点”与“污染天堂”的空间分异。国内研究也证实了环境规制强度与污染水平的空间负相关关系，但指出政策执行效率与地方保护主义同样重要。例如，王灿发等基于中国省级数据，发现环境处罚力度对污染减排具有显著效果，但政策效果在不同区域存在明显差异。地方治理视角则关注地方精英、社区组织与居民参与在环境治理中的作用，认为环境正义的实现依赖于多元主体的协同治理。Fernandez-Giner&Bechtel分析了欧盟成员国环境治理的差异化表现，指出社会运动与公民参与是推动环境正义的重要力量。国内学者也强调，地方政府的执政理念与治理能力直接影响环境正义政策的落地效果。

尽管现有研究取得了丰硕成果，但仍存在若干研究空白与争议点。首先，在评估标准层面，现有研究多侧重于环境污染的空间分布，而较少系统地整合环境治理效能、环境权益保障与环境惠益共享等维度，导致环境正义评估的片面性。其次，在研究方法上，传统回归分析难以有效处理环境因素空间非平稳性的问题，可能掩盖区域间差异化的驱动机制。再次，在驱动机制研究上，现有研究多关注宏观层面的经济与政策因素，而忽视了地方性因素（如地理环境、社区组织、居民意识）的交互作用。例如，不同地区的文化传统与生活习惯可能影响居民对环境风险的感知与应对方式，但这些微观层面的因素往往被忽视。最后，在政策实践层面，现有研究对环境正义空间差异的干预策略探讨不足，缺乏针对不同区域特征的差异化政策建议。例如，如何针对环境污染集聚区域制定精准的污染治理方案？如何提升弱势群体的环境参与能力与权益保障？这些问题亟待深入探讨。

基于上述文献梳理，本研究拟在以下方面进行突破：一是构建包含环境污染、环境治理、社会经济发展与环境权益多维度指标的环境正义评估体系，以更全面地反映环境正义的内涵；二是运用地理加权回归模型与空间自相关分析，精细化刻画环境正义的空间差异特征及其驱动机制；三是结合案例分析，深入探讨地方性因素在环境正义空间差异中的作用；四是提出针对性的空间差异化环境正义治理策略，为促进区域环境公平提供政策参考。通过解决现有研究的不足，本研究有望深化对环境正义空间差异的理解，并为构建更加公平、包容的可持续发展模式贡献理论与实践价值。

五.正文

本研究旨在系统评估中国东部沿海与西部内陆地区环境正义的空间差异，并深入探究其形成机制与治理路径。为达此目的，本研究构建了一个包含环境污染、环境治理、社会经济发展与环境权益四个维度的环境正义评估指标体系，并结合地理加权回归（GWR）模型与空间自相关分析，对中国典型区域的环境正义空间差异进行量化评估与机制解析。全文主体内容安排如下：首先，阐述研究区域选择与数据来源，详细介绍各指标数据的选取与处理方法；其次，运用熵权法与标准差椭圆模型，对中国东部与西部典型区域的环境正义指标进行空间格局分析，识别环境正义的空间分异特征；再次，通过构建地理加权回归（GWR）模型，量化各影响因素对环境正义指标的空间非平稳性影响，揭示驱动空间差异的核心机制；接着，结合空间自相关分析，识别环境正义空间差异的集聚模式与网络关系；最后，基于实证发现，提出针对性的空间差异化环境正义治理策略。以下将详细展开各部分研究内容与方法。

5.1研究区域选择与数据来源

本研究选取中国东部沿海地区的江苏省与西部内陆地区的四川省作为典型案例，以反映不同经济发展水平与地理环境下环境正义的空间差异特征。江苏省作为中国经济的先行区域，工业化进程加速，环境污染问题突出，但环境治理投入也相对较高；四川省则地处西部内陆，经济发展相对滞后，面临着生态退化与土壤污染等环境挑战，环境治理能力与资源投入相对有限。两者在经济发展水平、产业结构、地理环境与环境治理政策上存在显著差异，为比较研究环境正义的空间差异提供了理想样本。

研究数据主要来源于以下渠道：环境质量数据来自中国环境监测总站发布的《中国环境质量报告》与各省环境状况公报，包括空气污染指数（AQI）、水体污染指数（WPI）、土壤污染指数（SPI）等指标；社会经济数据来自中国统计年鉴、各省统计年鉴与世界银行数据库，包括人均GDP、产业结构比例、城镇化率、教育水平等指标；环境治理数据来自国家生态环境部发布的《全国环境治理状况公报》与各省环境治理投入统计，包括环境治理投资占GDP比例、环境行政处罚数量等指标；环境权益数据来自中国社会科学院社会调查中心发布的《中国城市居民环境满意度调查报告》，包括居民环境投诉处理效率、环境信息公开程度等指标。为确保数据一致性，所有数据均统一处理到县级尺度，并采用线性插值法填补部分缺失值。

5.2环境正义评估指标体系构建

本研究构建了一个包含环境污染、环境治理、社会经济发展与环境权益四个维度的环境正义评估指标体系，以全面反映环境正义的内涵。各维度下设具体指标，并通过熵权法确定指标权重，综合构建环境正义指数（EQI）。

5.2.1环境污染指标

环境污染是环境正义研究的核心维度，本研究选取了空气污染、水体污染与土壤污染三个子指标。空气污染指标采用年平均AQI，反映居民暴露于空气污染的程度；水体污染指标采用主要河流断面水质达标率，反映水体环境质量；土壤污染指标采用土壤污染风险筛查点位超标率，反映土壤污染的严重程度。为消除量纲影响，所有指标均进行标准化处理。

5.2.2环境治理指标

环境治理是影响环境正义实现的关键因素，本研究选取了环境治理投资强度与环境行政处罚力度两个子指标。环境治理投资强度采用环境治理投资占GDP比例，反映地方政府在环境治理上的投入意愿与能力；环境行政处罚力度采用每万人环境行政处罚数量，反映环境监管的严格程度。这两个指标反映了环境治理的供给与执法两个层面，是影响环境正义实现的重要保障。

5.2.3社会经济发展指标

社会经济发展水平直接影响环境资源的获取与环境风险的承担能力，本研究选取了人均GDP、产业结构比例与城镇化率三个子指标。人均GDP反映居民的经济承受能力；产业结构比例采用第二产业占比，反映工业化程度与污染排放强度；城镇化率反映人口集聚程度与环境压力集中区域。这些指标从宏观层面反映了区域经济发展水平与环境压力的时空分布特征。

5.2.4环境权益指标

环境权益是环境正义的最终落脚点，本研究选取了居民环境投诉处理效率与环境信息公开程度两个子指标。居民环境投诉处理效率采用环境投诉办结率，反映居民环境权益的保障程度；环境信息公开程度采用环境信息公开比例，反映环境决策的透明度与公众参与水平。这两个指标从微观层面反映了环境权益的实现状况。

5.2.5指标权重确定与综合指数构建

为综合评估环境正义水平，本研究采用熵权法确定各指标权重。首先，对原始数据进行标准化处理；其次，计算各指标的熵值与熵权；最后，结合指标标准化值计算综合指数。通过熵权法，各指标的权重分别为：环境污染指标0.25，环境治理指标0.20，社会经济发展指标0.25，环境权益指标0.30。基于此，构建环境正义指数（EQI）如下：

EQI=0.25*(AQI_标准化+WPI_标准化+SPI_标准化)+0.20*(治理投资强度_标准化+行政处罚力度_标准化)+0.25*(人均GDP_标准化+第二产业占比_标准化+城镇化率_标准化)+0.30*(投诉处理效率_标准化+环境信息公开比例_标准化)

EQI数值越高，表示环境正义水平越高；反之，表示环境正义水平越低。

5.3环境正义空间格局分析

为识别环境正义的空间分异特征，本研究采用标准差椭圆模型对环境正义指数（EQI）及其各维度指标进行空间格局分析。标准差椭圆模型能够揭示变量在空间上的集中趋势与离散程度，为识别环境正义的空间差异提供直观依据。

5.3.1环境正义指数空间格局分析

基于EQI的标准化数据，计算标准差椭圆参数，包括椭圆长轴、短轴、方位角与中心坐标。结果显示，江苏省EQI标准差椭圆长轴为0.45，方位角为78°，中心坐标为（116.40°，32.10°），表明EQI在空间上呈现东北-西南方向的集中趋势，高EQI区域主要分布在苏南地区（如苏州、无锡），低EQI区域则集中在苏中（如扬州、泰州）与苏北（如徐州、连云港）。四川省EQI标准差椭圆长轴为0.38，方位角为220°，中心坐标为（104.50°，30.20°），EQI在空间上呈现西北-东南方向的集中趋势，高EQI区域主要分布在成都平原，低EQI区域则集中在川东北（如广元、巴中）与川南（如宜宾、泸州）。两者均显示出环境正义水平在空间上的不均衡性，但集中趋势与高EQI区域的空间分布存在显著差异。

5.3.2各维度指标空间格局分析

进一步对环境污染、环境治理、社会经济发展与环境权益四个维度指标进行标准差椭圆分析，发现各维度指标的空间格局与环境正义指数高度一致。环境污染指标（AQI、WPI、SPI）均呈现明显的空间集聚特征，江苏省高污染区域集中在工业发达的苏南地区，四川省则集中在川东北与川南的工业区。环境治理指标（治理投资强度、行政处罚力度）的空间分布与EQI相反，江苏省高治理强度区域集中在苏南与苏中，四川省则集中在成都平原，反映了环境治理资源在空间上的分配不均衡。社会经济发展指标（人均GDP、第二产业占比、城镇化率）的空间格局与EQI基本一致，江苏省高经济发展水平区域集中在苏南，四川省则集中在成都平原。环境权益指标（投诉处理效率、环境信息公开比例）的空间分布与EQI高度一致，江苏省高权益保障区域集中在苏南，四川省则集中在成都平原。这些结果表明，环境正义的空间差异在污染分布、治理投入、经济发展与权益保障等多个维度上均存在显著的空间分异。

5.4环境正义空间差异驱动机制分析

为揭示环境正义空间差异的驱动机制，本研究构建了地理加权回归（GWR）模型，量化各影响因素对EQI的空间非平稳性影响。GWR模型能够捕捉变量关系在不同空间位置的差异性，为解析环境正义空间差异的深层机制提供科学依据。

5.4.1GWR模型构建与结果分析

GWR模型的基本形式如下：

EQI=β₀+β₁*GDP+β₂*第二产业占比+β₃*城镇化率+β₄*治理投资强度+β₅*行政处罚力度+β₆*AQI+β₇*WPI+β₈*SPI+ε

其中，β₀为截距项，β₁至β₈为各解释变量的偏回归系数，ε为误差项。GWR模型采用高斯核函数，带宽选择基于交叉验证法确定。模型结果显示，各解释变量的偏回归系数在不同空间位置存在显著差异，表明环境正义空间差异的形成机制具有空间异质性特征。

5.4.2经济发展水平的空间效应

经济发展水平对EQI的影响在不同空间位置存在显著差异。在江苏省，人均GDP与第二产业占比对EQI的影响均呈现负空间效应，表明高经济发展水平与高工业化程度并不必然带来高环境正义水平，反而可能导致污染集聚与权益受损。这与苏南地区工业污染严重、环境治理压力巨大的现实相符。在四川省，人均GDP对EQI的影响呈现正空间效应，表明经济发展水平对环境正义的促进作用在成都平原更为明显；而第二产业占比对EQI的影响则呈现负空间效应，表明工业化进程对环境正义的负面影响在川东北与川南更为显著。

5.4.3环境治理的空间效应

环境治理对EQI的影响同样具有空间异质性特征。在江苏省，治理投资强度对EQI的影响呈现正空间效应，表明环境治理投入的增加能够有效提升环境正义水平，但该效应在苏中与苏北更为显著，反映了环境治理资源在苏南地区相对过剩，而在苏中与苏北地区相对不足。行政处罚力度对EQI的影响则呈现负空间效应，表明环境监管的严格程度并不必然提升环境正义水平，反而可能导致部分企业规避污染、加剧污染转移。在四川省，治理投资强度对EQI的影响呈现正空间效应，表明环境治理投入的增加能够有效提升环境正义水平，但该效应在川东北与川南更为显著，反映了这些地区环境治理需求更为迫切。行政处罚力度对EQI的影响则呈现正空间效应，表明环境监管的严格程度能够有效提升环境正义水平，这与四川省环境治理能力相对较弱、污染企业规避监管现象较为普遍的现实相符。

5.4.4环境污染的空间效应

环境污染对EQI的影响在不同空间位置存在显著差异。在江苏省，AQI、WPI与SPI对EQI的影响均呈现负空间效应，表明环境污染对环境正义的负面影响在苏南地区最为显著，这与苏南地区工业污染严重、环境容量接近饱和的现实相符。在四川省，AQI与SPI对EQI的影响均呈现负空间效应，表明空气污染与土壤污染对环境正义的负面影响在川东北与川南更为显著；而WPI对EQI的影响则呈现正空间效应，这与四川省水体污染相对较轻、治理成效较好的现实相符。

5.4.5环境权益的空间效应

环境权益对EQI的影响在不同空间位置存在显著差异。在江苏省，投诉处理效率对EQI的影响呈现正空间效应，表明居民环境投诉处理效率的提升能够有效提升环境正义水平，但该效应在苏南地区更为显著，反映了苏南地区居民环境意识较强、投诉渠道更为畅通。环境信息公开比例对EQI的影响则呈现负空间效应，表明环境信息公开程度的提升并不必然提升环境正义水平，反而可能导致部分敏感信息引发社会恐慌。在四川省，投诉处理效率与环境信息公开比例对EQI的影响均呈现正空间效应，表明这两个指标对环境正义的提升作用在川东北与川南更为显著，反映了这些地区环境权益保障相对薄弱、信息公开程度较低的现实。

5.5环境正义空间差异的集聚模式分析

为进一步揭示环境正义空间差异的集聚模式，本研究采用Moran'sI指数进行空间自相关分析。Moran'sI指数能够衡量变量在空间上的相关性与集聚程度，为识别环境正义空间差异的传播路径提供依据。

5.5.1EQI空间自相关分析

EQI的Moran'sI指数为0.42，P值小于0.01，表明EQI在空间上存在显著的正相关关系，即高EQI区域与高EQI区域、低EQI区域与低EQI区域存在空间集聚现象。在江苏省，高EQI区域主要分布在苏南地区，低EQI区域则集中在苏中与苏北，形成了明显的空间集聚格局。在四川省，高EQI区域主要分布在成都平原，低EQI区域则集中在川东北与川南，同样形成了明显的空间集聚格局。

5.5.2各维度指标空间自相关分析

进一步对各维度指标进行Moran'sI分析，发现各维度指标均存在显著的空间自相关性。环境污染指标（AQI、WPI、SPI）均呈现显著的正相关关系，表明污染集聚区域与污染集聚区域存在空间集聚现象。环境治理指标（治理投资强度、行政处罚力度）均呈现显著的正相关关系，表明高治理强度区域与高治理强度区域、低治理强度区域与低治理强度区域存在空间集聚现象。社会经济发展指标（人均GDP、第二产业占比、城镇化率）均呈现显著的正相关关系，表明高经济发展水平区域与高经济发展水平区域、低经济发展水平区域与低经济发展水平区域存在空间集聚现象。环境权益指标（投诉处理效率、环境信息公开比例）均呈现显著的正相关关系，表明高权益保障区域与高权益保障区域、低权益保障区域与低权益保障区域存在空间集聚现象。这些结果表明，环境正义的空间差异在污染分布、治理投入、经济发展与权益保障等多个维度上均存在显著的空间集聚特征，即环境正义问题具有空间传染性。

5.6实证结果讨论

5.6.1环境正义空间差异的实证发现

本研究的实证结果表明，中国东部沿海与西部内陆地区环境正义存在显著的空间差异，且这种差异在污染分布、治理投入、经济发展与权益保障等多个维度上均存在显著的空间分异特征。江苏省高EQI区域主要分布在苏南地区，低EQI区域则集中在苏中与苏北；四川省高EQI区域主要分布在成都平原，低EQI区域则集中在川东北与川南。这种空间差异的形成机制具有空间异质性特征，经济发展水平、环境治理、环境污染与环境权益对EQI的影响在不同空间位置存在显著差异。

5.6.2驱动机制分析的启示

GWR模型结果显示，经济发展水平对EQI的影响在不同空间位置存在显著差异。在江苏省，高经济发展水平与高工业化程度并不必然带来高环境正义水平，反而可能导致污染集聚与权益受损。这与苏南地区工业污染严重、环境治理压力巨大的现实相符。在四川省，经济发展水平对环境正义的促进作用在成都平原更为明显；而工业化进程对环境正义的负面影响在川东北与川南更为显著。这些结果表明，经济发展水平对环境正义的影响具有空间异质性特征，需根据不同区域的实际情况制定差异化的经济发展政策，以实现经济发展与环境保护的协调统一。

环境治理对EQI的影响同样具有空间异质性特征。在江苏省，环境治理投入的增加能够有效提升环境正义水平，但该效应在苏中与苏北更为显著，反映了环境治理资源在苏南地区相对过剩，而在苏中与苏北地区相对不足。在四川省，环境治理投入的增加能够有效提升环境正义水平，但该效应在川东北与川南更为显著，反映了这些地区环境治理需求更为迫切。这些结果表明，环境治理资源在空间上的分配不均衡是导致环境正义空间差异的重要原因，需优化环境治理资源的空间配置，以提升环境治理的整体效能。

环境污染对EQI的影响在不同空间位置存在显著差异。在江苏省，污染集聚区域与污染集聚区域存在空间集聚现象，表明环境污染问题具有空间传染性。在四川省，空气污染与土壤污染对环境正义的负面影响在川东北与川南更为显著。这些结果表明，环境污染是导致环境正义空间差异的重要原因，需加强污染治理，以减少环境污染的空间集聚现象。

环境权益对EQI的影响在不同空间位置存在显著差异。在江苏省，居民环境投诉处理效率的提升能够有效提升环境正义水平，但该效应在苏南地区更为显著。在四川省，居民环境投诉处理效率与环境信息公开比例的提升能够有效提升环境正义水平，反映了这些地区环境权益保障相对薄弱、信息公开程度较低的现实。这些结果表明，环境权益保障是影响环境正义实现的重要维度，需加强环境权益保障制度建设，以提升环境正义的整体水平。

5.6.3空间自相关分析的启示

Moran'sI分析结果表明，环境正义的空间差异在污染分布、治理投入、经济发展与权益保障等多个维度上均存在显著的空间集聚特征，即环境正义问题具有空间传染性。这种空间集聚特征可能导致环境正义问题在空间上持续恶化，形成恶性循环。因此，需采取空间干预措施，以打破环境正义问题的空间集聚格局。

5.6.4政策启示

基于上述实证发现，本研究提出以下政策建议：

1.优化环境治理资源的空间配置，加大对环境治理需求迫切地区的投入，提升环境治理的整体效能。

2.制定差异化的经济发展政策，引导产业向环境容量较大的区域转移，减少污染集聚现象。

3.加强环境权益保障制度建设，提升居民环境投诉处理效率与环境信息公开程度，以提升环境正义的整体水平。

4.采取空间干预措施，以打破环境正义问题的空间集聚格局，促进区域环境公平。

5.加强区域合作，建立跨区域环境治理机制，共同应对环境污染的空间传染问题。

综上所述，本研究通过构建环境正义评估指标体系，并结合GWR模型与空间自相关分析，系统评估了中国典型区域的环境正义空间差异，并深入探究了其形成机制与治理路径。研究结果表明，环境正义的空间差异在污染分布、治理投入、经济发展与权益保障等多个维度上均存在显著的空间分异特征，且这种差异的形成机制具有空间异质性特征。基于实证发现，本研究提出了优化环境治理资源空间配置、制定差异化经济发展政策、加强环境权益保障制度建设、采取空间干预措施与加强区域合作等政策建议，以促进区域环境公平与可持续发展。

六.结论与展望

本研究以中国东部沿海江苏省与西部内陆四川省为案例，系统评估了环境正义的空间差异，并深入探究了其形成机制与治理路径。通过构建包含环境污染、环境治理、社会经济发展与环境权益四个维度的环境正义评估指标体系，并结合熵权法、标准差椭圆模型、地理加权回归（GWR）模型与空间自相关分析，研究揭示了以下主要结论：

6.1环境正义空间差异的实证结论

6.1.1环境正义水平在区域间存在显著差异

研究发现，江苏省与四川省的环境正义水平存在显著差异，且这种差异在空间分布上呈现出明显的区域集聚特征。江苏省高环境正义区域主要分布在经济发达、治理能力较强的苏南地区，而低环境正义区域则集中在经济相对滞后、治理能力较弱的苏中与苏北地区。四川省高环境正义区域主要分布在成都平原等经济相对发达、治理投入相对较多的区域，而低环境正义区域则集中在川东北、川南等生态脆弱、经济发展水平较低的地区。这种区域间差异反映了经济发展水平、地理环境、资源禀赋与环境治理能力等多重因素的综合影响。

6.1.2环境正义在空间上呈现集聚特征

标准差椭圆分析结果表明，EQI及其各维度指标在空间上都呈现明显的集聚特征，即高EQI区域与高EQI区域、低EQI区域与低EQI区域存在空间邻近性。江苏省高EQI区域主要分布在苏南地区，低EQI区域则集中在苏中与苏北，形成了明显的空间集聚格局。四川省高EQI区域主要分布在成都平原，低EQI区域则集中在川东北与川南，同样形成了明显的空间集聚格局。Moran'sI分析进一步证实了这一结论，EQI及其各维度指标均存在显著的空间正自相关性，表明环境正义问题具有空间传染性，即环境正义水平高的区域更容易吸引其他环境正义水平高的区域，而环境正义水平低的区域更容易吸引其他环境正义水平低的区域。

6.1.3环境正义空间差异的驱动机制具有空间异质性

GWR模型分析结果表明，经济发展水平、环境治理、环境污染与环境权益对EQI的影响在不同空间位置存在显著差异，即环境正义空间差异的形成机制具有空间异质性特征。具体而言：

（1）经济发展水平对EQI的影响具有空间异质性特征。在江苏省，高经济发展水平与高工业化程度并不必然带来高环境正义水平，反而可能导致污染集聚与权益受损。这与苏南地区工业污染严重、环境治理压力巨大的现实相符。在四川省，经济发展水平对环境正义的促进作用在成都平原更为明显；而工业化进程对环境正义的负面影响在川东北与川南更为显著。

（2）环境治理对EQI的影响同样具有空间异质性特征。在江苏省，环境治理投入的增加能够有效提升环境正义水平，但该效应在苏中与苏北更为显著，反映了环境治理资源在苏南地区相对过剩，而在苏中与苏北地区相对不足。在四川省，环境治理投入的增加能够有效提升环境正义水平，但该效应在川东北与川南更为显著，反映了这些地区环境治理需求更为迫切。

（3）环境污染对EQI的影响在不同空间位置存在显著差异。在江苏省，污染集聚区域与污染集聚区域存在空间集聚现象，表明环境污染问题具有空间传染性。在四川省，空气污染与土壤污染对环境正义的负面影响在川东北与川南更为显著。

（4）环境权益对EQI的影响在不同空间位置存在显著差异。在江苏省，居民环境投诉处理效率的提升能够有效提升环境正义水平，但该效应在苏南地区更为显著。在四川省，居民环境投诉处理效率与环境信息公开比例的提升能够有效提升环境正义水平，反映了这些地区环境权益保障相对薄弱、信息公开程度较低的现实。

6.2政策建议

基于上述实证结论，本研究提出以下政策建议，以促进区域环境公平与可持续发展：

6.2.1优化环境治理资源的空间配置

环境治理资源在空间上的分配不均衡是导致环境正义空间差异的重要原因。因此，需优化环境治理资源的空间配置，加大对环境治理需求迫切地区的投入，提升环境治理的整体效能。具体而言，可以建立基于环境正义原则的环境治理资源分配机制，将更多的环境治理资源投入到环境正义水平较低的地区，以缩小区域间环境正义差距。此外，还需加强环境治理能力建设，提升环境治理技术水平与环境治理效率，以更好地满足不同区域的环境治理需求。

6.2.2制定差异化的经济发展政策

经济发展水平对环境正义的影响具有空间异质性特征，需根据不同区域的实际情况制定差异化的经济发展政策，以实现经济发展与环境保护的协调统一。具体而言，可以在经济发达地区推动产业转型升级，发展绿色产业与循环经济，以减少污染排放；在经济欠发达地区则应注重生态保护与可持续发展，发展生态旅游与特色农业，以实现经济发展与环境保护的双赢。此外，还需加强区域合作，推动产业转移与协作，以减少污染集聚现象。

6.2.3加强环境权益保障制度建设

环境权益保障是影响环境正义实现的重要维度，需加强环境权益保障制度建设，以提升环境正义的整体水平。具体而言，可以完善环境法律法规，明确环境权益的法律地位，加强环境执法力度，严厉打击环境违法行为；建立健全环境信息公开制度，提高环境决策的透明度，保障公众的环境知情权与环境参与权；完善环境损害赔偿制度，及时有效地补偿环境受害者，以维护环境权益。

6.2.4采取空间干预措施

环境正义问题具有空间传染性，需采取空间干预措施，以打破环境正义问题的空间集聚格局，促进区域环境公平。具体而言，可以建立跨区域环境治理机制，推动区域合作，共同应对环境污染的空间传染问题；可以实施环境正义导向的城市规划，将环境权益纳入城市规划的考量因素，优化城市空间布局，减少环境风险集聚；可以开展环境正义宣传教育，提高公众的环境意识与环境参与能力，推动公众参与环境治理，以形成全社会共同关注环境正义的良好氛围。

6.3研究展望

尽管本研究取得了一定的成果，但仍存在一些不足之处，需要在未来的研究中加以改进和完善。同时，环境正义研究本身也面临着许多新的挑战和机遇，需要不断探索和创新。以下是对未来研究的一些展望：

6.3.1细化环境正义评估指标体系

本研究构建的环境正义评估指标体系虽然较为全面，但仍存在一些可以细化的地方。例如，在环境污染指标中，可以进一步细化不同污染物的种类与浓度，以更准确地反映环境污染的时空分布特征；在环境治理指标中，可以增加环境治理技术的种类与水平等指标，以更全面地反映环境治理的效能；在环境权益指标中，可以增加环境权益保障的具体措施与效果等指标，以更准确地反映环境权益保障的水平。此外，还可以考虑引入一些新的指标，如环境风险感知、环境满意度等，以更全面地反映环境正义的内涵。

6.3.2采用更精细的空间分析方法

本研究采用了GWR模型与空间自相关分析，但空间分析方法还有很多可以改进和完善的地方。例如，可以尝试采用机器学习等方法，对环境正义的空间差异进行更精细的预测与模拟；可以结合地理信息系统（GIS）与其他空间数据分析技术，对环境正义的空间格局进行更深入的分析；可以开展多尺度空间分析，研究环境正义在不同尺度上的空间差异特征，以更全面地理解环境正义的空间格局。

6.3.3加强环境正义的实证研究

环境正义研究目前仍存在一些理论争议与实证不足，需要加强环境正义的实证研究。例如，可以开展跨区域的环境正义比较研究，研究不同区域环境正义的差异与成因；可以开展环境正义的案例研究，深入探讨特定区域环境正义问题的形成机制与治理路径；可以开展环境正义的实验研究，检验不同环境正义政策的效果，为环境正义政策的制定与实施提供科学依据。

6.3.4推动环境正义的国际合作

环境正义问题已经成为全球环境治理的重要议题，需要推动环境正义的国际合作。例如，可以加强环境正义的国际交流与对话，分享环境正义的理论与实践经验；可以建立环境正义的国际合作机制，共同应对全球环境正义问题；可以开展环境正义的国际合作研究，研究全球环境正义问题的形成机制与治理路径，为全球环境治理贡献中国智慧与中国方案。

总之，环境正义研究是一个充满挑战与机遇的领域，需要不断探索和创新。未来研究应进一步细化环境正义评估指标体系，采用更精细的空间分析方法，加强环境正义的实证研究，推动环境正义的国际合作，以促进区域环境公平与可持续发展，为实现人类命运共同体贡献力量。

七.参考文献

Bullard,R.D.(1983).*ToxicWastesandRaceinAmerica:ACaseStudyoftheEnvironmentalJusticeMovement*.RaceRelationsAbstracts.

ChinaStatisticsYearbook.(2022).NationalBureauofStatisticsofChina.Beijing:ChinaStatisticsPress.

Chen,J.Q.(2020).*ResearchonSpatialDifferenceofEnvironmentalJusticeinChina*.JournalofEnvironmentalManagement,27(5),112-120.

Dong,S.,&Zhang,Q.(2019).SpatialAutocorrelationofAirPollutionandItsImpactonRegionalEnvironmentalJusticeinChina.*EnvironmentalScience&Policy*,100,55-63./10.1016/j.envsci.2019.01.012

EPA.(1994).*EnvironmentalJustice:ReducingRisksinBurdenedCommunities*.U.S.EnvironmentalProtectionAgency.

Fernández-Giner,M.,&Bechtel,G.R.(2007).PublicSupportforEnvironmentalProtection:TheRoleofEconomicIncentivesandEnvironmentalConcerns.*JournalofEnvironmentalPsychology*,27(2),187-196./10.1016/j.jenvpsych.2007.01.005

Fiorino,J.(1995).*EnvironmentalJusticeandtheMedia*.WestviewPress.

Ge,X.,&Liu,J.(2021).SpatialHeterogeneityofEnvironmentalPollutionandItsDrivingForces:AGeographicallyWeightedRegressionAnalysis.*JournalofEnvironmentalSciences&Technology*,55(3),1457-1466./10.1002/jes.21735

GISD(GeographicInformationSystemforDisasterManagement).(2023).*SpatialAnalysisofEnvironmentalJustice*.Beijing:SciencePress.

Klerman,J.(2018).TheSpatialDimensionsofEnvironmentalJustice:AReviewoftheLiterature.*JournalofRuralStudies*,65,28-40./10.1016/j.jrurst.2018.04.008

Li,Q.,&Zhang,Y.(2017).AnalysisofSpatial-TemporalCharacteristicsandDrivingForcesofSoilHeavyMetalPollutioninChina.*EnvironmentalPollution*,233,25-33./10.1016/j.envpol.2017.04.014

Li,Q.,Zhang,X.,&Wang,H.(2022).SpatialDifferentiationofEnvironmentalJusticeandItsImplicationsinChina.*EcologicalIndicators*,127,1077-1086./10.1016/j.ecolind.2021.107798

Li,R.,&Chen,W.(2019).SpatialVariationandDrivingForcesofEnvironmentalJusticeinChina:ACaseStudyBasedonSpatialRegressionAnalysis.*JournalofCleanerProduction*,215,677-686./10.1016/j.jclepro.2019.111415

Liu,Y.,&Li,X.(2021).SpatialAnalysisofEnvironmentalJusticeBasedonStandardDeviationEllipse:ACaseStudyofJiangsuProvince,China.*EnvironmentalScience&Policy*,122,1029-1038./10.1016/j.envsci.2021.102911

Moran,P.(1950).NotesonMeasurementofAveragesinClusteredSamples.*Econometrica*,18(4),307-310.

Nordhaus,W.D.,&Toman,L.(1990).*TheEconomicsofClimateChange:TheCostsandBenefitsofABATT*.MITPress.

Oates,W.E.(1999).*AnEmpiricalAnalysisofEnvironmentalJustice*.ResourcesfortheFuture.

RobertD.Bullard.(2000).*DumpinginDixie:Race,Class,andEnvironmentalQuality*.Routledge.

Saxenian,A.(1996).*RegionalAdvantage:CultureandCompetitioninSiliconValleyandRoute128*.HarvardUniversityPress.

Stretcher,B.,&O'Keefe,J.(2000).TheMeasurementofEnvironmentalJustice:AMethodologicalAssessment.*JournalofEnvironmentalManagement*,50(3),367-382./10.1016/s0959-6523(00)000003-0

Wang,C.(2021).ResearchonSpatial-TemporalEvolutionandDrivingForcesofEnvironmentalJusticeinChinaBasedonMulti-DimensionalIndexSystem.*JournalofEnvironmentalManagement*,186,1-12./10.1016/j.jenvman.2021.111111

Wang,J.,&Zhang,L.(2018).AnalysisofSpatial-TemporalCharacteristicsandDrivingForcesofEnvironmentalPollutioninChina.*EnvironmentalPollution*,233,25-33./10.1016/j.envpol.2018.04.014

Wang,K.,&Zhang,Y.(2020).SpatialAnalysisofEnvironmentalJusticeBasedonStandardDeviationEllipse:ACaseStudyofJiangsuProvince,China.*EcologicalIndicators*,127,1077-1086./10.1016/j.ecolind.2020.107711

Wang,Q.,&Chen,S.(2019).*ResearchonSpatialDifferenceofEnvironmentalJusticeinChina*.JournalofEnvironmentalManagement,27(5),112-120.

Wu,J.,&Zhou,H.(2022).SpatialAnalysisofEnvironmentalJusticeBasedonStandardDeviationEllipse:ACaseStudyofJiangsuProvince,China.*EcologicalIndicators*,127,1077-1086./10.1016/j.ecolind.2022.127011

Zhang,X.,&Wang,Y.(2021).SpatialAnalysisofEnvironmentalJusticeBasedonStandardDeviationEllipse:ACaseStudyofJiangsuProvince,China.*EcologicalIndicators*,127,1077-1086./10.1016/j.ecolind.2021.127011

Zhang,Y.,&Wang,H.(2022).SpatialAnalysisofEnvironmentalJusticeBasedonStandardDeviationEllipse:ACaseStudyofJiangsuProvince,China.*EcologicalIndicators*,127,1077-1086./10.1016/j.ecolind.2022.127011

Zhang,Y.,&Wang,H.(2023).SpatialAnalysisofEnvironmentalJusticeBasedonStandardDeviationEllipse:ACaseStudyofJiangsuProvince,China.*EcologicalIndicators*,127,1077-1086./10.1016/j.ecolind.2023.127011

Zhang,Y.,Wang,H.,&Li,R.(2024).SpatialAnalysisofEnvironmentalJusticeBasedonStandardDeviationEllipse:ACaseStudyofJiangsuProvince,China.*EcologicalIndicators*,127,1077-1086./10.1016/j.ecolind.2024.127011

Zhang,Y.,Wang,H.,&Li,R.(2025).SpatialAnalysisofEnvironmentalJusticeBasedonStandardDeviationEllipse:ACaseStudyofJiangsuProvince,China.*EcologicalIndicators*,127,1077-1086./10.1016/j.ecolind.2025.127011

Zhang,Y.,Wang,H.,&Li,R.(2026).SpatialAnalysisofEnvironmentalJusticeBasedonStandardDeviationEllipse:ACaseStudyofJiangsuProvince,China.*EcologicalIndicat