环境正义空间差异现象X分析论文

环境正义空间差异现象X分析论文一.摘要

环境正义空间差异现象X是当代社会可持续发展面临的关键议题，其核心指向不同地理区域在环境资源分配、污染治理及生态补偿等方面的显著不平等。本研究以Y市为案例区域，通过多源数据整合与空间分析方法，系统考察了该市城乡之间、工业区与居民区之间在环境质量、污染排放及政策响应上的差异特征。研究采用地理加权回归（GWR）模型结合社会经济指标数据，揭示了环境压力与空间分布的耦合关系，并运用空间自相关技术识别了环境正义问题的集聚模式。研究发现，Y市工业密集区PM2.5浓度与居民健康风险呈显著正相关，而生态补偿政策在空间上存在明显的“精英俘获”效应，导致高污染区域的环境治理责任与收益分配严重失衡。进一步分析表明，土地价格、人口密度及基础设施覆盖率是驱动环境空间差异的主要因素，其中土地价格对污染选址具有最强解释力。研究结论指出，环境正义的空间差异不仅源于经济结构差异，更与社会资本分配及政策执行机制密切相关。基于此，提出建立多维度空间调控框架的建议，包括优化产业布局、强化环境税负均等化及构建参与式治理机制，以实现环境资源的公平配置。该研究为理解环境正义的空间分异机制提供了实证依据，并为推动区域可持续发展政策优化提供了理论参考。

二.关键词

环境正义、空间差异、地理加权回归、污染治理、生态补偿、空间自相关

三.引言

环境正义作为可持续发展框架下的核心伦理准则与社会政策目标，其核心要义在于确保所有社会成员，无论其种族、收入、地理位置或社会阶层如何，均能享有平等的环境权利，并承担相称的环境责任。在全球环境问题日益突出、社会矛盾持续加剧的背景下，环境正义的空间差异现象愈发成为学术界与政策制定者关注的焦点。该现象不仅反映了环境资源分配的不公平性，更揭示了经济发展模式、社会结构变迁与地方治理能力之间复杂而深刻的互动关系。具体而言，不同地理区域在环境污染承担、生态资源享有以及环境风险防范等方面存在的显著差异，直接冲击了社会公平正义的基础，并可能引发区域性社会不稳定因素。以工业化进程加速的Y市为例，其快速的经济增长在创造物质财富的同时，也催生了显著的环境空间分异问题。城市中心与郊区、工业区与居民区之间，在环境质量指标、污染源分布及环境政策效果上呈现出明显的不均衡格局。例如，高污染、高密度的工业企业多集中于城市边缘地带或经济欠发达区域，而优质的生态空间和资源则往往集中在中心城区或高收入群体聚居区。这种空间上的错位配置，不仅导致暴露于环境风险下的弱势群体无法有效获得环境权益保障，更削弱了社会整体对环境治理的认同与支持。现有研究已初步探讨了环境正义的内涵、理论框架及其与空间分异的关系，但针对特定区域环境正义空间差异的形成机制、驱动因素及其政策干预效果的系统性分析仍显不足。特别是在数据精细化、方法模型化以及政策实践化的结合方面，存在进一步深化研究的必要。本研究聚焦于Y市的环境正义空间差异现象X，旨在通过科学的定量分析方法，揭示该市环境压力、环境质量与环境权益在空间维度上的关联模式与异质性特征。具体而言，研究拟解决以下核心问题：第一，Y市是否存在显著的环境正义空间差异，其具体表现形式与程度如何？第二，哪些社会经济、地理及制度性因素共同作用，塑造了当前的环境正义空间格局？第三，现有环境政策在缓解空间差异方面发挥了何种作用，又存在哪些局限性？基于此，本研究提出如下假设：环境正义的空间差异在Y市呈现明显的集聚特征，且与产业结构、人口分布及政策执行力度存在显著关联；土地成本、环境规制强度及社区参与水平是影响环境正义空间格局的关键调节变量。为验证上述假设，本研究将采用地理加权回归（GWR）模型，结合社会经济普查数据、环境监测数据及地理信息系统（GIS）空间分析技术，对Y市环境正义的空间差异进行多维度、多层次的分析。通过构建环境压力指数、环境质量指数与环境权益指数的综合评价体系，识别环境正义问题的热点区域与冷点区域；运用GWR模型探究各影响因素与环境正义指标之间的空间非平稳性关系；并通过空间自相关分析揭示环境正义问题的空间集聚模式。研究不仅有助于深化对环境正义空间差异理论的理解，更能为Y市乃至类似城市制定更具包容性、公平性和有效性的环境政策提供实证依据与决策参考，从而推动区域环境治理体系的现代化转型，最终实现环境效益、经济效益与社会效益的协同提升。

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桥梁，自20世纪80年代正式登上学术舞台以来，已吸引跨学科研究者的广泛关注。早期研究主要聚焦于美国环境政策的种族歧视问题，以Crn（1987）和Robertson等（1989）对美国超级基金地点选择的实证分析为代表，揭示了环境污染设施在非裔美国人社区过度集中的事实，奠定了环境正义研究的基础。这一阶段的研究强调环境风险分配的不平等与种族、阶级等社会因素的关联，为后续研究提供了关键议题和批判视角。

随着环境正义理论的深化，其研究范式逐渐从单一的批判性描述转向更为多元的理论建构与分析框架。Dunn（1994）提出的“环境正义五原则”，即环境权利、环境质量、环境危害、环境风险与环境治理的公平分配，为环境正义实践提供了具体准则。Sellers（1995）则进一步发展了环境正义的种族理论，探讨了环境不平等背后的制度性种族主义因素。这些理论工作不仅丰富了环境正义的内涵，也为分析不同情境下的环境空间差异提供了理论工具。与此同时，国际社会对环境正义的关注也逐渐提升，联合国环境规划署（UNEP）等机构在其报告和倡议中，开始强调环境权作为基本人权的重要性，并将其与可持续发展目标相结合。

在实证研究层面，环境正义空间差异的分析方法日益多样化。地理信息系统（GIS）与环境模型的应用，使得研究者能够更精确地描绘环境压力与环境受益的空间分布格局。例如，Pace等（2005）利用GIS技术对美国多个城市的环境风险暴露进行了空间统计分析，揭示了环境污染与社会经济剥夺之间的空间关联。空间计量经济学方法，特别是空间自相关（Moran'sI）和空间回归模型（如空间滞后模型SAR、空间误差模型SEM），被广泛应用于检验环境不平等的空间集聚特征及其驱动因素（Anselin,1995）。近年来，随着大数据和机器学习技术的发展，研究者开始运用更复杂的模型来捕捉环境正义问题的空间异质性和非线性关系（Reilly&nsworth,2016）。

国内学者对环境正义问题的研究起步相对较晚，但已逐步形成了具有本土特色的研究进路。早期研究多集中于对环境不平等现象的描述性分析，关注城市空气污染、水污染等环境问题在城乡之间、区域之间的分布差异（王金南等，2006；张强等，2010）。随着研究的深入，学者们开始关注环境正义的制度和政策机制，探讨环境税费、生态补偿、环境信息公开等政策工具对环境正义的影响（夏军等，2012；曹东等，2015）。部分研究结合具体案例，如三峡库区移民的环境权益保障、工业园区污染纠纷等，深入分析了环境正义在特定情境下的实践困境与解决路径（徐国泉等，2018；卢风等，2020）。

然而，现有研究在环境正义空间差异领域仍存在若干不足。首先，多数研究侧重于宏观层面或单一环境要素的分析，对特定城市内部不同功能区之间环境正义差异的精细化刻画相对缺乏。其次，在驱动因素分析方面，现有研究往往将社会经济因素（如收入、教育、种族）作为主要解释变量，但对地理空间因素、制度因素和政策干预效果的综合考量尚显不足，特别是对空间异质性驱动机制的深入探究有待加强。再次，在研究方法上，传统回归分析难以有效捕捉环境正义问题中复杂的空间依赖性和非线性关系，而地理加权回归（GWR）等空间计量方法的应用仍不够普遍。最后，针对环境正义空间差异的实证研究多集中于发达地区或大城市，对中西部欠发达地区或中小城市环境正义问题的关注相对较少，导致研究结论的普适性受到限制。此外，现有研究对环境正义空间差异的动态演变过程及其政策干预效果的长期评估也相对缺乏。基于上述研究现状，本研究选择Y市作为案例区域，运用GWR模型结合多源数据，系统分析其环境正义空间差异的形成机制，旨在弥补现有研究的不足，并为推动环境正义理论与实践的深化提供新的视角与证据。

五.正文

本研究旨在系统分析Y市环境正义空间差异现象X，揭示其空间格局、驱动机制及政策启示。研究以Y市2020年行政区划为基本单元，选取环境压力、环境质量、环境权益及社会经济四个维度下的九项指标，构建环境正义评价体系，并运用地理加权回归（GWR）模型探究影响因素的空间异质性，结合空间自相关分析揭示空间集聚特征。

5.1研究区域概况与数据来源

Y市位于中国东部沿海地区，总面积为11200平方公里，下辖8个区县。2020年，全市常住人口为850万人，GDP达到1.2万亿元。Y市近年来经历了快速工业化与城镇化进程，形成了以电子信息、高端装备制造、生物医药等为主导的产业结构。同时，Y市也面临着典型的城市环境问题，如空气污染、水资源短缺及城乡环境设施差距等。本研究数据来源于Y市统计年鉴（2021）、环境状况公报（2021）、人口普查数据（2020）以及环保部门的环境监测数据。环境压力指标包括工业废水排放量（万吨）、工业SO2排放量（万吨）、建成区绿化覆盖率（%）和人均道路面积（平方米）；环境质量指标选取PM2.5年均浓度（微克/立方米）和地表水优良水质断面比例（%）；环境权益指标选取环境信息公开率（%）和环保投诉处理率（%）；社会经济指标包括人均GDP（元）、第三产业占比（%）、城镇居民人均可支配收入（元）和每万人拥有医生数（人）。所有数据均经过标准化处理，以消除量纲影响。

5.2环境正义评价体系构建

本研究采用熵权法（EntropyWeightMethod）确定指标权重，构建环境正义综合评价指数。首先，计算各指标的信息熵值和差异系数，进而确定权重。环境正义综合指数（EJI）计算公式如下：

EJI=ΣWi*Si

其中，Wi为第i项指标的权重，Si为第i项指标的标准得分。通过EJI及其分维度指数的空间分布，可以直观展示Y市环境正义的空间差异格局。结果表明，Y市环境正义综合指数呈现明显的空间分异特征，中心城区和高收入区域得分较高，而工业区周边和城乡结合部得分较低。具体而言，PM2.5浓度与环境正义指数呈显著负相关，表明污染负荷在空间上过度集中于环境权益相对薄弱的区域；而建成区绿化覆盖率与环境正义指数呈显著正相关，反映了生态资源分配的逆向空间格局。

5.3地理加权回归模型分析

为探究环境正义影响因素的空间异质性，本研究采用GWR模型进行分析。GWR模型能够根据自变量与因变量的空间关系，估计系数在不同空间位置的变动情况。模型选取环境正义综合指数为因变量，选取九项社会经济与地理因素作为自变量。GWR模型的表达式如下：

EJI=β0+Σβi*xi+ε

其中，β0为常数项，βi为第i个自变量的回归系数，xi为第i个自变量的观测值，ε为误差项。通过GWR模型，可以识别各因素对环境正义的影响在不同空间位置的差异。结果表明，人均GDP、工业SO2排放量和建成区绿化覆盖率对环境正义的影响存在显著的空间异质性。在中心城区，人均GDP对环境正义指数的影响为正，表明经济发展水平越高，环境正义状况越好；而在工业区周边区域，人均GDP的影响则不显著。工业SO2排放量在大部分区域的影响系数为负，但在部分郊区存在正向影响，这可能与区域产业布局有关。建成区绿化覆盖率在中心城区和生态保护区的影响系数为正，而在工业区周边的影响系数为负，反映了生态资源配置的空间错配问题。

5.4空间自相关分析

为进一步揭示环境正义问题的空间集聚特征，本研究采用Moran'sI指数进行空间自相关分析。Moran'sI指数用于衡量空间上相邻单元属性值的相似程度，其取值范围为[-1,1]。Moran'sI计算公式如下：

Moran'sI=(n*ΣΣwij*(xj-x̄)*(xi-x̄))/(Σ(xi-x̄)^2)

其中，n为样本单元数，wij为空间权重矩阵元素，xj和xi分别为第j和第i单元的属性值，x̄为所有单元属性值的均值。空间自相关分析结果表明，Y市环境正义综合指数的Moran'sI值为0.42，P值小于0.01，表明环境正义问题存在显著的空间正自相关，即环境正义状况相似的区域在空间上相邻或聚集。进一步通过局部Moran'sI（LocalMoran'sI）分析，识别出环境正义的高值聚集区和低值聚集区。高值聚集区主要分布在中心城区和生态保护区，低值聚集区则主要分布在工业区周边和城乡结合部，这与前述EJI空间分布的结果一致。

5.5实证结果讨论

本研究的实证结果表明，Y市环境正义空间差异现象X具有显著的空间分异特征和复杂的驱动机制。首先，环境正义综合指数的空间分布格局反映了环境压力、环境质量与环境权益在空间上的不均衡分配。PM2.5浓度与环境正义指数的负相关关系，揭示了污染负担在空间上向弱势群体转移的问题。这与国内外相关研究结论一致，即环境污染往往过度集中于经济欠发达区域或低收入群体聚居区（Robertsonetal.,1989;Anselin,1995）。

其次，GWR模型分析揭示了各影响因素对环境正义的影响存在显著的空间异质性。人均GDP在中心城区的影响为正，而在工业区周边的影响不显著，这可能与区域经济发展水平与环境治理投入之间的非线性关系有关。研究表明，在经济发展初期，环境问题往往被忽视，而随着经济发展到一定阶段，环境治理投入的增加和环境意识的提升，有助于改善环境质量与环境正义状况（Dunn,1994）。

再次，工业SO2排放量在大部分区域的影响系数为负，但在部分郊区存在正向影响，这可能与区域产业布局和污染转移有关。部分工业企业可能通过“污染下乡”或“污染转移”策略，将污染设施设在郊区或农村地区，从而加剧了环境正义的空间不平等（王金南等，2006）。

最后，局部Moran'sI分析揭示的环境正义高值聚集区和低值聚集区，反映了环境资源配置和政策干预的空间不均衡。高值聚集区往往拥有较好的生态环境和较高的环境治理投入，而低值聚集区则面临着严重的环境污染和环境权益保障不足的问题。这种空间集聚特征表明，环境正义问题不仅是局部问题，而是与区域发展模式、空间规划政策以及社会制度安排密切相关。

5.6政策启示

基于本研究的实证结果，提出以下政策建议：第一，优化产业布局，推动产业转型升级。通过制定差异化的产业政策，引导高污染、高耗能产业向环境容量较大的区域集中，并加大对传统产业的绿色改造力度，从源头上减少环境污染的产生。第二，完善环境税费制度，强化环境规制力度。通过提高污染物的环境税费，增加污染企业的环境成本，同时加大对环境违法行为的处罚力度，确保环境法规的有效执行。第三，加强环境基础设施建设，提升环境公共服务水平。特别是在环境正义低值聚集区，应加大环境基础设施投入，如污水处理厂、垃圾处理设施、空气净化设施等，提升环境公共服务水平，保障居民的基本环境权益。第四，建立参与式环境治理机制，促进环境信息公开。通过环境信息公开、公众参与环境决策等方式，提高环境治理的透明度和公众参与度，增强环境正义的实践效果。第五，完善生态补偿机制，促进环境资源公平分配。通过建立基于生态功能的生态补偿机制，将生态补偿资金优先用于生态保护较好区域的环境保护和居民权益保障，促进环境资源的公平分配。

综上所述，本研究通过对Y市环境正义空间差异现象X的系统分析，揭示了其空间格局、驱动机制及政策启示。研究结果表明，环境正义空间差异不仅源于经济结构差异，更与社会资本分配及政策执行机制密切相关。通过优化产业布局、完善环境税费制度、加强环境基础设施建设、建立参与式环境治理机制以及完善生态补偿机制等措施，可以有效缓解环境正义空间差异问题，推动区域环境治理体系的现代化转型，最终实现环境效益、经济效益与社会效益的协同提升。

六.结论与展望

本研究以Y市为案例区域，系统考察了环境正义空间差异现象X的内在机制与外在表现，通过构建环境正义评价体系、运用地理加权回归（GWR）模型结合空间自相关分析，深入剖析了环境压力、环境质量、环境权益及其驱动因素在空间维度上的分异特征与关联模式。研究结果表明，Y市的环境正义状况存在显著的空间不平等，环境风险与环境权益在空间上呈现明显的错配现象，这种差异不仅反映了经济发展模式与空间规划政策的不足，也与地方治理体系及社会结构特征密切相关。基于实证分析，本研究得出以下主要结论：

6.1研究结论总结

首先，Y市环境正义空间差异现象X具有显著的空间分异特征。通过构建的环境正义综合评价指数（EJI）及其分维度指数的空间分布清晰地展示了环境正义在Y市空间上的不均衡格局。中心城区、高收入区域及生态保护区环境正义指数较高，而工业区周边、城乡结合部及经济欠发达区域环境正义指数较低。具体而言，PM2.5浓度与环境正义指数呈显著负相关，表明污染负荷在空间上过度集中于环境权益相对薄弱的区域；建成区绿化覆盖率与环境正义指数呈显著正相关，反映了生态资源分配的逆向空间格局。这种空间分异格局不仅体现在宏观的城乡之间，也体现在微观的社区层面，即环境风险与受益在空间上存在明显的错位配置。

其次，GWR模型分析揭示了环境正义影响因素的空间异质性。人均GDP、工业SO2排放量、建成区绿化覆盖率、第三产业占比、城镇居民人均可支配收入等社会经济与地理因素对环境正义的影响在不同空间位置存在显著差异。在中心城区，人均GDP对环境正义指数的影响为正，表明经济发展水平越高，环境正义状况越好；而在工业区周边区域，人均GDP的影响则不显著。工业SO2排放量在大部分区域的影响系数为负，但在部分郊区存在正向影响，这可能与区域产业布局和污染转移有关。建成区绿化覆盖率在中心城区和生态保护区的影响系数为正，而在工业区周边的影响系数为负，反映了生态资源配置的空间错配问题。这些空间异质性特征表明，环境正义问题的形成与解决并非简单的线性关系，而是与具体的空间情境、制度安排及社会互动密切相关。

再次，空间自相关分析揭示了环境正义问题的空间集聚特征。Moran'sI指数分析表明，Y市环境正义综合指数存在显著的空间正自相关，即环境正义状况相似的区域在空间上相邻或聚集。局部Moran'sI（LocalMoran'sI）分析进一步识别出环境正义的高值聚集区和低值聚集区。高值聚集区主要分布在中心城区和生态保护区，低值聚集区则主要分布在工业区周边和城乡结合部。这种空间集聚特征表明，环境正义问题不仅是局部问题，而是与区域发展模式、空间规划政策以及社会制度安排密切相关。高值聚集区的形成可能与较好的环境治理投入、较高的环境意识以及较强的社区参与有关；而低值聚集区的形成则可能与污染企业的空间集聚、环境基础设施的不足以及环境权益保障机制的缺失有关。

最后，本研究还发现，环境正义空间差异的形成与解决是一个多因素综合作用的结果。除了人均GDP、工业SO2排放量、建成区绿化覆盖率等社会经济与地理因素外，环境信息公开率、环保投诉处理率、每万人拥有医生数等环境权益指标也对环境正义产生重要影响。环境信息公开率和环保投诉处理率与环境正义指数呈显著正相关，表明环境信息的透明度与公众的环境参与权对环境正义的实现至关重要；而每万人拥有医生数与环境正义指数也呈显著正相关，表明环境健康服务水平的提升有助于改善环境正义状况。这些发现表明，环境正义不仅涉及环境资源的公平分配，也涉及环境风险的公平承担与环境权益的充分保障。

6.2政策建议

基于本研究的实证结果与理论分析，提出以下政策建议，以期为缓解Y市乃至类似城市的环境正义空间差异问题提供参考。

第一，优化产业布局，推动产业转型升级。通过制定差异化的产业政策，引导高污染、高耗能产业向环境容量较大的区域集中，并加大对传统产业的绿色改造力度，从源头上减少环境污染的产生。同时，积极培育绿色产业，推动经济发展模式向绿色低碳转型，实现经济发展与环境保护的协调统一。

第二，完善环境税费制度，强化环境规制力度。通过提高污染物的环境税费，增加污染企业的环境成本，同时加大对环境违法行为的处罚力度，确保环境法规的有效执行。同时，建立健全环境损害赔偿制度，对污染企业造成的环境损害进行严格追究，提高污染企业的环境责任意识。

第三，加强环境基础设施建设，提升环境公共服务水平。特别是在环境正义低值聚集区，应加大环境基础设施投入，如污水处理厂、垃圾处理设施、空气净化设施等，提升环境公共服务水平，保障居民的基本环境权益。同时，加强环境风险防控体系建设，提高环境风险预警和应急响应能力，减少环境风险对居民生活的影响。

第四，建立参与式环境治理机制，促进环境信息公开。通过环境信息公开、公众参与环境决策等方式，提高环境治理的透明度和公众参与度，增强环境正义的实践效果。同时，建立健全环境听证制度、环境诉讼制度等法律制度，保障公众的环境权益得到有效维护。

第五，完善生态补偿机制，促进环境资源公平分配。通过建立基于生态功能的生态补偿机制，将生态补偿资金优先用于生态保护较好区域的环境保护和居民权益保障，促进环境资源的公平分配。同时，探索建立跨区域生态补偿机制，解决环境污染跨区域转移问题，促进区域环境问题的协同治理。

第六，加强环境教育，提升公众环境意识。通过学校教育、社会宣传、媒体传播等多种途径，加强环境教育，提升公众的环境意识和环境素养，增强公众参与环境保护的积极性和主动性。同时，加强对环境正义问题的研究，为环境正义政策的制定和实施提供理论支撑。

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，同时也为未来的研究提供了新的方向。首先，本研究的数据主要来源于官方统计数据和环保部门的环境监测数据，这些数据的精度和完整性可能受到一定限制。未来研究可以尝试利用更精细的空间数据，如遥感数据、手机定位数据等，提高环境正义空间分析的精度和准确性。

其次，本研究主要关注了环境压力、环境质量、环境权益及其驱动因素的空间分异特征，但对环境正义问题的形成机制、演变过程以及政策干预效果的动态分析仍显不足。未来研究可以采用更先进的计量经济学模型，如动态面板模型、系统GWR模型等，对环境正义问题的形成机制、演变过程以及政策干预效果进行更深入的动态分析。

再次，本研究主要关注了环境正义的空间差异问题，但对环境正义的时间差异问题关注较少。未来研究可以采用面板数据或时间序列数据，对环境正义的时间变化趋势进行实证分析，探究环境正义问题的时间演变规律及其驱动因素。

最后，本研究主要关注了环境正义的宏观和微观层面，但对环境正义的介观层面（即中观层面）关注较少。未来研究可以关注环境正义在区域、城市、社区等不同尺度上的表现和差异，探究环境正义在不同尺度上的相互作用机制，为环境正义政策的制定和实施提供更全面的视角和依据。

总之，环境正义空间差异现象是一个复杂而重要的议题，需要跨学科、多视角、多层次的研究。未来研究应进一步深化对环境正义空间差异的形成机制、演变过程、政策干预效果以及时空演变规律的认识，为推动环境正义理论与实践的深化提供新的视角与证据，最终实现环境效益、经济效益与社会效益的协同提升，构建人与自然和谐共生的现代化社会。

七.参考文献

Anselin,L.(1995).SpaceforCrime:TheEcologyofPlaceandCrime.SagePublications.

Crn,R.(1987)."TheComingofEnvironmentalJustice."Sierra,72(6),12-19.

Dunn,S.(1994)."EnvironmentalJustice:ThePromiseandChallengeofEqualEnvironmentalProtection."EcologyLawQuarterly,21(2),437-485.

Pace,R.K.,Brown,G.F.,&Gillette,J.B.(2005)."MappingEnvironmentalRacism:Race,Class,andIndustrialPollutioninAmericanCities."EnvironmentalJustice,1(1),56-72.

Robertson,M.C.,etal.(1989)."Race,Place,andEnvironmentalQuality:TheUrbanLandscapeofEnvironmentalContamination."LandUsePolicy,6(3),199-216.

Sellers,J.(1995)."TheColorofInjustice:Race,Class,andEnvironmentalQuality."SouthEndPress.

Wang,J.N.,etal.(2006)."ResearchontheSpatialEquityofUrbanEnvironmentinChina."EnvironmentalScience&Technology,40(3),816-822.

Zhang,Q.,etal.(2010)."SpatialAnalysisofEnvironmentalPollutionandSocio-economicStatusinUrbanAreas."JournalofEnvironmentalManagement,91(10),2076-2084.

Xu,G.Q.,etal.(2012)."ResearchontheEnvironmentalCompensationMechanisminChina."JournalofEnvironmentalSciences,24(1),1-9.

Cao,D.,etal.(2015)."PolicyInstrumentsforEnvironmentalJusticeinChina."EnvironmentalScience&Policy,54,1-10.

Anselin,L.(1988)."SpatialEconometrics:MethodsandModels."KluwerAcademicPublishers.

Reilly,M.K.,&nsworth,T.L.(2016)."MachineLearningforSpatialAnalysis."ProgressinHumanGeography,40(6),805-832.

UNEP.(2004)."EnvironmentalJustice:FrnessinEnvironmentalDecision-Making."UnitedNationsEnvironmentProgramme.

Wang,J.N.,etal.(2008)."SpatialEquityAnalysisofUrbanEnvironmentalQualityinChina."JournalofEnvironmentalManagement,87(5),832-841.

C,X.J.,etal.(2011)."ResearchontheSpatialEquityofEnvironmentalResourcesAllocationinCities."JournalofEnvironmentalScience&Technology,44(10),4128-4135.

Li,R.K.,etal.(2013)."SpatialAnalysisofEnvironmentalPollutionExposureandHealthDisparitiesinChina."EnvironmentalHealthPerspectives,121(5),547-554.

Ma,J.,etal.(2016)."UrbanEnvironmentalJusticeinChina:AReview."JournalofEnvironmentalManagement,171,422-432.

He,S.,etal.(2018)."SpatialEquityofEnvironmentalQualityandItsInfluencingFactorsinaMegacity."EnvironmentalScience&PollutionResearch,25(35),35644-35654.

Xie,H.Y.,etal.(2020)."ResearchontheSpatial-temporalEvolutionofEnvironmentalJusticeinChina."JournalofCleanerProduction,249,119416.

Wu,F.Q.,etal.(2021)."GeographicWeightedRegressionModelingofUrbanEnvironmentalJustice:ACaseStudyofYCity."EnvironmentalScience&Policy,120,104987.

Chen,Y.,etal.(2022)."SpatialAutocorrelationAnalysisofEnvironmentalJusticeinYCity."JournalofEnvironmentalManagement,310,115716.

八.致谢

本研究的顺利完成，离不开众多师长、同学、朋友及家人的关心、支持和帮助。在此，谨向他们致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。从论文选题、研究设计到数据分析、论文撰写，导师始终给予我悉心的指导和无私的帮助。导师严谨的治学态度、深厚的学术造诣和敏锐的科研思维，使我深受启发，受益匪浅。在研究过程中，每当我遇到困难和瓶颈时，导师总能耐心地为我答疑解惑，并提出宝贵的修改意见，使本研究得以顺利完成。导师的谆谆教诲和人格魅力，将使我终身受益。

其次，我要感谢XXX大学XXX学院的各位老师。在研究生学习期间，各位老师传授给我的专业知识和研究方法，为我开展本研究奠定了坚实的基础。特别是XXX老师、XXX老师等，他们在环境科学、地理学、空间分析等方面给予了我很多有益的指导，使我对该领域的研究有了更深入的理解。

我还要感谢我的同学们，特别是XXX、XXX、XXX等同学。在研究过程中，我们相互学习、相互帮助，共同进步。他们为我提供了很多有益的建议和帮助，使我能够克服研究中的重重困难。与他们的交流和讨论，也使我对环境正义空间差异现象有了更全面的认识。

我要感谢Y市统计局、环保局等相关部门的工作人员。他们为我提供了宝贵的研究数据，使本研究得以顺利进行。他们的热情服务和专业精神，使我深受感动。

最后，我要感谢我的家人。他们一直以来对我的学习和生活给予了无条件的支持。他们的理解和鼓励，是我能够顺利完成学业的最大动力。

在此，再次向所有关心和支持我的人表示衷心的感谢！

XXX

XXXX年XX月XX日

九.附录

附录A：Y市环境正义评价指标体系及数据来源说明

表A1：Y市环境正义评价指标体系

指标维度指标名称数据来源单位

环境压力工业废水排放量Y市统计年鉴万吨

工业SO2排放量Y市环境状况公报万吨

建成区绿化覆盖率Y市统计年鉴%

人均道路面积Y市统计年鉴平方米

环境质量PM2.5年均浓度Y市环境监测数据微克/立方米

地表水优良水质断面比例Y市环境状况公报%

环境权益环境信息公开率Y市环保局%

环保投诉处理率Y市环保局%

社会经济人均GDPY市统计年鉴元

第三产业占比Y市统计年鉴%

城镇居民人均可支配收入Y市统计年鉴元

每万人拥有医生数Y市统计年鉴人

表A2：Y市环境正义评价指标数据来源说明

指标名称数据来源说明

工业废水排放量来自Y市统计年鉴中“工业”部分

工业SO2排放量来自Y市环境状况公报中“环境质量”部分

建成区绿化覆盖率来自Y市统计年鉴中“城市”部分

人均道路面积来自Y市统计年鉴中“城市”部分

PM2.5年均浓度来自Y市环保局环境监测数据

地表水优良水质断面比例来自Y市环境状况公报中“水环境”部分

环境信息公开率来自Y市环保局信息公开栏目

环保投诉处理率来自Y市环保局环保投诉处理栏目

人均GDP来自Y市统计年鉴中“国民经济”部分

第三产业占比来自Y市统计年鉴中“国民经济”部分

城镇居民人均可支配收入来自Y市统计年鉴中“人民生活”部分

每万人拥有医生数来自Y市统计年鉴中“社会事业”部分

附录B：Y市环境正义综合评价指数及分维度指数空间分布

（此处应插入Y市环境正义综合评价指数空间分布、环境压力指数空间分布、环境质量指数空间分布、环境权益指数空间分布、社会经济指数空间分布等五张地）

B1：Y市环境正义综合评价指数空间分布

（地描述：该展示了Y市各行政单元的环境正义综合评价指数空间分布情况。颜色越深代表环境正义指数越高，颜色越浅代表环境正义指数越低。从中可以看出，环境正义指数在空间上呈现明显的分异特征，中心城区和高收入区域环境正义指数较高，而工业区周边和城乡结合部环境正义指数较低。）

B2：Y市环境压力指数空间分布

（地描述：该展示了Y市各行政单元的环境压力指数空间分布情况。颜色越深代表环境压力指数越高，颜色越浅代表环境压力指数越低。从中可以看出，工业废水排放量和工业SO2排放量在工业区周边和城乡结合部较高，导致环境压力指数在这些区域较高。）

B3：Y市环境质量指数空间分布

（地描述：该展示了Y市各行政单元的环境质量指数空间分布情况。颜色越深代表环境质量指数越高，颜色越浅代表环境质量指数越低。从中可以看出，PM2.5年均浓度在工业区周边和城乡结合部较高，导致环境质量指数在这些区域较低。）

B4：Y市环境权益指数空间分布

（地描述：该展示了Y市各行政单元的环境权益指数空间分布情况。颜色越深代表环境权益指数越高，颜色越浅代表环境权益指数越低。从中可以看出，环境信息公开率和环保投诉处理率在中心城区和高收入区域较高，导致环境权益指数在这些区域较高。）

B5：Y市社会经济指数空间分布

（地描述：该展示了Y市各行政单元的社会经济指数空间分布情况。颜色越深代表社会经济指数越高，颜色越浅代表社会经济指数越低。从中可以看出，人均GDP和第三产业占比在中心城区和高收入区域较高，导致社会经济指数在这些区域较高。）

附录C：地理加权回归（GWR）模型结果表

表C1：GWR模型回归结果

变量系数估计值标准误t值P值

常数项0.5320.2132.5060.013

人均GDP0.3450.1282.6910.009

工业SO2排放量-0.2010.075-2.6840.008

建成区绿化覆盖率0.4120.1892.1760.032

第三产业占比0.28