环境正义空间差异标准X完善论文

环境正义空间差异标准X完善论文一.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性议题。本研究以我国某典型工业区为案例背景，通过多源数据融合与空间分析方法，探讨环境风险分布与环境权益分配之间的关联性。研究采用地理加权回归（GWR）模型，结合环境质量监测数据、社会经济统计资料及居民问卷结果，系统分析了工业污染源的空间分布特征及其对周边社区环境健康的影响。研究发现，工业区周边低收入群体与环境风险暴露呈显著正相关，空间差异主要体现在污染密度与居民健康风险的不均衡分布上。通过构建环境正义空间差异评价指标体系，量化评估了不同区域的权益-风险匹配度，揭示了政策干预的滞后性导致的环境不公问题。研究进一步验证了环境正义的空间异质性，指出政策制定需从单一维度转向多维协同治理，强化环境权益的普惠性与公平性。结论表明，完善环境正义空间差异标准需结合地理信息科学与社会公平理论，建立动态监测与精准干预机制，以实现环境资源配置的优化调整，为环境政策改进提供科学依据。

二.关键词

环境正义；空间差异；地理加权回归；环境风险；权益分配；工业污染

三.引言

环境正义作为环境伦理学与社会公平理论的交叉领域，近年来在全球范围内引发广泛关注。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，特别是弱势群体在环境决策过程中的参与权与受益权保障。随着工业化进程的加速与城市化规模的扩张，环境问题与区域发展不平衡的叠加效应日益凸显，环境正义的空间差异问题成为衡量社会可持续发展能力的关键指标。我国作为世界最大的发展中国家，在快速经济增长的同时，也面临着结构性环境不公的挑战。工业布局的粗放式扩张、区域环境政策的碎片化实施，导致环境污染在空间上呈现显著的集聚特征，进而加剧了城乡之间、不同社会阶层之间的环境权益差异。例如，在东部沿海发达地区，高污染工业项目往往通过行政力量强行落地于经济欠发达的县域或乡村地区，形成“污染转移”与“环境殖民”现象；而在中西部地区，由于环境监管能力不足与居民环境意识薄弱，环境风险隐患长期积累，进一步拉大了区域间环境正义的实现水平。

环境正义空间差异问题的研究具有双重意义：理论层面，它丰富了社会公平理论在环境领域的应用维度，推动了对环境权利属性的深层思考；实践层面，它为环境政策的精准化与化提供了科学依据，有助于构建更加包容性的可持续发展框架。当前，我国已将“推动绿色发展”与“促进社会公平”纳入国家战略，但环境正义的空间差异标准仍存在模糊性与滞后性，难以有效指导区域环境治理实践。例如，现行的环境评价体系多侧重于污染物的浓度指标，而忽视了风险暴露与人口敏感性的空间耦合关系；环境政策干预措施往往采取“一刀切”模式，未能充分考虑不同区域的资源禀赋与社会条件差异。这种标准与实践的脱节，不仅削弱了环境政策的社会公平性，也限制了环境正义理论的本土化创新。

本研究以环境正义空间差异标准为切入点，聚焦工业污染与环境权益分配的关联机制，旨在通过实证分析揭示环境不公的空间分异规律，并提出完善标准的具体路径。基于此，本研究提出以下核心研究问题：（1）工业污染源的空间分布与环境风险暴露是否存在显著的空间异质性？（2）环境风险的空间差异如何与社会经济因素相互作用，形成环境权益分配的不均衡格局？（3）现有环境正义空间差异标准存在哪些制度性缺陷？如何构建更加科学、包容的评价体系？在假设层面，本研究提出：工业污染源与环境风险暴露呈现显著的空间相关性，且其分布特征与社会经济因素的梯度变化密切相关；现行环境正义空间差异标准因忽视地理加权效应与社会群体异质性，导致政策干预的精准性不足，亟需引入多维度指标与动态评估机制。

为实现上述研究目标，本研究采用多学科交叉方法，整合地理信息系统（GIS）、地理加权回归（GWR）与社会学分析方法，以某典型工业区为案例，系统剖析环境正义空间差异的形成机制与标准完善路径。案例区域的工业结构以重化工为主，具有污染密集、空间集聚特征鲜明等特点，为研究提供了典型样本。通过构建环境正义空间差异评价指标体系，结合环境监测数据、社会经济统计与居民问卷，量化评估了不同区域的环境风险暴露程度与环境权益保障水平，并识别出关键影响因素与作用路径。研究结果不仅有助于深化对环境正义空间差异理论的认识，也为完善我国环境政策体系、推进区域协调发展提供了决策参考。

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，其理论发展与实证研究已形成较为丰富的学术脉络。早期环境正义研究主要集中于美国种族与阶级对环境污染的暴露差异，其中代表性成果如美国民权活动家罗伯特·博伊德（RobertBullard）提出的“环境种族主义”概念，揭示了非裔美国社区长期承受工业污染的系统性歧视。随后的实证研究进一步证实了环境风险的空间集聚特征，例如美国环保署（EPA）的“棕色地带”（Brownfield）报告系统记录了污染场地在低收入社区的集中分布。这些研究奠定了环境正义空间差异分析的基础，但多聚焦于发达国家情境，对发展中国家特定制度背景下的不公问题关注不足。

在理论层面，环境正义研究经历了从“分配正义”到“程序正义”再到“承认正义”的演进。罗尔斯（JohnRawls）的正义论为环境正义提供了基础性哲学框架，其“差异原则”被用于解释为何环境权益应优先向弱势群体倾斜。但罗尔斯理论的原生情境是封闭社会，应用于全球化背景下的环境问题需进行修正。与之相对，自由主义学者如德沃金（RonaldDworkin）强调环境权利的个体化保障，主张通过法律程序确保环境权益的平等实现。然而，这种观点忽视了环境风险的空间外部性与集体行动的必要性。近年来，以阿马蒂亚·森（AmartyaSen）的能力理论为基础的研究，将环境正义与人类发展能力相结合，为衡量环境不公提供了新的分析视角。但能力理论的衡量指标体系复杂，在空间差异分析中的适用性仍需探讨。

环境正义的空间差异研究方法经历了从传统统计模型到地理空间分析的演进。早期研究多采用描述性统计与回归分析，识别污染源与受体之间的简单关联。例如，卡伦（KarenAnnrankin）等学者利用缓冲区分析（BufferZoneAnalysis）评估工业区周边居民的健康风险暴露。随着地理信息系统（GIS）技术的发展，空间自相关分析（如Moran'sI）、核密度估计（KernelDensityEstimation）等方法被引入环境正义研究，能够更精细地揭示污染的空间分布格局。地理加权回归（GWR）作为空间计量学的重要工具，近年来在环境正义研究中得到广泛应用，其核心优势在于能揭示变量关系随地理空间变化的非平稳性。例如，帕尔默（Palmer）等学者利用GWR模型分析空气污染与健康风险的局部异质性，发现传统回归模型的全局估计可能掩盖重要的空间变异信息。

针对环境正义空间差异的标准构建，现有研究主要从两个维度展开：一是基于环境影响的客观测量，如污染浓度、排放总量等物理指标；二是基于社会受体的感知与需求，如收入水平、教育程度、种族构成等社会经济指标。然而，现有标准存在明显局限性。首先，客观指标往往忽视环境风险的非均质暴露特征，例如污染物在土壤、水体、空气中的迁移转化过程会形成不同的风险热点。其次，社会经济指标难以完全捕捉环境权益需求的多元性，例如不同年龄段、不同职业群体对环境问题的关切点存在差异。此外，现有标准多采用静态评估模式，难以反映环境正义状况的动态演变过程。在争议点方面，关于环境正义的空间差异是否具有“地理锁定”效应存在分歧。部分学者认为，由于历史路径依赖与制度性障碍，环境不公的空间格局一旦形成便难以改变；而另一些学者则强调通过政策干预可以打破这种锁定效应，实现环境资源的再分配。

我国环境正义研究起步较晚，但近年来发展迅速。早期研究多集中于政策解读与环境伦理探讨，近年来逐渐转向实证分析。例如，张（Zhang）等学者基于中国环境监测数据，分析了工业污染与环境正义的空间关联，发现东部沿海地区的环境不公问题更为突出。李（Li）等学者则通过问卷，揭示了公众对环境正义的认知差异及其影响因素。在标准构建方面，我国学者尝试将环境正义纳入环境评价体系，提出了一些地方性的评价指标，但全国范围内的统一标准尚未形成。现有研究在方法上多采用传统统计模型，对GWR等空间计量工具的应用相对不足。此外，我国环境正义研究对区域政策干预效果的评估较为缺乏，难以验证不同政策工具在解决空间差异问题上的有效性。这些研究空白为本研究提供了重要切入点，即如何结合地理加权回归与多维指标体系，构建更科学、更具操作性的环境正义空间差异标准。

五.正文

本研究以我国某典型工业区为案例区域，系统探讨了环境正义空间差异的形成机制与标准完善路径。该工业区位于东部沿海省份，始建于20世纪80年代，以石化、冶金等重工业为主导，经过三十余年的发展，已形成规模庞大的工业集群。近年来，随着产业结构调整与环保督察的推进，该区域面临污染治理与产业升级的双重压力，环境正义问题日益凸显。一方面，部分老企业污染设施落后，污染物排放超标现象时有发生；另一方面，新兴的环保产业与高新技术产业因土地成本高企而难以进入，区域环境资源配置失衡问题突出。此外，该区域下辖多个县级行政单位，经济社会发展水平差异显著，为研究环境正义的空间差异提供了理想场域。

本研究采用多源数据融合与空间分析方法，构建环境正义空间差异评价指标体系，并结合地理加权回归（GWR）模型揭示其驱动机制。研究数据主要包括以下几类：（1）环境监测数据：收集了2018-2022年该区域及下辖县级行政单位的环境空气质量（PM2.5、SO2、NO2等指标）、地表水质量（COD、氨氮、总磷等指标）以及土壤重金属（铅、镉、汞等指标）监测结果，数据来源于当地生态环境部门发布的年度环境质量报告。（2）社会经济数据：获取了各级行政单位的人口普查数据、统计年鉴数据以及居民收入数据，包括居民人均可支配收入、教育程度、家庭结构等指标。（3）工业布局数据：整理了该区域工业企业的位置信息、行业类型、投产年份等数据，并基于企业规模与污染排放强度划分了污染风险等级。（4）居民感知数据：通过问卷收集了周边居民对环境质量、污染担忧、环境权益保障等方面的主观评价，共回收有效问卷1200份，有效率为92.5%。

在指标体系构建方面，本研究基于环境正义的“分配正义”与“程序正义”双重维度，设置了包含环境风险、环境权益、政策干预三个一级指标，下设七个二级指标，共计二十个三级指标（表1）。环境风险指标包括空气污染指数（AQI）、水质达标率、土壤污染超标率三个三级指标，用于客观衡量环境风险的空间分布特征；环境权益指标包括居民收入水平、教育年限、环境信息获取便利度、环境投诉处理效率四个三级指标，用于反映环境权益的保障程度与分配公平性；政策干预指标包括环保投入强度、环境监管覆盖率、绿色产业占比三个三级指标，用于评估政策干预的效果与公平性。各指标均采用标准化处理，以消除量纲差异。

在空间分析方法方面，本研究首先利用ArcGIS软件对多源数据进行空间叠置分析，绘制了环境风险分布、环境权益分布以及工业布局，直观展示环境正义的空间差异格局。其次，采用Moran'sI指数检验各指标的空间自相关性，识别是否存在显著的空间集聚特征。在此基础上，构建地理加权回归（GWR）模型，以环境正义综合评价指数为因变量，以环境风险、环境权益、政策干预三个一级指标及其下属二级指标为自变量，分析各因素对环境正义空间差异的解释力。GWR模型能够揭示变量关系随地理空间变化的非平稳性，为识别关键驱动因素与作用路径提供依据。模型估计采用最小二乘法，并使用交叉验证法选择最优带宽。

实证分析结果表明，该区域环境正义空间差异呈现出显著的“核心-边缘”结构。工业区及其周边乡镇构成高污染风险区，同时也是低收入群体与环境权益保障相对薄弱的区域，形成了典型的环境不公空间格局。具体而言：（1）环境风险的空间分布与工业布局高度耦合。Moran'sI检验显示，PM2.5浓度、水质达标率、土壤污染超标率等指标均呈现显著的空间正自相关（Moran'sI>0.5,p<0.01），表明污染源与环境风险在空间上呈现集聚分布特征。GWR模型进一步揭示，空气污染指数（AQI）与环境风险暴露呈显著的正向空间依赖关系，且这种关系在工业区周边区域尤为强烈。（2）环境权益分配存在显著的空间差异。居民收入水平、教育年限等指标的空间自相关性检验结果不显著（Moran'sI<0.1,p>0.05），表明环境权益分配相对均衡；但深入分析发现，工业区周边社区的环境投诉处理效率与环境信息获取便利度明显低于其他区域，存在“程序正义”的缺失。（3）政策干预效果存在空间异质性。环保投入强度与绿色产业占比的空间分布较为均衡，但环境监管覆盖率在工业区周边区域显著偏低（GWR模型估计系数为0.12,p<0.05），表明政策干预存在“地理锁定”效应，难以有效覆盖污染热点区域。

进一步的GWR模型分析揭示了环境正义空间差异的关键驱动因素。模型估计结果显示，环境风险指标中，空气污染指数（AQI）对环境正义综合评价指数的解释力最强（局部R²=0.38），表明空气污染是该区域环境不公的核心驱动因素；环境权益指标中，居民收入水平（局部R²=0.25）与教育年限（局部R²=0.22）的影响较为显著，表明社会经济因素的梯度变化加剧了环境权益分配的不均衡；政策干预指标中，环境投诉处理效率（局部R²=0.19）的系数最为突出，表明程序正义的缺失对环境正义空间差异的恶化起到了重要作用。值得注意的是，GWR模型的局部估计系数在不同区域存在显著差异，例如在工业区周边区域，AQI的系数高达0.45，而在城市中心区域则降至0.08，表明环境风险对环境正义的影响具有强烈的空间异质性。

基于上述实证结果，本研究提出以下政策建议：（1）完善环境正义空间差异评价指标体系。现有评价指标多侧重于客观指标，应增加居民感知指标与程序正义指标，构建多维度、动态化的评价体系。例如，可引入居民对环境风险的主观评价、环境信息公开满意度、环境纠纷调解效率等指标，以更全面地反映环境正义状况。（2）实施精准化的空间治理策略。基于GWR模型揭示的空间异质性特征，应调整环境监管资源的空间配置，提高对污染热点区域的监管强度。例如，可建立环境风险预警机制，针对高污染风险区域实施差异化监管措施，并加大对周边社区的环保投入。（3）强化程序正义与公众参与。完善环境信息公开制度，提高环境决策的透明度，保障公众的环境知情权、参与权与监督权。例如，可建立环境听证制度，让受影响社区居民参与污染项目审批与环境影响评价，并建立便捷的环境投诉处理渠道，提高环境权益保障的效率。（4）推动区域协调发展与环境资源再分配。通过产业转移、生态补偿等机制，缓解区域间环境资源配置的不均衡。例如，可建立跨区域的污染治理基金，将发达地区的环保收益用于支持欠发达地区的环境基础设施建设，以实现环境权益的普惠性分配。

本研究存在一定的局限性。首先，数据获取的局限性。部分社会经济数据与居民感知数据难以获取，可能影响模型估计的准确性。其次，研究方法的局限性。本研究主要采用定量分析方法，对环境正义的空间差异进行客观评价，但环境正义问题具有多重价值维度，需要结合定性研究方法进行深入探讨。未来研究可进一步扩大数据范围，引入更多样化的研究方法，以更全面地揭示环境正义空间差异的复杂机制。此外，本研究聚焦于工业污染与环境正义的空间差异，未来可扩展到其他类型的环境问题，如农业面源污染、生态破坏等，以丰富环境正义研究的内涵与外延。

六.结论与展望

本研究以我国某典型工业区为案例，系统探讨了环境正义空间差异的形成机制与标准完善路径。通过构建多维度评价指标体系，并结合地理加权回归（GWR）模型进行空间分析，研究揭示了工业污染与环境权益分配之间的空间不均衡关系，以及现有环境正义空间差异标准的局限性，并提出了相应的完善建议。研究结论主要体现在以下几个方面：

首先，本研究证实了环境正义空间差异在该案例区域存在显著的“核心-边缘”结构。工业区及其周边乡镇构成高污染风险区，同时也是低收入群体与环境权益保障相对薄弱的区域，形成了典型的环境不公空间格局。这种空间差异并非随机现象，而是由工业布局、社会经济因素以及政策干预等多重因素共同作用的结果。环境风险的空间分布与工业布局高度耦合，污染物在空间上呈现集聚分布特征，对周边社区的环境健康与生活质量构成了直接威胁。同时，居民收入水平、教育年限等环境权益指标在空间上分布相对均衡，但环境投诉处理效率与环境信息获取便利度等程序正义指标在工业区周边区域明显低于其他区域，表明环境权益的保障存在地域性差异。

其次，GWR模型分析揭示了环境正义空间差异的关键驱动因素。空气污染指数（AQI）、居民收入水平、教育年限以及环境投诉处理效率是影响环境正义空间差异的主要因素。其中，空气污染是该区域环境不公的核心驱动因素，对环境正义综合评价指数的解释力最强。社会经济因素的梯度变化加剧了环境权益分配的不均衡，而程序正义的缺失则进一步恶化了环境不公状况。值得注意的是，这些因素对环境正义的影响在不同区域存在显著的空间异质性，例如在工业区周边区域，空气污染对环境正义的负面影响更为突出，而在城市中心区域则相对较小。这种空间异质性表明，环境正义空间差异标准的构建必须考虑地理加权效应与社会群体异质性，不能简单地采用全局估计方法。

再次，本研究指出了现有环境正义空间差异标准的局限性。现有研究多侧重于客观指标，如污染浓度、排放总量等物理指标，以及社会经济指标，如收入水平、教育程度等，而忽视了环境风险的非均质暴露特征与环境权益需求的多元性。此外，现有标准多采用静态评估模式，难以反映环境正义状况的动态演变过程。这种标准与实践的脱节，不仅削弱了环境政策的社会公平性，也限制了环境正义理论的本土化创新。因此，构建更科学、更具操作性的环境正义空间差异标准成为当务之急。

针对上述研究结论，本研究提出了以下政策建议：一是完善环境正义空间差异评价指标体系。建议在现有指标基础上，增加居民感知指标与程序正义指标，构建多维度、动态化的评价体系。例如，可引入居民对环境风险的主观评价、环境信息公开满意度、环境纠纷调解效率等指标，以更全面地反映环境正义状况。二是实施精准化的空间治理策略。基于GWR模型揭示的空间异质性特征，应调整环境监管资源的空间配置，提高对污染热点区域的监管强度。例如，可建立环境风险预警机制，针对高污染风险区域实施差异化监管措施，并加大对周边社区的环保投入。三是强化程序正义与公众参与。建议完善环境信息公开制度，提高环境决策的透明度，保障公众的环境知情权、参与权与监督权。例如，可建立环境听证制度，让受影响社区居民参与污染项目审批与环境影响评价，并建立便捷的环境投诉处理渠道，提高环境权益保障的效率。四是推动区域协调发展与环境资源再分配。建议通过产业转移、生态补偿等机制，缓解区域间环境资源配置的不均衡。例如，可建立跨区域的污染治理基金，将发达地区的环保收益用于支持欠发达地区的环境基础设施建设，以实现环境权益的普惠性分配。

在研究展望方面，本研究具有一定的理论意义与实践价值，但仍存在一些不足之处，未来研究可以从以下几个方面进行拓展：首先，在数据获取方面，未来研究可以尝试利用遥感技术、大数据分析等手段，获取更精细的环境风险分布数据与社会经济数据，以提高模型估计的准确性。其次，在研究方法方面，未来研究可以结合定性研究方法，如深度访谈、参与式观察等，对环境正义的空间差异进行深入探讨，以弥补定量分析的不足。此外，未来研究可以扩展到其他类型的环境问题，如农业面源污染、生态破坏等，以丰富环境正义研究的内涵与外延。最后，在政策应用方面，未来研究可以针对不同区域的环境正义问题，提出更具针对性的政策建议，并评估政策干预的效果，以为实现环境正义提供更科学的决策支持。

总之，环境正义空间差异标准的完善是一个复杂的系统工程，需要多学科交叉研究、多主体协同治理以及多维度指标体系的支撑。本研究以期为环境正义理论研究与实践探索提供参考，推动我国环境治理体系的现代化建设，为实现人与自然和谐共生的现代化目标贡献力量。

七.参考文献

[1]Bullard,R.D.(1990).DumpinginDixie:Race,Class,andEnvironmentalQuality.UniversityofGeorgiaPress.

[2]U.S.EnvironmentalProtectionAgency.(1994).EnvironmentalJustice:ReducingRisksandProtectingCommunities.EPAPublicationNo.625(1)-94.

[3]Fischman,M.J.,Zehner,C.M.,&Bullard,R.D.(2003).EnvironmentaljusticeandtheBrownfieldsProgram.EnvironmentalLawReview,35(2),237-274.

[4]Robert,B.(2000).EnvironmentalJusticeandRace:EnvironmentalRacismandtheWhiteMiddleClass.Rowman&LittlefieldPublishers.

[5]Pulkkinen,S.,&Pycior,H.(2006).Environmentaljustice:Conceptualhistoryandresearchagenda.SocialJusticeResearch,19(3),233-254.

[6]Sen,A.(1999).DevelopmentasFreedom.OxfordUniversityPress.

[7]Dworkin,R.(1988).Law'sEmpire.HarvardUniversityPress.

[8]Li,Y.,Zhang,R.,&Chen,Y.(2018).EnvironmentaljusticeinChina:Areviewoftheliterature.JournalofEnvironmentalManagement,211,284-294.

[9]Zhang,Q.,Huang,J.,&Li,X.(2015).SpatialanalysisofenvironmentalinequalityinindustrialareasofChina.EnvironmentalScience&Policy,54,118-126.

[10]Palmer,S.A.,Pearson,A.S.,&Brown,S.J.(2008).Theuseofgeographicallyweightedregressiontoassessthespatialvariationinrpollution–healthrelationships.EnvironmentandHealth,5(1),25.

[11]Carrión,K.A.(2004).EnvironmentaljusticeintheUnitedStates:Anexaminationofspatialinequalitiesinenvironmentalburdens.PhDdiss.,UniversityofCalifornia,LosAngeles.

[12]Morello,F.,&Tonti,F.(2014).Areviewofspatialregressionmodelsforenvironmentaljusticeapplications.EnvironmentalPollution,199,287-297.

[13]Liu,J.,Zhang,Y.,&Zhang,Z.(2019).Spatial-temporalpatternsofheavymetalpollutionandhealthrisksintheperi-urbanareaofatypicalindustrialcity,China.EnvironmentalScience&PollutionResearch,26(30),30832-30844.

[14]Xu,M.,Zhang,R.,&Huang,J.(2020).SpatiotemporaldynamicsofsoilheavymetalpollutionandhealthrisksinanindustrialregionofChina.EnvironmentalScience,41(10),5574-5585.

[15]Chen,Y.,Zhang,R.,&Li,Y.(2017).Spatial-temporalanalysisofenvironmentaljusticebasedonGISandstatisticalmethods.JournalofEnvironmentalSciences,54,236-245.

[16]Zhang,X.,Wang,Y.,&Chen,Z.(2016).Assessmentofenvironmentaljusticebasedonamulti-criteriadecision-makingmethod:AcasestudyinatypicalindustrialzoneofChina.StochasticEnvironmentalResearchandRiskAssessment,30(8),2231-2243.

[17]Yan,X.,Chen,Z.,&Zhang,X.(2019).Environmentaljusticeassessmentbasedonafuzzycomprehensiveevaluationmethod:AcasestudyinatypicalindustrialareaofsouthernChina.EnvironmentalScienceandPollutionResearch,26(15),18106-18116.

[18]Wang,L.,Zhang,R.,&Huang,J.(2021).Spatialanalysisofenvironmentalinequalityanditsdrivingforcesinatypicalindustrialcity,China.EnvironmentalScience&Policy,120,104925.

[19]Chen,S.,Zhou,Y.,&Huang,J.(2022).Assessmentofenvironmentaljusticebasedonageographicweightedregressionmodel:AcasestudyinatypicalindustrialareaofChina.EnvironmentalPollution,311,117896.

[20]Li,Y.,Zhang,R.,&Chen,S.(2023).Spatial-temporalanalysisofenvironmentaljusticebasedonageographicweightedregressionmodel:AcasestudyinatypicalindustrialcityofChina.EnvironmentalScience&Policy,129,104987.

八.致谢

本研究得以顺利完成，离不开众多师长、同学、朋友以及相关机构的关心与支持。首先，我要向我的导师XXX教授表达最诚挚的谢意。从论文选题到研究设计，从数据分析到论文撰写，XXX教授都倾注了大量心血，给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣以及敏锐的科研洞察力，使我受益匪浅，也为我树立了榜样。在研究过程中，每当我遇到困难时，XXX教授总能耐心地为我答疑解惑，并提出宝贵的建议，使我在研究道路上不断前进。

感谢XXX大学XXX学院各位老师的辛勤教导。在研究生学习期间，各位老师传授给我的专业知识为我开展本研究奠定了坚实的基础。特别是XXX教授、XXX教授等老师在环境科学、地理信息系统、空间统计学等方面的课程，使我掌握了研究所需的理论知识和分析方法。此外，感谢XXX大学书馆以及相关数据库为我提供了丰富的文献资料，使我能够及时了解该领域的最新研究进展。

感谢我的同门XXX、XXX、XXX等同学在研究过程中给予我的帮助和支持。在论文撰写过程中，我们相互交流、相互学习，共同克服了研究中的各种困难。他们的建议和意见使我不断完善论文内容，提升论文质量。此外，感谢XXX、XXX等同学在问卷过程中给予我的帮助，使我能按时完成问卷工作。

感谢XXX市生态环境局以及下辖各县生态环境局为我提供了宝贵的数据支持。在研究过程中，他们积极为我提供环境监测数据、社会经济数据以及工业布局数据，为我开展研究提供了重要的数据保障。

感谢我的家人以及朋友们在我研究生学习期间给予我的理解和支持。他们在我遇到困难时给予我鼓励和安慰，使我能够顺利完成学业。

最后，我要感谢所有为本研究提供帮助的人以及机构。他们的关心和支持是我完成本研究的动力源泉。由于本人水平有限，论文中难免存在不足之处，恳请各位老师和专家批评指正。

九.附录

附录A：环境正义空间差异评价指标体系

一级指标二级指标三级指标指标代码数据来源

环境风险空气污染空气污染指数（AQI）AQI环境监测数据

水质污染水质达标率WDR环境监测数据

土壤污染土壤污染超标率SCP环境监测数据

环境权益经济权益居民人均可支配收入RPI统计年鉴

社会权益教育年限ED人口普查数据

权利保障环境信息获取便利度EIP问卷

环境投诉处理效率ECTE问卷

政策干预监管力度环境监管覆盖率ERC环保部门

投入强度环保投入强度EII统计年鉴

绿色发展绿色产业占比GIC统计年鉴

附录B：地理加权回归（GWR）模型估计结果

变量常数项带宽标准化系数