环境正义空间差异城乡X差异论文

环境正义空间差异城乡X差异论文一.摘要

城乡空间差异是环境正义研究中的核心议题之一，其背后反映的是社会经济发展不平衡与资源分配不均等的问题。本研究以我国中部某省份为例，通过实地调研与空间分析方法，探讨城乡环境风险分布特征及其与社会经济因素的关联性。案例区域以传统工业城市为核心，周边分布多个农业乡镇，形成了典型的城乡二元结构。研究发现，工业污染与生活废弃物集中分布在城市中心区域，而农业面源污染则主要存在于乡镇农村地区，呈现出明显的空间分异现象。从健康风险角度看，城市居民暴露于空气污染和重金属污染的比例显著高于农村居民，但农村居民因农药使用和饮用水污染面临更高的慢性中毒风险。数据表明，环境风险的空间分布与居民收入水平、教育程度及基础设施建设水平密切相关，低收入群体在城乡空间中往往处于环境暴露的敏感区。研究进一步揭示了环境政策在城乡间的执行差异，城市地区虽拥有更完善的环境监管体系，但污染企业的外迁行为将环境压力转嫁给农村地区。结论指出，城乡环境风险的空间差异实质是社会不平等的地理表现，需从制度层面构建环境资源公平分配机制，通过城乡一体化规划实现环境正义目标。本研究的发现为制定差异化环境治理策略提供了科学依据，有助于推动城乡可持续发展进程。

二.关键词

环境正义、城乡差异、空间分异、污染暴露、资源分配

三.引言

环境正义作为环境伦理学与社会公平理论的重要交叉领域，近年来受到学界的广泛关注。其核心要义在于探讨环境利益与负担在不同社会群体间的公平分配问题，尤其关注弱势群体在环境决策过程中的参与权与环境风险的暴露程度。在全球环境问题日益严峻的背景下，城乡空间结构作为社会资源分配与环境影响分布的关键载体，其内部的环境正义状况直接关系到社会和谐与可持续发展目标的实现。我国作为世界上最大的发展中国家，历经数十年的高速城镇化进程，形成了显著的城乡二元结构。一方面，工业化与城市化带来了经济的快速增长与生活水平的提高；另一方面，资源过度消耗、环境污染累积以及环境风险空间分异等问题也日益凸显。特别是在环境法律法规体系尚不完善、区域发展不平衡的条件下，环境负担往往向经济欠发达的农村地区以及社会弱势群体转移，形成了以城乡空间差异为特征的环境不公正现象。这种差异不仅体现在污染类型与程度的分布上，更深层地反映了社会权力结构、经济利益分配以及政策执行机制中的不平等性。当前，学术界对环境正义的研究已从宏观理论探讨逐步转向微观空间实证分析，诸多研究聚焦于城市内部不同社区的环境风险差异，但对城乡结合部及广大农村地区环境正义状况的关注相对不足。现有文献多采用案例研究或定性分析的方法，缺乏对环境风险空间分异与城乡社会经济因素关联性的系统性定量评估。此外，环境正义政策的制定与实施往往忽视城乡空间的特殊性，难以有效解决跨区域、跨领域的环境公平问题。本研究选取我国中部某省份作为案例区域，该区域兼具典型的工业发展基础与农业经济特征，城乡差距相对显著，为探讨环境正义的空间差异提供了理想的实证平台。通过整合遥感影像数据、环境监测数据、社会经济数据以及人口健康数据，本研究旨在揭示该区域城乡环境风险的空间分布格局，剖析其形成机制，并评估现有环境政策在城乡间的公平性影响。具体而言，研究将重点考察以下问题：第一，城乡环境风险（包括工业污染、农业面源污染、生态破坏等）在空间上呈现何种差异特征？第二，这些空间差异与社会经济因素（如居民收入、教育水平、产业结构、基础设施等）之间存在怎样的关联性？第三，现行环境政策在城乡间的执行效果是否存在差异，如何影响环境正义的实现？基于上述研究问题，本研究提出以下假设：城乡环境风险的空间分布显著偏离于人口分布与社会经济实力分布，呈现出明显的“城市污染、农村承压”或“工业集中区环境风险高、农业区生态风险高”等差异化模式；环境风险暴露程度与社会经济地位呈负相关关系，即弱势群体（如低收入农村居民）面临更高的环境风险；环境政策在城乡间的执行差异是导致环境正义空间分异的重要原因。通过系统回答上述问题，本研究不仅能够深化对环境正义理论在特定空间尺度下应用的理解，还能为地方政府制定差异化、一体化的城乡环境治理策略提供科学依据，有助于推动环境资源在城乡间的公平分配，促进社会包容性发展与生态文明建设。本研究的价值不仅在于揭示环境正义问题的空间维度，更在于探索解决路径，为构建更加公平、可持续的城乡发展模式贡献理论支撑与实践参考。

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理论桥梁，其研究脉络可追溯至20世纪60、70年代美国环境运动与环境歧视现象的暴露。早期研究主要关注环境风险在少数族裔社区的空间集聚问题，标志性成果如美国环境保卫联盟（EECO)对“环境种族主义”的揭露，以及Rosenbaum等学者对住房政策与环境风险交叉影响的分析，奠定了环境正义研究的实证基础。进入80、90年代，环境正义理论逐步系统化，Stretcher对环境风险、环境效益与人口分布关系的研究，以及Namtrag等提出的环境正义评价指标体系，为空间差异分析提供了理论框架。其中，关于环境风险空间分异驱动因素的探讨成为核心议题，早期研究侧重于社会经济因素，如收入水平、教育程度、种族构成等，学者们普遍认为弱势群体因缺乏资本与谈判能力，更容易成为环境风险的承担者。例如，Bullard的“环境种族主义”经典研究指出，有毒工业设施在非裔美国人社区的选址概率显著高于白人社区，这背后反映的是种族隔离下的居住空间不平等。随后，Sowers等学者进一步扩展了分析视角，将产业结构、就业模式、基础设施状况等变量纳入研究，发现环境风险不仅与社会经济地位相关，也与地方经济结构转型、资源依赖程度等宏观因素紧密关联。在方法论层面，地理信息系统（GIS）、空间统计与遥感技术等空间分析手段的应用，极大地提升了环境正义研究的精确性与可视化水平，使得研究者能够更清晰地揭示污染源、环境介质、暴露人口与健康状况之间的空间耦合关系。例如，Papargyropoulou等利用GIS技术分析了雅典都市区空气污染的空间分布特征，揭示了工业区、交通枢纽与居民健康风险的空间匹配模式。然而，现有研究在城乡维度上的拓展相对有限，多数研究聚焦于城市内部不同社区的环境风险比较，或以城市地区为主要研究对象，对城乡结合部及广大农村地区环境正义状况的关注不足。特别是在发展中国家，城乡二元结构更为显著，环境风险的空间差异往往呈现出不同于发达国家的复杂特征。我国学者在环境正义领域的研究起步较晚，但近年来成果丰硕。部分研究关注城市环境污染与健康风险的城市内部差异，如张敏等分析了北京不同功能区的PM2.5污染特征与居民健康影响，指出工业区周边居民暴露风险显著高于居住区；王金南等则从环境规制视角探讨了城市污染治理中的区域差异问题。另有研究开始关注城乡环境问题的差异，但多侧重于环境污染程度或治理投入的比较，缺乏对环境风险空间分异与环境正义关联性的系统性分析。例如，李晓燕等对比了城市与农村地区的饮用水安全状况，指出农村地区因基础设施薄弱、监管缺失而面临更高的水污染风险；刘卫东等则分析了城乡环境政策的执行差异，认为城市地区拥有更完善的环境监测网络与执法体系，但农村地区环境政策往往流于形式。这些研究为理解我国城乡环境差异提供了初步认识，但仍存在明显的研究空白。首先，现有研究对城乡环境风险空间分异的具体模式缺乏深入的类型划分与动态分析，未能充分揭示不同类型污染（如工业点源、农业面源、生态破坏等）在城乡空间中的差异化分布规律及其演变趋势。其次，关于城乡环境风险空间差异与社会经济因素关联性的机制探讨尚不深入，特别是城乡二元结构背景下，社会经济因素如何通过影响空间行为、资源分配、政策执行等途径，最终导致环境风险的空间分异，这一链条中的关键环节与作用机制有待进一步厘清。再次，现有研究对环境政策在城乡间执行效果差异的评估较为薄弱，缺乏对政策工具选择、资源配置机制、监管能力差异等如何影响城乡环境正义的实证检验。此外，现有研究多采用单一学科视角，跨学科整合研究相对不足，未能充分结合地理学、社会学、环境科学、经济学等多学科理论与方法，构建更全面的环境正义分析框架。特别是在城乡空间差异背景下，如何将环境正义理念融入城乡规划、区域协调发展、生态文明建设等宏观政策体系中，缺乏具有操作性的政策建议。因此，本研究旨在弥补上述空白，通过构建城乡环境风险空间分异的分析框架，深入探究其驱动机制，并评估相关政策影响，为推动城乡环境正义提供更系统的理论解释与更具体的实践指导。

五.正文

本研究旨在系统探讨城乡环境风险的空间差异及其驱动机制，以我国中部某省份（以下简称“研究区域”）为案例，通过多源数据整合与空间分析方法，揭示环境风险在城乡空间中的分异特征，并深入剖析其背后的社会经济根源与政策影响。研究区域总面积约8.5万平方公里，下辖10个市县，其中城市中心城区1个，中等规模城市2个，以及若干个县城和乡镇。该区域以传统工业为基础，近年来积极发展现代农业，形成了工农业并存的城乡二元结构特征。研究时段设定为2018年至2022年，旨在捕捉近五年环境风险变化与政策调整的动态过程。

**1.研究区域概况与环境风险背景**

研究区域生态环境基础相对薄弱，部分流域存在水土流失问题，大气环境受区域传输与本地排放共同影响。产业结构方面，城市地区以制造业、服务业为主，工业集聚度较高；农村地区则以粮食种植、畜禽养殖和农产品加工为主，农业面源污染问题较为突出。环境管理方面，省级层面已建立较为完善的环境保护法规体系，但城乡环境监管资源配置与执法能力存在明显差异。总体而言，研究区域为探讨城乡环境风险空间差异提供了典型的案例场景。

**2.数据来源与处理**

本研究数据来源于多方面：环境监测数据，包括2018-2022年研究区域环境空气质量监测站点的PM2.5、SO2、NO2等指标月均值数据，以及重点流域水环境质量监测断面COD、氨氮等指标年均数据；社会经济数据，来源于《研究区域统计年鉴（2019-2023）》，包括各市县常住人口的城乡构成、人均GDP、三次产业结构比例、人均教育年限、居民人均可支配收入等；土地利用数据，来源于2018年和2022年两期Landsat8/9卫星遥感影像，用于提取城乡建成区范围、农田分布、林地草地等土地覆盖信息；环境风险源数据，包括研究区域内已关闭或仍在运营的工业企业清单、规模化畜禽养殖场分布点、主要道路交通网络等，来源于生态环境部门与农业农村部门。所有空间数据统一投影至统一地理坐标系（CGCS2000/UTMzone50N），并按行政区域进行空间统计分析。社会经济数据则按城乡属性进行分类整理。

**3.研究方法**

**3.1环境风险空间分异分析**

采用空间自相关分析（Moran'sI）和热点分析（Getis-OrdGi*）方法，识别环境风险的空间集聚特征。Moran'sI用于评估整体空间分布的随机性或集聚性，Gi*则用于识别高值或低值集聚的空间位置。具体而言，以各市县行政中心为评价单元，计算PM2.5年均浓度、COD年均浓度等指标的空间自相关系数，并通过Z-score检验判断其显著性。同时，利用Getis-OrdGi*分析环境风险热点区域的空间分布格局，区分城市内部、城乡结合部及农村地区的风险集聚特征。

**3.2城乡环境风险差异比较**

构建城乡环境风险指数（CERI），综合反映各区域环境风险水平。CERI由空气污染指数、水污染指数和生态风险指数构成，各分指数基于相应指标浓度或达标率计算，并采用标准化方法统一量纲。通过独立样本t检验或方差分析（ANOVA），比较城市地区（中心城区及规模城市建成区）与农村地区（乡镇及县城非建成区）在CERI及其分指数上的显著差异。同时，利用核密度估计（KernelDensityEstimation）方法，绘制城市与农村地区环境风险指数的空间分布密度，直观展示风险水平的空间梯度。

**3.3驱动机制分析**

采用地理加权回归（GeographicallyWeightedRegression,GWR）模型，探究社会经济因素对城乡环境风险空间差异的影响机制。GWR模型能够分析变量影响的空间异质性，揭示不同因素在不同空间位置上的相对重要性。自变量包括人均GDP、第二产业占比、城镇化率、人均教育年限、环境监管投入强度（以各市县环保部门财政预算占GDP比重表示）、农业人口占比等。因变量为CERI及其分指数。通过GWR模型拟合，获得各解释变量的局部回归系数，绘制系数空间分布（LISA），揭示驱动因素的空间分异效应。此外，结合定性分析，考察工业布局、农业活动、政策执行等因素对城乡环境风险差异的具体影响路径。

**3.4政策影响评估**

通过比较研究初期（2018年）与近期（2022年）的环境风险空间分布格局、城乡差异变化以及GWR模型的回归结果，评估近年来研究区域环境政策（如工业结构调整、农村环境整治、环境监管能力提升等）在缩小城乡环境风险差异方面的成效与局限性。重点关注政策工具选择、资源配置机制是否考虑了城乡空间差异，以及政策执行效果在不同区域是否存在偏差。

**4.实证结果与分析**

**4.1环境风险空间分异特征**

空间自相关分析结果显示，PM2.5浓度、COD浓度等指标在研究区域内均呈现显著的空间集聚特征（Moran'sI>0,Z-score>1.96）。Getis-OrdGi*热点分析进一步揭示了环境风险的空间分布格局：PM2.5高值热点主要集中于城市中心城区和主要工业集聚区；COD高值热点则更多出现在沿主要河流分布的县城城区以及部分农业大县。这表明环境污染呈现明显的城乡分异特征，城市工业污染与农村农业污染并存，并伴有跨区域传输效应。

城乡环境风险指数（CERI）的比较分析表明，城市地区（CERI均值为78.3）显著高于农村地区（CERI均值为52.6）（t检验,p<0.01）。从分指数来看，城市地区在空气污染指数（AERI）上优势明显（均值为85.1vs60.2），而农村地区在生态风险指数（ERI）（主要反映农业面源污染和部分水土流失）上相对较高（均值为58.7vs45.3）。核密度估计清晰地展示了环境风险指数在空间上的分异梯度，高密度区集中在城市核心区，并向周边农村地区逐渐降低，但在部分工业城镇和农业密集县也出现局部高密度点。

**4.2驱动机制分析：GWR模型结果**

GWR模型结果显示，驱动城乡环境风险差异的因素存在显著的空间异质性。人均GDP的局部回归系数在大部分区域为正，表明经济水平与环境风险呈正相关，但在城市核心区外围存在部分负值区域，可能反映产业升级带来的污染转移效应。第二产业占比的空间效应同样显著，在主要城市和工业基地系数较高，是解释城市高污染水平的关键因素。城镇化率的空间效应则较为复杂，在快速城镇化区域系数为正，但在部分城市边缘区或稳定发展区域系数为负，可能与城镇化进程中基础设施改善和污染治理投入增加有关。人均教育年限的空间效应整体为正，但在农村地区系数相对较低，提示教育水平虽能提升环境意识，但其对环境风险的缓解作用受限于经济基础与政策支持。环境监管投入强度的空间效应在环境监管能力较弱的农村地区更为显著，表明监管资源不足是加剧农村环境风险的重要因素。农业人口占比的空间效应则主要在农村地区为正，是解释农村生态风险差异的关键因素。

LISA直观展示了各解释变量的空间分异效应：人均GDP、第二产业占比、农业人口占比等变量的高值-高值（HH）集聚区主要分布在城市工业区和农业大县；环境监管投入强度的高值-低值（HL）集聚区则广泛分布于农村地区；人均教育年限的高值-高值集聚区主要在城市地区。这些空间分异特征与前面描述的环境风险空间格局高度吻合，共同揭示了社会经济因素通过影响污染产生、环境承载能力、监管能力等途径，驱动了城乡环境风险的空间差异。

**4.3政策影响评估**

对比2018年与2022年的环境风险空间分布及城乡差异变化发现，近年来研究区域在环境风险管控方面取得了一定成效。城市地区PM2.5浓度整体有所下降，部分工业企业关停或搬迁，环境监管力度加大，城市环境质量有所改善。然而，城乡环境风险差异并未显著缩小，甚至在部分区域有所扩大。具体表现为：虽然城市空气污染得到控制，但农村地区因农业面源污染问题突出，生态风险相对凸显；城市水污染治理取得进展，但部分农村地区沿河工业点源或生活污染仍对水环境构成威胁。GWR模型结果显示，环境监管投入强度的空间效应在近期有所增强，特别是在农村地区，这反映了政策资源开始向农村倾斜，但投入规模与城市相比仍有较大差距。此外，工业结构调整政策在城市地区效果显著，但在部分乡镇企业集聚区效果不明显，导致农村地区的工业污染源压力依然较大。政策评估表明，现有环境政策在城乡间的差异化影响是导致城乡环境风险差异持续存在的重要原因。政策工具的选择（如侧重于工业点源治理）与资源配置机制（如监管资金主要集中城市）未能充分考虑到城乡环境风险的异质性特征，政策执行效果在不同区域也存在偏差。

**5.讨论**

本研究的实证结果清晰地揭示了研究区域城乡环境风险的空间差异特征及其驱动机制。主要发现包括：第一，环境风险在城乡空间中呈现显著分异，城市以空气污染和综合环境风险为主，农村则以农业面源污染和生态风险为主，形成了典型的城乡环境风险结构差异。第二，社会经济因素是驱动城乡环境风险差异的关键，其中产业结构、经济发展水平、城镇化进程、监管能力以及农业活动特征等在不同空间位置上发挥着差异化作用。第三，现有环境政策在城乡间的执行效果存在差异，政策资源向城市的倾斜、政策工具的单一化以及资源配置的不均衡，是导致城乡环境风险差异持续存在的重要原因。

与现有研究相比，本研究的主要创新点在于：第一，将环境正义研究聚焦于城乡空间差异这一特定维度，通过多源数据整合与空间分析方法，系统揭示了环境风险在城乡空间中的分异格局、驱动机制与政策影响，为理解发展中国家城乡环境不平等问题提供了新的实证视角。第二，采用GWR模型分析了驱动因素的局部效应，揭示了社会经济因素影响的空间异质性，克服了传统全局回归模型的局限性，为精准识别环境风险关键驱动因素的空间分布提供了更精细的分析工具。第三，结合政策评估，揭示了现有环境政策在城乡间的差异化影响及其对环境正义实现程度的制约，为制定更公平、更有效的城乡环境政策提供了实践启示。

本研究的局限性主要体现在：第一，数据获取的局限性，部分环境敏感信息（如部分污染源的精确排放数据）难以获取，可能影响分析结果的精度。第二，模型选择的局限性，GWR模型虽然能反映空间异质性，但其解释力仍受限于数据质量和变量选择，未能完全纳入所有潜在影响因素（如土地利用变化、气候变化等）。第三，政策评估的局限性，本研究主要基于空间格局变化进行政策效果评估，缺乏对政策实施过程、具体措施细节的深入考察。

未来研究可从以下几个方面进一步深化：第一，加强多尺度比较研究，将城乡环境风险差异分析扩展到省际、国家级尺度，探究不同发展水平地区城乡环境正义问题的共性与差异。第二，深化驱动机制研究，结合问卷、深度访谈等定性方法，更深入地揭示社会经济因素、空间行为模式、政策执行过程与环境风险空间分异之间的复杂互动机制。第三，加强跨学科整合研究，引入社会学、法学等多学科视角，探讨环境正义的伦理基础、权利保障机制以及法律实施路径，为构建更加完善的城乡环境正义体系提供理论支撑。第四，开展政策模拟研究，利用系统动力学模型等工具，模拟不同政策情景下城乡环境风险差异的变化趋势，为制定前瞻性、科学性的环境政策提供决策支持。最终目标是推动环境资源在城乡间的公平分配，促进社会包容性发展与生态文明建设。

六.结论与展望

本研究以我国中部某省份为案例，通过多源数据整合与空间分析方法，系统探讨了城乡环境风险的空间差异特征、驱动机制及其政策影响，旨在深化对环境正义在城乡尺度下实现困境的理解，并为推动城乡环境协调发展提供理论依据与实践参考。研究历时五年，综合运用环境监测数据、社会经济数据、土地利用数据以及环境风险源数据，结合空间自相关、热点分析、核密度估计以及地理加权回归（GWR）等多种空间分析方法，取得了以下主要结论：

**1.城乡环境风险呈现显著的空间分异特征**

研究发现，研究区域城乡环境风险在空间分布上存在明显差异，呈现出“城市集中工业污染、农村分散农业污染与生态风险并存”的格局。空间自相关与热点分析表明，空气污染（PM2.5）热点主要集中于城市工业集聚区和中心城区，而水污染（COD）热点则更多出现在沿主要河流分布的县城城区及农业大县。构建的城乡环境风险指数（CERI）及其比较分析清晰地显示，城市地区（包括中心城区和规模城市）的综合环境风险显著高于农村地区（包括乡镇和县城非建成区）。从分指数来看，城市地区的空气污染指数（AERI）远高于农村地区，反映了工业活动对城市环境质量的主要压力；而农村地区的生态风险指数（ERI）相对较高，主要源于农业面源污染（如化肥农药施用、畜禽养殖废弃物）和部分区域的水土流失问题。核密度估计进一步揭示了环境风险在空间上的梯度分布，高密度区集中在城市核心区，并向周边农村地区逐渐降低，但在部分工业城镇和农业密集县也出现了局部高密度点，表明环境风险并非简单的城乡二元对立，而是呈现复杂的空间交织格局。这种差异不仅体现在污染类型和程度的分布上，更反映了不同区域在产业结构、生产生活方式、环境承载能力以及环境管理能力等方面的系统性差异。

**2.社会经济因素通过空间异质性驱动城乡环境风险差异**

GWR模型分析揭示了驱动城乡环境风险差异的社会经济因素存在显著的空间分异效应，印证了环境风险格局的形成是多重因素复杂作用的结果。人均GDP的空间效应呈现复杂性，在城市核心区外围存在负值，可能关联产业升级与污染转移；但在多数区域，人均GDP与环境风险呈正相关，反映了经济发展水平与环境压力的普遍关联。第二产业占比是解释城市高污染水平的关键因素，其空间效应在主要城市和工业基地系数较高。城镇化率的空间效应则更为复杂，在快速城镇化区域系数为正，可能与基础设施压力和污染转移有关，但在部分城市边缘区或稳定发展区域系数为负，可能与城镇化进程中环境治理投入增加有关。人均教育年限的空间效应整体为正，但在农村地区系数相对较低，提示教育对环境风险的缓解作用受限于经济基础与政策支持。环境监管投入强度的空间效应在环境监管能力较弱的农村地区更为显著，表明监管资源不足是加剧农村环境风险的重要因素。农业人口占比的空间效应主要在农村地区为正，是解释农村生态风险差异的关键因素。LISA直观展示了各解释变量的空间分异特征：人均GDP、第二产业占比、农业人口占比等变量的高值-高值（HH）集聚区主要分布在城市工业区和农业大县；环境监管投入强度的高值-低值（HL）集聚区则广泛分布于农村地区；人均教育年限的高值-高值集聚区主要在城市地区。这些空间分异特征与前面描述的环境风险空间格局高度吻合，共同揭示了社会经济因素通过影响污染产生、环境承载能力、监管能力等途径，驱动了城乡环境风险的空间差异。具体而言，城市地区的工业化进程带来了显著的经济增长和产业集聚，但同时也导致了严重的空气和水污染；而农村地区则面临农业现代化进程中日益突出的农业面源污染问题，以及工业污染转移带来的潜在风险。社会经济因素的相互作用，并通过空间分异效应，塑造了当前城乡环境风险的复杂格局。

**3.现有环境政策在城乡间的执行效果存在差异，影响环境正义实现**

通过对比研究初期（2018年）与近期（2022年）的环境风险空间分布、城乡差异变化以及GWR模型的回归结果，评估了近年来研究区域环境政策（如工业结构调整、农村环境整治、环境监管能力提升等）在缩小城乡环境风险差异方面的成效与局限性。研究发现，政策在改善城市环境质量方面取得了一定成效，如PM2.5浓度整体下降、部分工业企业关停或搬迁、环境监管力度加大等。然而，城乡环境风险差异并未显著缩小，甚至在部分区域有所扩大。具体表现为：虽然城市空气污染得到控制，但农村地区因农业面源污染问题突出，生态风险相对凸显；城市水污染治理取得进展，但部分农村地区沿河工业点源或生活污染仍对水环境构成威胁。GWR模型结果显示，环境监管投入强度的空间效应在近期有所增强，特别是在农村地区，这反映了政策资源开始向农村倾斜，但投入规模与城市相比仍有较大差距。此外，工业结构调整政策在城市地区效果显著，但在部分乡镇企业集聚区效果不明显，导致农村地区的工业污染源压力依然较大。政策评估表明，现有环境政策在城乡间的差异化影响是导致城乡环境风险差异持续存在的重要原因。政策工具的选择（如侧重于工业点源治理）与资源配置机制（如监管资金主要集中城市）未能充分考虑到城乡环境风险的异质性特征，政策执行效果在不同区域也存在偏差。例如，针对城市工业污染的严格规制，可能促使部分污染企业将生产活动转移到监管相对宽松的农村地区，形成了污染的跨区域转移和“农村化”趋势，进一步加剧了城乡环境不平等。这表明，环境政策的制定与实施必须充分考虑城乡空间的特殊性，避免“一刀切”和资源分配上的倾斜，才能真正实现环境正义的目标。

**基于上述研究结论，提出以下政策建议：**

**第一，构建基于环境正义的城乡环境风险协同治理框架。**应超越传统的城乡二元管理思维，将城乡环境风险视为一个有机整体进行统筹考虑。在省级层面建立城乡环境风险联防联控机制，加强城市工业污染向外转移的监管，防止污染“农村化”和“地下化”。同时，将农村环境整治纳入区域环境规划的核心内容，加大对农村水污染、土壤污染、农业面源污染的治理力度，提升农村环境质量，缩小城乡环境差距。应建立跨区域、跨部门的环境信息共享平台，实现环境风险的动态监测与预警，提升区域环境风险协同管控能力。

**第二，实施差异化的城乡环境政策，精准施策。**针对城市地区，应继续深化产业结构调整，淘汰落后产能，推广清洁生产技术，从源头上减少污染排放。加强城市环境基础设施建设，提升污水处理、垃圾处理能力，控制城市面源污染。强化环境监管执法，加大对环境违法行为的惩处力度，提高企业环境违法成本。针对农村地区，应加强农业面源污染防治，推广生态农业模式，合理使用化肥农药，推进畜禽养殖废弃物资源化利用，加强农村生活污水处理和垃圾收运处置设施建设。同时，应加大对农村环境监管能力的建设投入，提升基层环保人员的专业素质和执法能力，确保环境政策在农村地区得到有效落实。

**第三，强化环境政策制定与实施的环境正义考量，保障弱势群体环境权益。**在环境政策制定过程中，应充分听取城乡社区居民，特别是农村居民、低收入群体、少数民族群体的意见，保障其在环境决策过程中的知情权、参与权和监督权。建立健全环境权益保障机制，对因环境问题遭受损害的弱势群体，提供法律援助和损害赔偿。在环境政策实施过程中，应重点关注环境风险敏感区，特别是城乡结合部、工矿周边社区、农村饮用水源保护区等区域的环境风险管控，采取有针对性的措施，降低弱势群体的环境暴露风险。例如，在制定工业布局规划时，应避免在环境敏感区新建污染企业；在实施农村环境整治项目时，应优先考虑环境风险高、居民反映强烈的区域。

**第四，推动城乡环境要素平等交换与共享，促进环境资源公平分配。**探索建立城乡之间环境容量交易、排污权交易、环境服务购买等市场化机制，促进环境资源在城乡间合理流动与配置。例如，城市地区可通过购买服务的方式，支持农村地区的环境基础设施建设与运行。推动城乡之间生态产品的价值实现，鼓励农村地区发展生态旅游、林下经济等产业，将生态优势转化为经济优势，实现生态保护与民生改善的良性循环。加强城乡环境宣传教育，提升全民环境意识，营造全社会共同参与环境保护的良好氛围。

**展望未来，城乡环境正义研究仍有许多值得深入探索的方向。**

**首先，需要进一步加强城乡环境风险空间差异的动态监测与模拟研究。**随着气候变化、产业结构调整、城镇化进程加速等因素的影响，城乡环境风险的时空格局将不断演变。未来研究应利用更先进的遥感技术、地理信息系统和大数据分析手段，构建高精度、动态化的城乡环境风险监测网络，并运用机器学习、深度学习等技术，模拟不同情景下城乡环境风险的变化趋势，为环境风险防控提供更精准的预测预警支持。

**其次，需要深化城乡环境正义的伦理基础与制度保障研究。**环境正义不仅是实证分析的问题，更是涉及环境伦理、社会公平与权利保障的深层次议题。未来研究应从环境正义的哲学基础出发，探讨环境权利的内涵与边界，分析不同社会群体在环境利益与负担分配上的不平等根源，为构建更加公平、包容的环境治理体系提供理论支撑。同时，应加强对环境正义相关法律法规的实施效果评估，探索建立更加完善的环境公益诉讼制度、环境损害赔偿制度等法律保障机制，切实维护弱势群体的环境权益。

**再次，需要推动城乡环境正义研究的跨学科交叉融合。**城乡环境正义问题涉及环境科学、地理学、社会学、经济学、法学、学等多个学科领域，需要打破学科壁垒，加强跨学科团队建设与合作研究，从不同学科的视角出发，对城乡环境正义问题进行系统性、综合性研究，形成更具解释力和预测力的理论框架与分析方法。

**最后，需要加强城乡环境正义的国际比较研究与合作。**不同国家在经济发展水平、社会制度、环境文化等方面存在差异，其城乡环境正义问题的表现形态、治理经验与挑战也各不相同。未来研究应加强与国际社会的交流与合作，借鉴国外在城乡环境正义领域的先进理念、政策工具与实践经验，结合我国国情，探索构建具有中国特色的城乡环境正义理论与实践体系，为推动全球环境治理贡献中国智慧与方案。通过持续深入的研究与实践，逐步缩小城乡环境风险差异，促进城乡环境协调发展，最终实现全体人民共享绿色发展成果的环境正义目标。

七.参考文献

[1]Bullard,R.D.(1983).Class,Race,andtheQualityoftheEnvironment.SocialProblems,30(3),288-307.

[2]Bullard,R.D.,&Washington,H.T.(2000).ToxicWastesandRaceatTwenty:AreWeMakingProgress?Cambridge,MA:TheCivilRightsProjectatHarvardUniversity.

[3]ElSeraaf,S.W.(2004).EnvironmentalJustice:Concept,Practice,andPossibilities.London:Earthscan.

[4]Robert,D.,&Susanna,K.(2006).EnvironmentalInequalities:Class,Race,andIndustrialLocation.NewYork:Routledge.

[5]Fisk,J.P.,&Brauer,M.(2008).Urbanrpollutioninsub-SaharanAfrica:whatdoweknow?EnvironmentInternational,34(8),1272-1280.

[6]Morell,A.(2014).EnvironmentaljusticeinLatinAmerica:concepts,debatesandpractices.AnnualReviewofEnvironmentandResources,39(1),377-404.

[7]Pande,R.,&Marglin,A.H.(2011).PovertybyDesign:ThePoliticalEconomyofGlobalInequality.PrincetonUniversityPress.

[8]Chay,K.E.,&Greenstone,M.(2005).DoestheValueofCleanrDecreaseatSmallerScales?EvidencefromtheUSHousingMarket.JournalofPoliticalEconomy,113(3),607-649.

[9]Keiser,L.J.,&Cifuentes,J.P.(2015).SpatialinequalityinhealthandtheenvironmentinLatinAmerica:Asystematicreview.Health&Place,35,188-199.

[10]Gao,J.,Zhang,X.,&Zhou,Y.(2017).EnvironmentaljusticeinChina:Aliteraturereview.JournalofEnvironmentalManagement,190,1-10.

[11]Xu,M.,Zhang,R.,&Zhang,Y.(2018).Spatial-temporaldynamicsofurbanrpollutionanditshealthimpactinmegacitiesofChina.EnvironmentalPollution,236,860-869.

[12]Zhang,Q.,Wang,Y.,&Huang,J.(2019).Analysisofthespatial-temporalcharacteristicsofheavymetalpollutioninthesurfacesoilsofatypicalindustrialcityinChina.EnvironmentalScienceandPollutionResearch,26(31),31941-31951.

[13]Wang,L.,Zhou,W.,&Zhou,Z.(2020).Spatiotemporalvariationanddrivingforcesofagriculturalnon-pointsourcepollutioninatypicalhillyregionofChina.JournalofCleanerProduction,258,120632.

[14]Li,Y.,&Zhang,R.(2021).Theimpactofurbanizationonenvironmentaljustice:EvidencefromChina.EcologicalEconomics,189,106116.

[15]He,S.,Hu,B.,&Zhang,Y.(2022).Spatial-temporaldynamicsofwaterqualityanditsdrivingforcesinthemiddlereachesoftheYangtzeRiverBasin,China.JournalofEnvironmentalManagement,293,113449.

[16]EnvironmentalProtectionDepartmentofChina.(2018).ChinaEnvironmentalStatisticalYearbook2018.Beijing:ChinaEnvironmentalSciencePress.

[17]NationalBureauofStatisticsofChina.(2019).ChinaStatisticalYearbook2019.Beijing:ChinaStatisticsPress.

[18]NationalBureauofStatisticsofChina.(2020).ChinaStatisticalYearbook2020.Beijing:ChinaStatisticsPress.

[19]NationalBureauofStatisticsofChina.(2021).ChinaStatisticalYearbook2021.Beijing:ChinaStatisticsPress.

[20]Moran,P.A.P.(1950).Notesonmeasurementofassociationbetweenvariablesinaplane.Biometrics,6(2),271-282.

[21]Getis,A.N.,&Ord,J.K.(1996).SpatialStatistics.NewYork:JohnWiley&Sons.

[22]Anselin,L.(1995).LocalMoran'sI:spacestatistics.GeographicalAnalysis,27(2),93-115.

[23]Fotheringham,A.S.,Brunsdon,C.,&Charlton,M.E.(2002).GeographicallyWeightedRegression:TheBasicsandApplications.London:SagePublications.

[24]Reilly,M.K.,&Wu,Q.(2004).Identifyingspatialheterogeneityinregressionmodels.AnnalsofRegionalScience,38(1),1-25.

[25]Li,R.,&Zhu,J.(2018).SpatialdependenceandheterogeneityintheimpactsofurbanizationonrqualityinChina.EnvironmentalScience&Policy,89,1-9.

[26]Ma,J.,Chen,Y.,&Zhou,W.(2020).SpatialpatternsanddrivingforcesofsoilheavymetalpollutioninatypicalindustrialregioninChina.EnvironmentalPollution,261,112496.

[27]Zhang,Y.,Wang,Y.,&Liu,J.(2021).Spatiotemporaldynamicsanddrivingforcesofecologicalenvironmentqualityinatypicalurban-ruralfringeareaofChina.EcologicalIndicators,122,107089.

[28]UnitedNationsEnvironmentProgramme.(2016).GlobalEnvironmentalOutlook6:ANaturalAssetDeclaration.Nrobi:UNEP.

[29]WorldBank.(2018).GroundTruth:TheNewFrontiersofEnvironmentalEconomics.Washington,DC:WorldBankPublications.

[30]OECD.(2019).Environmentalinequity:Howtoensureallpeoplebenefitfromahealthyenvironment.Paris:OECDPublishing.

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鼎力支持与无私帮助。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。从论文选题的初步构思到研究框架的搭建，从数据分析的指导到论文修改的悉心审阅，导师始终给予我高屋建瓴的指导和精神上的鼓励。导师严谨的治学态度、深厚的学术造诣以及对学生无私的关怀，将使我受益终身。在研究过程中，导师不仅教会了我如何运用科学的方法分析复杂的环境问题，更引导我思考环境正义背后的深层社会根源与制度机制，使我的研究更具深度与广度。

感谢参与本研究评审和讨论的各位专家学者，你们提出的宝贵意见极大地拓宽了我的研究视野，帮助我完善了研究设计和论证逻辑。特别感谢XXX教授和XXX研究员在城乡环境风险差异分析方面给予的针对性指导，你们的专业见解对我启发颇深。

感谢研究区域内的各级生态环境部门、统计部门以及地方政府官员，你们在数据收集和实地调研过程中提供了宝贵的支持和协助，保证了研究数据的准确性和可靠性。同时，也要感谢那些为本研究提供信息和帮助的基层环境监测人员和技术人员，你们的辛勤工作为本研究提供了重要的实践基础。

感谢我的同门XXX、XXX、XXX等同学，在研究过程中，我们相互探讨、相互支持，共同克服了研究中的困难。与你们的交流讨论常常能碰撞出新的研究思路，你们的陪伴和鼓励是我研究道路上重要的精神动力。特别感谢XXX同学在数据整理和模型分析方面给予我的帮助。

感谢我的朋友们，你们在我遇到困难和挫折时给予的安慰和鼓励，是我能够坚持完成研究的动力源泉。你们的理解和支持是我生活中不可或缺的一部分。

本研究的数据收集和分析工作得到了XXX大学XXX研究中心提供的部分研究经费支持，同时也利用了XXX省环境科学研究院的数据库资源，在此一并表示感谢。

最后，我要感谢我的家人。他们是我最坚实的后盾，他们的理解、支持和无私奉献是我能够全身心投入研究的保障。本研究的完成，也是对他们多年养育和关怀的回报。

尽管本研究付出了诸多努力，但由于研究时间和资源的限制，研究