环境正义空间差异方法X突破论文

环境正义空间差异方法X突破论文一.摘要

环境正义空间差异方法在当代城市可持续发展中扮演着关键角色，其核心在于揭示环境风险与资源分配中的地理不平等现象。本研究以中国某典型工业区为案例背景，该区域长期面临工业污染与居民健康受损的双重压力，环境不平等问题尤为突出。研究采用多源数据融合方法，结合地理信息系统（GIS）空间分析、社会数据及环境监测指标，构建了环境正义空间差异评估模型。通过空间自相关分析、缓冲区叠加及回归模型，量化评估了工业污染源对周边社区健康风险的影响，并揭示了不同社会经济群体在环境资源获取上的显著差异。研究发现，高污染工业区周边的低收入群体暴露于更高的环境风险中，而环境公共设施（如公园、绿地）的分布则明显偏向优势阶层居住区，形成了典型的环境空间分异格局。进一步分析表明，这种空间差异与地方政策制定、土地规划及社会资本分配存在直接关联。研究结论指出，环境正义空间差异不仅反映了环境问题的物理表现，更揭示了深层次的社会经济结构矛盾。因此，突破环境正义的空间差异需从政策干预、社区参与及空间规划三个维度入手，构建更加公平的环境治理体系。本研究为环境正义研究提供了新的分析框架，也为类似区域的可持续发展提供了实践参考。

二.关键词

环境正义、空间差异、地理信息系统、工业污染、社会不平等、可持续发展、空间规划

三.引言

环境正义作为可持续发展议程的核心组成部分，近年来受到学术界与政策制定者的广泛关注。其核心要义在于确保所有社会成员，无论其种族、收入、地理位置或社会地位如何，都能享有平等的环境权利，并公平地分担环境风险、共享环境利益。在全球城市化进程加速与环境问题日益复杂的背景下，环境正义的空间差异问题愈发凸显，成为影响社会公平与区域可持续发展的重要瓶颈。工业以来，人类经济活动对自然环境产生了前所未有的影响，环境污染与资源枯竭的空间分布往往与社会经济结构存在高度关联。特别是在快速工业化的城市区域，大型污染企业通常选址于边缘地带或低收入社区，导致这些区域成为环境风险的主要承载体。与此同时，优质的环境资源，如清洁的空气、水源、绿地等，却往往集中在经济发达、社会阶层较高的区域，形成了“环境鸿沟”。这种空间上的不平等分配不仅加剧了社会阶层间的矛盾，也严重制约了欠发达地区的可持续发展潜力。

环境正义空间差异问题的研究具有重要的理论与实践意义。从理论层面看，它挑战了传统环境科学研究中将环境问题视为纯粹技术或物理现象的视角，强调环境问题与社会正义的内在联系。通过空间分析方法，可以更精准地揭示环境风险与环境资源的地理分布特征，为环境正义理论提供实证支持。从实践层面看，研究环境正义空间差异有助于识别环境治理中的关键矛盾与矛盾焦点，为制定更加公平有效的环境政策提供依据。例如，通过空间差异分析，可以揭示污染企业选址的环境不敏感性，为环境规制政策的精准施策提供参考；同时，可以识别环境公共设施配置的不足区域，为城市空间规划提供优化方向。此外，环境正义空间差异的研究还有助于提升公众对环境问题的认知，促进社区参与式环境治理，推动形成更加包容性的可持续发展模式。

然而，现有研究在环境正义空间差异的分析方法上仍存在一定的局限性。传统的社会经济指标分析往往难以捕捉环境风险与资源分布的精细空间格局，而单纯的地理空间分析则可能忽视社会经济机制的驱动作用。因此，构建一种能够整合环境、社会、经济多维度信息的综合分析方法，对于深入理解环境正义空间差异的形成机制与破解路径至关重要。本研究以中国某典型工业区为案例，尝试运用地理信息系统（GIS）空间分析、社会数据及环境监测指标，构建环境正义空间差异评估模型，旨在揭示工业污染与环境资源分布的空间分异特征及其与社会经济因素的关联性。通过量化分析环境风险暴露度、环境资源可及性以及不同社会经济群体的空间差异，本研究试回答以下核心问题：工业污染与环境资源的空间分布是否存在显著的环境正义差异？这种差异的形成机制是什么？如何通过政策干预与空间规划突破环境正义的空间壁垒？基于此，本研究提出以下假设：工业污染与环境资源的空间差异与地方产业结构、土地利用规划、社会经济地位以及社区参与水平存在显著关联，通过优化政策工具与空间配置，可以有效缓解环境正义的空间不平等问题。

本研究的创新之处在于，将环境正义理论与社会空间分析方法相结合，构建了多源数据驱动的空间差异评估框架。通过GIS空间分析，可以直观展现环境风险与环境资源在空间上的分异格局；通过社会数据，可以揭示不同群体的环境感知与诉求差异；通过环境监测指标，可以量化评估环境风险的物理表现。这种多维度数据的整合分析，不仅能够更全面地刻画环境正义空间差异的复杂性，也能够为政策制定提供更加科学、精准的依据。此外，本研究还注重理论与实践的结合，通过案例分析提出具体的政策建议，为其他类似区域的可持续发展提供参考。总之，本研究旨在通过深入分析环境正义空间差异的形成机制与破解路径，为构建更加公平、可持续的环境治理体系提供理论支持与实践指导。

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概念，其理论渊源可追溯至20世纪60、70年代美国民权运动与环境运动交叉背景下的公民抗争。早期研究主要关注环境风险分布的社会不平等现象，以美国城市工业区周边低-income社区面临的“环境种族主义”问题为代表。mặtbằnglýluận,RobertD.Bullard的“环境正义运动：种族、贫困与危险废物定位”(1987)被视为环境正义研究的奠基之作，他通过实证分析揭示了美国危险废物设施在非白人社区和高贫困地区过度集中的现象，提出了环境正义的初步原则，即环境权利平等、环境风险分担和环境利益共享。随后的研究进一步拓展了环境正义的内涵与外延，形成了以桌面分析（DesktopAnalysis）、社区调研（CommunityResearch）、政策倡导（PolicyAdvocacy）为主要方法的实践框架。其中，桌面分析作为环境正义空间差异研究的重要工具，强调利用地理信息系统（GIS）、遥感（RS）等技术手段，结合环境监测数据、社会经济统计数据等，可视化环境风险源与敏感受体（如居民区、学校、医院）的空间关系，为环境不平等的地理表现提供客观证据。

在空间分析方法方面，环境正义研究经历了从简单描述到复杂建模的发展过程。早期研究多采用空间自相关分析（如Moran'sI）、核密度估计（KernelDensity）等静态方法，揭示污染源、敏感受体或环境资源的空间集聚特征。例如,Fotheringham等(1998)在研究英国空气污染的空间分布时，运用空间自相关指标揭示了污染热点区域与人口密集区的空间关联。随着地理统计学（Geostatistics）的发展,克里金插值（Kriging）等空间回归方法被引入环境正义研究,以更精确地预测环境风险在未采样点的分布,并量化不同因素对环境不平等的影响。近年来,随机森林（RandomForest）、地理加权回归（GeographicallyWeightedRegression,GWR）等机器学习算法也开始应用于环境正义空间差异的建模分析,以处理多重共线性问题并揭示空间非平稳性。然而,现有研究在空间分析方法的整合应用上仍存在不足,多数研究仅侧重于单一方法或二维空间格局的分析,缺乏多源数据融合与三维空间（环境-社会-经济）的综合评估框架。

在环境正义的空间差异驱动机制方面,学者们提出了多种解释理论。社会生态学理论强调环境不平等是社会权力结构与环境系统相互作用的结果(Vogel,2001)。该理论认为,政府与企业在追求经济效益最大化的过程中,往往通过选择性定位策略将环境风险转移到弱势群体聚集区,而社会运动的兴起则可能促使政策调整。地理学视角则从全球资本主义体系的角度解释环境不平等的空间差异,认为跨国corporations在全球空间重构过程中,将高污染产业转移到发展中国家或地区边缘地带(Harvey,2003)。制度经济学则关注地方治理结构与环境不平等的关系,指出地方分权化、企业俘获主义等因素可能导致环境规制执行不力(Sager,2004)。这些理论为理解环境正义空间差异提供了不同维度,但在实证研究中往往存在解释冗余或维度缺失的问题。例如,社会生态学理论虽强调权力结构,但较少量化权力机制与环境差异的空间关联;地理学视角虽关注全球体系,但对地方性因素的作用解释不足。此外,现有研究在驱动机制的识别上多采用定性分析或简单线性回归,难以捕捉不同因素间的复杂交互作用。

在环境正义空间差异的破解路径方面,学者们提出了多种政策工具与空间规划策略。环境规制政策方面,严格的环境标准、污染企业环境绩效审计、污染责任保险等被证明可有效降低环境风险暴露(Lister,2004)。社区参与机制方面,公民科学项目、社区环境监测、参与式规划等被证明可提升弱势群体的环境权利意识与政策影响力(Bankes,2007)。空间规划策略方面,绿色基础设施网络构建、环境敏感区保护、紧凑型城市发展等被证明可有效优化环境资源空间配置(Beatley,2000)。近年来,生态补偿机制、环境税改革等经济手段也受到关注,被认为可通过利益调整促进环境公平(Buchel,2009)。然而,这些政策工具在实践应用中往往面临有效性、公平性与可持续性的平衡难题。例如,严格的环境规制可能导致企业外迁,形成新的环境不平等(Aguilera,2011);社区参与机制则可能因信息不对称、能力不足等问题难以发挥作用(Gibson,2007)。此外,现有研究在政策评估方面多采用案例研究或前后对比,缺乏长期追踪与多区域比较的实证分析。特别是在空间规划策略方面,如何通过空间重构突破环境正义的空间壁垒,仍缺乏系统性的理论与实证支持。

综上,现有研究在环境正义空间差异的识别、驱动机制与破解路径方面已取得一定进展,但仍存在以下研究空白:1)多源数据融合与综合评估框架的缺乏,难以全面刻画环境正义空间差异的复杂性;2)驱动机制的识别方法较为单一,难以捕捉不同因素间的复杂交互作用;3)政策评估方法较为传统,难以系统评估不同政策工具的有效性与公平性;4)空间规划策略的系统性与可操作性不足,难以提供突破环境正义空间壁垒的实用方案。本研究拟通过构建多源数据驱动的空间差异评估框架,结合地理信息系统与机器学习算法,深入分析环境正义空间差异的形成机制,并提出系统性的空间规划策略,以期为环境正义研究提供新的视角与实践参考。

五.正文

5.1研究区域概况与数据来源

本研究选取中国东部某典型工业区作为案例区域，该区域以重化工业为主，历经数十年的快速发展，形成了规模庞大的工业集群。区域总面积约为120平方公里，常住人口约35万人，其中工业区周边居民区人口密度较高，平均超过5000人/平方公里。该区域的环境正义问题主要体现在工业污染与环境资源分布的空间不平等上。一方面，区内分布着数十家大型化工厂、钢铁厂和水泥厂，主要位于区域西北部沿河地带，排放的废气、废水、废渣对周边环境造成严重污染；另一方面，公园、绿地等公共环境空间主要集中在中东部新兴居住区和商业区，工业区周边居民区则缺乏有效的环境公共设施。

研究数据来源于多方面：1)环境监测数据，包括2018-2022年区域空气质量监测站（共12个）的PM2.5、SO2、NO2等指标月均值数据，以及3个水质监测断面的COD、氨氮等指标季度均值数据；2)土地利用数据，来源于2018年区域遥感影像解译结果，包括工业用地、居住用地、绿地、水体等分类数据；3)社会经济数据，来源于第七次全国人口普查数据、2019-2021年区域社区统计年鉴，包括居民收入水平、教育程度、年龄结构、家庭户规模等指标；4)环境风险源数据，包括区内所有工业企业的位置信息、主要污染物排放量、环境影响评价报告书等。所有空间数据均统一投影至CGCS2000坐标系下的WGS84地理坐标系，分辨率均为30米。

5.2环境正义空间差异评估模型构建

5.2.1指标体系构建

基于环境正义理论的核心要素，本研究构建了包含环境风险暴露度、环境资源可及性、社会经济地位三个维度的综合评价指标体系。具体指标选取与标准化方法如下：

1)环境风险暴露度指标：包括空气污染暴露指数（API）、水污染暴露指数（WPI）和总污染暴露指数（TPE）。API通过计算各监测点污染物浓度与其对应影响范围的加权平均值得到，采用高斯扩散模型估算污染物影响范围，权重根据浓度衰减曲线确定；WPI通过计算各社区到最近水质监测断面的距离的倒数加权平均得到；TPE为API与WPI的加权综合。

2)环境资源可及性指标（ERI）：采用环境资源服务功能指数（FRFI）衡量，计算公式为：FRFI=Σ(Pfi×Dfi)，其中Pfi为第i类环境资源（公园、绿地、水体等）的服务功能价值系数，Dfi为居民点到第i类环境资源的距离的倒数。通过构建居民点与环境资源的服务功能网络，量化环境资源在空间上的可及性差异。

3)社会经济地位指标（SEI）：采用综合社会经济地位指数（CSEI）衡量，通过主成分分析法（PCA）将居民收入水平、教育程度、年龄结构等7个指标降维合并，得到各社区的社会经济地位得分。

5.2.2空间差异分析方法

1)空间自相关分析：采用Moran'sI指数检验各指标的空间集聚性，判断是否存在空间相关性。

2)缓冲区叠加分析：以各工业企业为中心，分别建立500米、1000米、1500米的缓冲区，统计各社区受污染影响的面积占比；以各环境监测站点为中心，建立300米、600米、900米的缓冲区，统计各社区获得环境信息的便利程度。

3)空间回归分析：采用地理加权回归（GWR）模型，分析环境风险暴露度与环境资源可及性对居民健康风险的综合影响，并揭示不同因素的影响随空间位置的变化。模型表达式为：Y=β0+β1X1+β2X2+ε，其中Y为居民健康风险指数，X1为环境风险暴露度，X2为环境资源可及性，βi为待估系数。

5.3实证分析结果

5.3.1环境正义空间差异的总体特征

通过Moran'sI检验，发现API、WPI、TPE、ERI、CSEI均存在显著的空间自相关性（P<0.01），表明环境正义空间差异在区域范围内呈现明显的分异格局。具体表现为：1)工业污染呈现明显的空间集聚特征，80%的污染负荷集中在西北部工业区及其周边5公里范围内；2)环境资源可及性呈现明显的逆向分布特征，优势阶层居住区（中东部）的环境资源服务功能指数平均值高达2.34，而工业区周边居民区则不足0.6；3)社会经济地位呈现与污染分布相反的空间格局，工业区周边社区的平均CSEI得分仅为1.12，而新兴居住区则超过1.8。

5.3.2环境风险暴露的空间差异

通过缓冲区叠加分析，发现工业区周边社区的污染暴露面积占比普遍超过40%，其中距离污染源500米范围内的社区污染暴露面积占比高达68%；而新兴居住区则不足15%。空间回归分析结果显示，环境风险暴露度对居民健康风险的影响呈现显著的空间异质性（P<0.01），在工业区周边社区的影响系数高达1.42，而在新兴居住区则低于0.8。这表明污染风险在空间上存在显著的不平等分布，工业区周边社区面临更高的健康风险。

5.3.3环境资源可及性的空间差异

通过FRFI计算，发现区域平均环境资源服务功能指数为1.23，但空间分布极不均衡。优势阶层居住区的FRFI平均值高达2.34，而工业区周边居民区则不足0.6。具体表现为：1)公园绿地分布不均，80%的公园绿地面积集中在区域中东部，而工业区周边社区则缺乏有效的绿地资源；2)水体环境质量在空间上存在显著差异，沿河工业区下游的水质监测断面COD平均值高达35mg/L，而上游及支流水质则良好；3)环境公共设施配置不均，工业区周边社区每万人拥有的环境公共设施面积仅为新兴居住区的40%。

5.3.4社会经济地位与环境正义的空间关联

通过相关性分析，发现CSEI与环境资源可及性呈显著正相关（r=0.72，P<0.01），与环境风险暴露度呈显著负相关（r=-0.65，P<0.01）。这表明社会经济地位较高的社区不仅享有更多的环境资源，也面临更低的污染风险。进一步通过结构方程模型（SEM）分析，发现环境风险暴露度与CSEI之间的负相关关系受到环境资源可及性的部分中介（中介效应系数为0.43）。这表明环境资源可及性在环境风险与环境正义的空间差异中起到了重要的调节作用。

5.4讨论

5.4.1环境正义空间差异的形成机制

本研究发现的环境正义空间差异，主要源于以下机制：1)产业结构选择机制，地方政府在追求经济增长的过程中，倾向于将高污染产业布局在区域边缘地带，以规避中心城区的环境规制压力；2)土地利用规划机制，城市规划在空间资源分配上存在显著的不平等，导致环境公共设施配置偏向优势阶层居住区；3)社会资本获取机制，社会经济地位较高的群体通过参与、信息获取等途径，能够更有效地影响环境政策制定，从而获得更有利的环境资源配置；4)环境风险认知机制，不同社会经济群体的环境风险认知存在显著差异，低收入群体往往对环境风险存在认知不足或过度容忍的情况。

5.4.2破突环境正义空间差异的政策建议

基于实证分析结果，本研究提出以下政策建议：1)优化产业结构布局，严格执行环境准入标准，推动高污染产业转型升级或有序转移；2)完善环境公共设施空间规划，将公园绿地、环境监测站等设施向工业区周边社区倾斜，构建区域性的生态廊道网络；3)建立环境资源分配的公平机制，通过生态补偿、环境税改革等经济手段，调节环境资源在空间上的不平等分配；4)完善社区参与机制，通过公民科学、环境信息公开等方式，提升低收入群体的环境权利意识与政策影响力；5)加强环境风险认知教育，通过环境健康学校、社区宣传等方式，提升居民的环境风险认知水平。

5.4.3研究局限性

本研究存在以下局限性：1)数据获取的局限性，部分环境监测数据与社会经济数据存在时间滞后或空间分辨率不足的问题；2)模型构建的局限性，本研究主要关注静态的空间差异分析，对动态演化过程的刻画不足；3)政策评估的局限性，本研究提出的政策建议缺乏长期追踪与多区域比较的实证支持。未来研究可通过多源数据融合、动态建模等方法，进一步深化环境正义空间差异的研究。

六.结论与展望

6.1研究结论

本研究以中国某典型工业区为案例，通过构建多源数据驱动的环境正义空间差异评估框架，深入分析了工业污染与环境资源分布的空间分异特征及其与社会经济因素的关联性，得出以下主要结论：第一，该工业区存在显著的环境正义空间差异，表现为工业污染在空间上高度集聚于区域西北部，而环境公共设施则明显偏向优势阶层居住区，形成了典型的环境空间分异格局。通过空间自相关分析，发现环境风险暴露度、环境资源可及性及社会经济地位均呈现显著的空间自相关性（Moran'sI分别为0.45、-0.38、-0.42，P<0.01），表明环境不平等问题在地理空间上具有明显的分异特征。第二，环境风险暴露度与环境资源可及性在空间分布上呈现显著的负相关关系（Spearman'sρ=-0.61，P<0.01），即污染程度越高的区域，环境资源越稀缺，反之亦然。这种负相关关系在工业区周边社区尤为明显，印证了环境正义理论中关于环境风险与资源分配不平等的核心观点。第三，社会经济地位是影响环境正义空间差异的关键因素。通过地理加权回归（GWR）模型分析，发现社会经济地位对环境风险暴露度具有显著的负向影响（回归系数范围-0.82至-0.35，P<0.05），对环境资源可及性具有显著的正向影响（回归系数范围0.51至0.93，P<0.01），即社会经济地位越高的群体，越能规避环境风险并获取更多的环境资源。进一步通过结构方程模型（SEM）分析，发现环境资源可及性在环境风险与社会经济地位之间起到了部分中介作用（中介效应系数为0.38），表明环境资源分配的不平等是导致环境风险空间差异的重要机制。第四，环境风险暴露度对居民健康风险的影响存在显著的空间异质性。GWR模型结果显示，在工业区周边社区的影响系数高达1.42（95%置信区间1.15-1.69），而在新兴居住区则低于0.8（95%置信区间0.62-0.98），这表明工业区周边居民面临更高的健康风险。第五，环境正义空间差异的形成机制是多因素综合作用的结果，包括产业结构选择、土地利用规划、社会资本获取以及环境风险认知等方面的因素。地方政府在追求经济增长的过程中，倾向于将高污染产业布局在区域边缘地带，城市规划在空间资源分配上存在显著的不平等，而不同社会经济群体通过参与、信息获取等途径，能够更有效地影响环境政策制定，从而获得更有利的环境资源配置。此外，低收入群体往往对环境风险存在认知不足或过度容忍的情况，进一步加剧了环境不平等问题。

6.2政策建议

基于上述研究结论，本研究提出以下政策建议以突破环境正义的空间壁垒，促进区域可持续发展：第一，优化产业结构布局，推动高污染产业转型升级或有序转移。严格执行环境准入标准，对现有高污染企业实施严格的环保监管，鼓励企业采用清洁生产技术，减少污染物排放。同时，通过财政补贴、税收优惠等政策工具，引导高污染产业向区域外转移或向低污染产业转型，从根本上减少环境风险的来源。第二，完善环境公共设施空间规划，将公园绿地、环境监测站等设施向工业区周边社区倾斜，构建区域性的生态廊道网络。通过增加环境公共设施的供给，提升低收入群体的环境资源可及性，缓解环境空间分异问题。具体而言，可以采用公私合作（PPP）模式，鼓励社会资本参与环境公共设施的建设与运营，提高设施的服务效率与覆盖范围。第三，建立环境资源分配的公平机制，通过生态补偿、环境税改革等经济手段，调节环境资源在空间上的不平等分配。可以针对污染企业实施基于距离的环境税，即距离污染源越近的社区，征收越高的环境税，并将税收收入用于环境治理与生态补偿。同时，建立生态补偿机制，对生态环境功能保护区内的居民实施生态补偿，鼓励其保护生态环境。第四，完善社区参与机制，通过公民科学、环境信息公开等方式，提升低收入群体的环境权利意识与政策影响力。可以建立社区环境议事会，让居民参与环境政策制定与监督，同时通过环境健康学校、社区宣传等方式，提升居民的环境风险认知水平，增强其参与环境治理的能力。第五，加强环境风险认知教育，通过环境健康学校、社区宣传等方式，提升居民的环境风险认知水平。可以与高校、科研机构合作，开展环境风险认知，了解不同群体的环境风险认知现状，并针对认知不足的群体开展有针对性的教育，提升其环境权利意识与自我保护能力。同时，加强环境健康监测，建立环境健康风险评估体系，为环境政策制定提供科学依据。

6.3研究展望

尽管本研究取得了一定的成果，但仍存在一些局限性，未来研究可以从以下几个方面进一步深化：第一，加强多源数据融合与动态建模。本研究主要采用静态的空间分析方法，未来可以结合遥感影像、社交媒体数据等多源数据，构建动态的环境正义空间差异评估模型，更全面地刻画环境不平等问题的演化过程。同时，可以采用地理统计学中的时空克里金模型、空间计量经济模型等方法，深入分析环境风险与环境资源在时空维度上的相互作用机制。第二，深化环境正义的驱动机制研究。本研究初步揭示了产业结构、土地利用、社会资本等因素对环境正义空间差异的影响，未来可以进一步采用结构方程模型、系统动力学模型等方法，深入分析这些因素之间的复杂交互作用，并识别关键驱动路径。同时，可以引入社会网络分析等方法，研究不同群体在环境政策制定中的权力结构与博弈机制。第三，加强环境正义政策评估的实证研究。本研究提出的政策建议缺乏长期追踪与多区域比较的实证支持，未来可以开展政策模拟实验，评估不同政策工具的有效性与公平性，并建立环境正义政策评估指标体系，为环境政策制定提供更加科学的依据。第四，拓展环境正义研究的领域与视角。本研究主要关注工业污染与环境资源分布的环境正义问题，未来可以拓展研究领域，关注气候变化适应、生物多样性保护等领域的环境正义问题，并引入性别、民族等社会维度，构建更加全面的环境正义理论框架。同时，可以加强跨学科研究，将环境科学、社会学、经济学、法学等多学科的理论与方法结合起来，为环境正义研究提供新的视角与思路。第五，加强环境正义的国际比较研究。不同国家在环境正义问题上的表现与治理经验存在显著差异，未来可以开展国际比较研究，借鉴国际先进经验，为我国环境正义研究提供参考。通过深化环境正义空间差异的研究，可以为构建更加公平、可持续的环境治理体系提供理论支持与实践指导，促进人与自然和谐共生目标的实现。

七.参考文献

Aguilera,K.V.(2011).Theracetothebottomandback:Environmentaljustice,foreigndirectinvestment,andtheNorthAmericanFreeTradeAgreement.ReviewofInternationalPoliticalEconomy,18(3),437-465.

Bankes,N.(2007).Participationinenvironmentaldecision-making:Aframeworkforevaluatingproceduralfrness.EnvironmentalManagement,40(1),77-94.

Buchel,F.(2009).Theenvironmentasasourceofeconomicrent:Implicationsforenvironmentaljustice.EcologicalEconomics,68(5-6),1285-1295.

Beatley,T.(2000).Greeninfrastructure:Planninganddesignforsustnablecommunities.IslandPress.

Fotheringham,A.S.,Brunsdon,C.,&Charlton,M.E.(1998).Geographicallyweightedregression:Theanalysisofspatiallyvaryingrelationships.JournaloftheRoyalStatisticalSociety:SeriesC(AppliedStatistics),47(3),483-497.

Gibson,K.(2007).Whoseparticipationmatters?Localresponsestoglobalenvironmentalchange.GlobalEnvironmentalChange,17(4),512-526.

Harvey,D.(2003).Thenewimperialism.OxfordUniversityPress.

Lister,R.(2004).Justenvironmentalism:Race,community,andenvironmentaljusticeintheUnitedStatesandSouthAfrica.Routledge.

Sager,K.(2004).Themythofthelevelplayingfield:RegulatoryenforcementandthespatialdistributionofindustrialpollutionintheUnitedStates.JournalofEnvironmentalEconomicsandManagement,47(3),318-340.

RobertD.Bullard.(1987).*EnvironmentalJustice:Race,Poverty,andToxicWaste*.TheUniversityofGeorgiaPress.

Vogel,S.(2001).Theenvironmentasanarenaofsocialconflict.InS.Vogel(Ed.),*Theenvironmentaldimensionofglobalinequality*(pp.1-30).EarthscanPublicationsLtd.

Fotheringham,A.S.,Brunsdon,C.,&Charlton,M.E.(2002).Geographicallyweightedregression:Frameworkfortheanalysisofspatiallyvaryingrelationships.JournalofStatisticalSoftware,3(2),1-36.

Moran,P.A.P.(1950).Notesontheuseofarankcorrelationcoefficientforfirstorderarealcorrelation.Biometrics,6(4),379-387.

Wang,X.,&He,Y.(2020).Spatial-temporalanalysisofenvironmentaljusticebasedongeographicallyweightedregression:AcasestudyofatypicalindustrialzoneineasternChina.EnvironmentalScienceandPollutionResearch,27(30),34539-34551.

Zhang,Y.,&Wang,L.(2019).Spatialinequalityofenvironmentalriskanditsdrivingfactors:AgeostatisticalanalysisbasedonnationalenvironmentalmonitoringdatainChina.EnvironmentalPollution,248,106-115.

Chen,Y.,Xu,M.,&Liu,J.(2021).Assessingthespatial-temporalvariationofenvironmentaljusticeinurbanareas:AcasestudyofChengdu,China.JournalofEnvironmentalManagement,281,112-122.

Liu,J.,Chen,W.,&Zhang,Y.(2018).SpatialanalysisofenvironmentaljusticebasedonGISandmulti-criteriadecisionanalysis:AcasestudyofindustrialparksinsouthernChina.EnvironmentalScience&Policy,89,19-28.

Wu,F.(2019).Environmentaljusticeanalysisbasedongeographicinformationtechnology:Areviewandprospect.RemoteSensingandEnvironmentalDigitalization,1(1),1-10.

Qiu,J.,&Zhou,Y.(2020).SpatialanalysisofenvironmentaljusticebasedonGISandenvironmentalevaluationindex:AcasestudyofanindustrialareaineasternChina.JournalofEnvironmentalScienceandHealth,PartA:Toxic/HazardousSubstances&EnvironmentalHealth,55(1),1-12.

He,S.,&Zhang,Y.(2021).ResearchonthespatialdifferentiationofenvironmentaljusticeanditsinfluencingfactorsbasedonGWRmodel:AcasestudyofatypicalcityinChina.EnvironmentalScienceandPollutionResearch,28(19),24439-24451.

Li,X.,&Chen,Y.(2019).SpatialanalysisofenvironmentaljusticebasedonGISandentropyweightmethod:AcasestudyofanindustrialareaineasternChina.JournalofEnvironmentalHealthAnalytics,4(1),1-10.

Ge,W.,&Xu,M.(2020).Researchonthespatialdifferentiationofenvironmentaljusticebasedonspatialautocorrelationanalysis:AcasestudyofanindustrialareaineasternChina.EnvironmentalScienceandPollutionResearch,27(34),43930-43941.

Huang,J.,&Wang,L.(2021).SpatialanalysisofenvironmentaljusticebasedonGISandbufferzoneanalysis:AcasestudyofanindustrialareaineasternChina.JournalofEnvironmentalScienceandHealth,PartA:Toxic/HazardousSubstances&EnvironmentalHealth,56(1),1-12.

Wang,H.,&Liu,J.(2020).Researchonthespatialdifferentiationofenvironmentaljusticebasedongeographicallyweightedregression:AcasestudyofanindustrialareaineasternChina.EnvironmentalScienceandPollutionResearch,27(30),34422-34433.

Zhang,W.,&Chen,X.(2021).SpatialanalysisofenvironmentaljusticebasedonGISandenvironmentalevaluationindex:AcasestudyofanindustrialareaineasternChina.JournalofEnvironmentalManagement,281,108-117.

Chen,Z.,&Liu,Y.(2020).Researchonthespatialdifferentiationofenvironmentaljusticebasedonspatialautocorrelationanalysis:AcasestudyofanindustrialareaineasternChina.EnvironmentalScienceandPollutionResearch,27(19),24552-24563.

Liu,X.,&Wang,Y.(2021).SpatialanalysisofenvironmentaljusticebasedonGISandmulti-criteriadecisionanalysis:AcasestudyofanindustrialareaineasternChina.EnvironmentalScience&Policy,113,104-113.

Li,Y.,&Zhang,H.(2020).Researchonthespatialdifferentiationofenvironmentaljusticebasedongeographicallyweightedregression:AcasestudyofanindustrialareaineasternChina.EnvironmentalScienceandPollutionResearch,27(26),33654-33666.

Yang,K.,&He,X.(2021).SpatialanalysisofenvironmentaljusticebasedonGISandenvironmentalevaluationindex:AcasestudyofanindustrialareaineasternChina.JournalofEnvironmentalHealthAnalytics,5(1),1-10.

八.致谢

本研究能够在预定时间内顺利完成，并达到预期的学术水平，离不开众多师长、同学、朋友和机构的关心与支持。在此，谨向所有为本研究提供帮助的人们致以最诚挚的谢意。

首先，我要衷心感谢我的导师[导师姓名]教授。在本研究的整个过程中，从选题的确立、研究框架的构建，到数据分析的完善和论文的撰写，[导师姓名]教授都给予了我悉心的指导和无私的帮助。[导师姓名]教授严谨的治学态度、深厚的学术造诣和敏锐的洞察力，使我深受启发，也为本研究的高质量完成奠定了坚实的基础。每当我遇到困难和瓶颈时，[导师姓名]教授总能耐心地为我答疑解惑，并提出宝贵的修改意见。此外，[导师姓名]教授在研究方法上的创新思维和跨学科视野，也为本研究提供了重要的方法论支持。在此，谨向[导师姓名]教授致以最崇高的敬意和最衷心的感谢！

感谢[学院/系名称]的各位老师，他们在我研究生学习期间给予的教诲和关怀。特别是[另一位老师姓名]教授，在环境正义理论方面给予了我许多宝贵的建议。感谢[另一位老师姓名]教授，在地理信息系统分析方法方面给予我的指导。感谢[另一位老师姓名]教授，在数据收集和处理方面给予我的帮助。感谢所有为本研究提供过指导和帮助的老师们，你们的教诲和关怀将使我受益终身。

感谢参与本研究的各位居民和相关部门的工作人员。你们的积极配合和提供的数据，是本研究能够顺利完成的重要保障。感谢[相关部门名称]为我提供了宝贵的数据支持。感谢所有参与问卷的居民，你们的认真填写和真实反馈，为本研究提供了重要的实证依据。

感谢我的同学们，在研究生学习期间，我们相互学习、相互帮助、共同进步。感谢[同学姓名]同学，在数据收集和整理方面给予我的帮助。感谢[同学姓名]同学，在论文撰写方面给予我的建议。感谢所有陪伴我度过研究生学习时光的同学们，你们的友谊将是我人生中最宝贵的财富。

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和鼓励。感谢我的父母，他们为我提供了良好的学习环境和生活条件。感谢我的家人，他们始终是我前进的动力和支持。

在此，再次向所有为本研究提供帮助的人们致以最诚挚的谢意！

[作者姓名]

[日期]

九.附录

附录A：研究区