综述：面向环境正义的城郊公园规划与治理——基于机器学习与文献计量的综合研究

《Urban Forestry & Urban Greening》：Planning and governance of peri-urban parks for environmental justice: A synthesis using machine-learning and bibliometric analysis

　　本综述创新性地融合机器学习与文献计量方法，系统梳理了2005-2024年间99篇实证研究，首次从分配性正义（distributional justice）、程序性正义（procedural justice）和承认性正义（recognitional justice）三维度解析城郊公园（PUPs）的环境正义（environmental justice）研究谱系。研究发现全球南方国家正成为新兴研究阵地，强调需通过跨尺度治理破解行政模糊性（administrative ambiguities），为通过PUPs规划推动社会公平提供理论支撑与实践路径。

　　

环境正义的理论演进

环境正义理论已从单一的空间资源分配问题，发展为包含三维度的综合框架。分配性正义关注环境效益与负担的空间分布公平性，是环境正义的物质基础；程序性正义强调决策参与的包容性，确保边缘群体在城郊公园（PUPs）规划中拥有话语权；承认性正义则涉及文化认同与身份尊重，要求承认不同社会群体与自然环境的多元互动关系。这三者共同构成了分析PUPs环境正义问题的理论透镜。

研究方法与数据特征

本研究采用文献计量与机器学习相结合的分析路径。数据来源于Web of Science（WoS）核心合集的99篇文献（2005-2024年）。分析显示该领域研究呈现明显阶段性：2005-2014年为萌芽期（年均不足3篇），2015年后进入快速增长期，特别是2020-2024年间发文量占比超半数，反映学界对PUPs环境正义议题的关注度显著提升。

空间格局与研究热点演变

研究发现具有鲜明的地域特征：发达国家（如美国）研究起步早，侧重制度分析；而中国、巴西等全球南方国家因快速城郊化（peri-urbanization）带来的社会分异与环境压力，正成为新兴研究热区。研究主题从早期聚焦绿地可达性（distributional justice）逐步拓展至参与机制（procedural justice）和文化认同（recognitional justice），体现研究维度的深化。

城郊公园的正义困境

PUPs因其边缘区位、行政模糊性（administrative ambiguities）和碎片化治理，更易引发环境正义问题。一方面，其大规模自然禀赋可弥补城市核心区绿地不足，促进分配正义；另一方面，交通壁垒、管理权责交叉往往导致弱势群体可达性受限、参与渠道缺失，形成"邻近却不可达"的正义悖论。

未来展望与实践启示

未来研究需加强跨尺度治理机制创新，探索数字化技术（如大数据分析）在PUPs规划中的应用。实践层面应构建多元主体协同框架，将三维正义理念嵌入PUPs全流程治理，使其真正成为促进社会公平的空间载体。该综述为通过景观规划推动环境正义提供了理论基准与实践路线图。