缅甸民主改革以来政治冲突的时空分异与发展趋势分析

2012年缅甸民主改革以来，其国内外政治环境发生了重大变化，国内政治团体多样化趋势明显、政治环境复杂多变、政治冲突频发。基于此，以ACLED提供的缅甸政治冲突事件数据为研究基础，选取2010—2018年缅甸发生的政治冲突事件，运用空间统计分析和核密度分析方法，对缅甸政治冲突事件的时空演变进行分析，结果表明：缅甸政治冲突阶段性波动增长趋势显著，形成梯度集聚分布格局，呈现出以掸邦与克钦邦毗邻区、仰光、若开邦为核心的三级梯度集聚中心，并不断向周围扩散的空间演变趋势。近十年，整个演变过程由南向北逐渐转移，从东至西迅速扩散，以沿边、沿海集中向全国其他地区分散分布的态势。省邦尺度上政治冲突两极分化明显。同时，事件类型更为多样化，参与组织日趋复杂化。根据缅甸政治冲突的时空分异特征与发展趋势，今后“一带一路”倡议在缅建设及对缅投资时应当以都市区、缅族聚居区为核心，尽量避免高危地区，同时加强对缅地缘风险评估预警的研究，及时发布相关提醒，保障中资企业、相关部门和个体在缅开展交流合作中的安全。     

基于多源数据的南亚区域冲突及其烈度的时空变化

为揭示2011—2020年南亚区域冲突时空变化及烈度分布,基于武装冲突地点和事件数据库、全球恐怖主义数据库和乌普萨拉冲突数据库所收录的南亚的冲突数据,进行数据整合,采用核密度、空间自相关,空间热点探测分析等地理统计方法对南亚区域冲突及其烈度的时空特征进行分析。结果表明：2011—2020年,南亚区域冲突数量有所增长,但伤亡人数呈减小趋势;从空间看,区域冲突分布在“南亚外环”,聚集中心形成了“梯形”格局,克什米尔—信德省一线为梯形上底,达卡—切蒂斯格尔—泰米尔奈德—科伦坡一线为梯形下底;南亚区域冲突烈度分布范围先扩大后缩小,烈度热点先向俾路支省进行扩散,而后向东北方向和东南方向转移,于2020年形成了以克什米尔地区和切蒂斯格尔邦为中心的2个热点区域,无冷点聚集;南亚区域冲突受多方面因素影响,源头为认同差异,被国家行为体、民族分离组织、宗教极端组织等行为体推动,其中权力因素起主导作用,身份认同为难以解决的痼疾。     

1970-2015年中东地区恐怖袭击事件的时空特征分析

中东作为恐怖活动的多发区域，了解其恐怖袭击的时空特征对恐怖活动治理具有重要意义。基于GTD的恐怖袭击事件空间分布数据，运用GIS空间分析方法对中东地区1970—2015年袭击事件的时空特征进行了探索，研究发现：恐怖组织偏好在边境区域活动，超过50%的袭击事件发生在距边界15km的范围内，约80%的袭击事件位于距边界35km范围内；恐怖袭击重心呈现出一定的空间迁移特征，主要分布于伊拉克、叙利亚、黎巴嫩、巴勒斯坦、约旦和以色列等西亚地区，重心的变化与地区之间的武装冲突、战争等具有空间上的关联性；历年的恐怖袭击形成了涉及伊拉克、伊朗、土耳其、以色列、约旦河西岸和加沙地带、黎巴嫩和阿尔及利亚的三处主要集聚区，同时集聚区伴随时间推移发生变化，各时间段的主、次集聚区分布于12个国家与地区，且恐怖主义活动表现出愈发激烈的趋势；恐怖袭击总体上存在显著的空间相关性，在不同时间段内，“高-高”聚类地区具有一定的空间分异性，但恐怖袭击的空间集聚现象愈加明显。     

中东地区恐怖主义指数时空演变及其影响因素的时空异质性

恐怖主义指数是评判恐怖主义风险的重要指标,剖析中东地区恐怖主义指数时空演变及其影响因素的时空异质性,对推理与解析恐怖主义发展趋势及其成因的时空分异具有重要意义。基于GTD数据库,计算恐怖主义指数,对中东地区各国恐怖主义风险进行量化评估,并结合统计指标进一步分析该地区恐怖主义指数的时空演变特征,采用OLS、GWR和GTWR模型解析诸多因素对该地区恐怖主义指数的作用模式。研究表明：（1）1995年至2016年期间,中东地区大部分国家恐怖主义风险逐步提高,且恐怖主义风险表现出一定的空间扩散趋势。（2）相比于OLS模型及GWR模型,GTWR模型解释度及拟合效果均明显增高,说明时空效应对各类因素均存在一定的影响,即各影响因素对中东地区恐怖主义指数均表现为时空非平稳作用模式。（3）通过综合分析各模型回归结果,民族宗教因素为导致中东地区恐怖主义指数发生时空变化的主导因素。     

东南亚恐怖主义的时空演进及其网络关系

以全球恐怖主义数据库（GTD）的研究数据为基础,运用地学空间统计分析方法和社会网络分析方法,对2000－2018年东南亚发生的恐怖主义事件进行时空演变特征分析及其参与组织的社会网络关联解析,得出以下结论：1）东南亚恐怖主义发展态势呈现显著的阶段性波动增长,在空间上表现为明显的集聚性,由2000－2013年的两极集聚中心转变为2014－2018年的三级集聚中心。2）东南亚恐怖主义组织众多,恐怖组织类型复杂,各恐怖组织及独狼型恐怖主义之间通过情报、资源及人员交流等方式进行联系,形成了一个巨大的跨地区恐怖组织网络;以伊斯兰祈祷团（JI）为代表的东南亚恐怖组织在上个世纪90年代利用域外组织的支持建立了一个横跨多国、分工明确的4M活动网络,并利用此活动网络进行资金筹集、人员培训、策划活动等。3）东南亚恐怖主义迅速发展有其深层次原因,既有地区内部社会文化、政治环境和经济发展的影响,又有区域外恐怖主义势力的干预。     

江西省宗教场所时空格局及演变模式研究

基于江西省宗教场所数据,以市县作为基本研究单元,以佛教、基督教、道教和伊斯兰教为研究对象,综合运用传统数理统计方法、ESDA以及空间分析方法,对江西省主要宗教场所的时空演变进行分析并总结出宗教发展阶段演变模式。结果表明:建国后特别是改革开放以来,江西省宗教在时间和空间上发展皆不均衡,时间上表现为改革开放以来四大宗教场所总量攀升,佛教数量增加最为明显,基督教增长速率最快,佛教和基督教在空间呈现正的相关性,并形成集聚趋势;空间上,优势宗教的区域空间格局变化明显,优势宗教在空间分布较为分散,并且形成多种优势宗教共同占优区域,同时四大宗教密集区从南往北扩散形成南北带状分布;宗教发展阶段演变模式表明宗教的发展演变有其内部动力机制,并受到诸多因素的影响,宗教之间的竞争融合和相互制衡使宗教的发展演变经历宗教离散阶段、优势宗教集聚阶段并最终形成宗教大融合。     

基于恐袭数据的“一带一路”沿线国家安全态势及时空演变分析

依据全球恐怖主义数据库,选取恐怖袭击事件总起数、恐怖袭击死亡人数、恐怖袭击受伤人数、恐怖袭击财产损失程度4项指标构建国家安全态势评价指标体系,运用标准差椭圆和核密度估计法对1970~2017年“一带一路”沿线国家安全态势时空演化特征进行分析。研究表明：① 在时间上,从1970~2017年“一带一路”沿线国家安全态势日益严峻,阶段性特征显著,共经历了“兴起-活跃-回落”3个阶段;② 在空间上,国家安全态势标准差椭圆向北偏西方向移动,重心转移路径为西亚北非地区-南亚地区-西亚北非地区;“9·11”事件发生前后空间特征呈现由三大“恐怖主义活跃区域”和1个“U型恐怖主义潜伏圈”向两大“动荡核心圈”和3个“动荡次中心”的转化。     

高级科学人才集聚成长的时空格局演化及其驱动机制——基于中国科学院院士的典型分析

以中国科学院1192 名院士为典型群体, 运用基尼系数、集中化指数和空间自相关识别和剖析了高级科学人才成长的时空规律及其演化机制。结果表明:① 中科院院士国内籍贯或出生地、国内最高学历(位)获取地和国内长期工作地, 在东中西3 大地带均呈现出较强的不平衡性;② 自20 世纪50 年代以来, 中科院院士在上述3 地的大部分省域表现出地理空间上显著的正的空间自相关性, 其国内籍贯或出生地、国内最高学历(位)获取地和国内长期工作地均呈现出集聚逐渐弱化的空间演化态势;③ 中科院院士在上述3 地带的HH集聚省域数量随年代推进分别呈现出先增后减、变化不大和逐渐增加态势, 主要分布于中国东部沿海省域及其邻近省域;④ 从20 世纪50 年代至今, 中科院院士在上述3 地带时空格局演化跃迁较多的是类型Ⅳ(省域本身及其邻居均保持了相同水平), 近半省域表现出了空间上的连续稳定性, 而类型Ⅰ、Ⅱ和Ⅲ在数量上也有所差异, 且存在部分省域跃迁明显的现象;⑤自然环境、经济基础、政治环境和文化教育的差异和变化不同程度的影响着中科院院士的总体空间分布和时空格局演化。     

长江经济带创新产出的空间特征和时空演化

本文以县(市、区)作为空间分析单元,以专利授权量作为创新产出指标,对1986-2014年长江经济带853个县域创新产出的时空特征进行ESDA分析。结果发现：①长江经济带创新产出的绝对差异在2001年前增长缓慢,其后增长迅猛,2012年后开始降低;相对差异呈现“增加—缩小—缓慢增加—缩小”的态势,其年度空间关联性呈增长趋势;②长江经济带创新产出县域分布呈现出分散、集中、相对集中扩散的态势,创新产出较高的县(市、区)为长三角地区地级市区、经济发达县(市、区)以及中西部地区省会城市市区;③显著空间关联类型总体格局稳定,局部变化明显,县(市、区)显著空间的关联类型以正相关类型为主,显著低低集聚关联类型占主导地位,低低集聚地区主要在西部地区,且有向中部扩展的态势;④长江经济带创新产出空间格局演变过程中,科技创新资源禀赋、教育水平与研发投入、技术溢出与扩散、政策与制度因素的作用较为显著。     

中国经济发展阶段及其时空格局演变特征

地级行政单元在中国经济发展中扮演着越来越重要的角色,是落实区域发展战略和相关政策的重要空间依托。现有研究中缺乏针对中国地级行政单元经济发展阶段及其时空格局演变的实证研究。本文在对经济发展阶段划分标准进行辨析的基础上,从全国和地级两个层面对中国经济发展的阶段性及其时空特征进行系统分析,并通过Global Moran’s I指数和Getis-Ord Gi*指数探讨了中国经济发展的空间演变规律。研究发现:①总体而言,中国经济发展一直处于相对的集聚状态,自1990年到2010年由初级产品生产阶段进入工业化的中期阶段,经济发展格局呈现出"均衡—不均衡—逐步均衡"的演变特征。②中国经济发展呈现出明显的由沿海向内陆地区推进的总体趋势,中西部发展水平较高的城市主要是区域性中心城市和资源富集型城市两种类型。③中国经济发展的热点区域呈现出"北移西进"的态势,东部沿海地区空间联动发展的效应有所减弱,呈现出"南上北下"的趋势,中西部地区城市仍以单体式发展为主,区域带动效应较弱,联动发展态势不明显。④从时间趋势来看,虽然全国经济发展出现了放缓的趋势,但中西部地区的经济增速却快速提高,已经明显高于沿海地区。⑤资源富集地区是中西部经济增长的热点地区,采用人均GDP单一指标测算的部分资源富集地区的经济发展阶段存在"虚高化"的特征,资源大规模集中开发带动经济总量迅速膨胀的同时,却掩盖了背后的经济结构失调和社会发展滞后等诸多问题,应引起决策者和学术界的持续关注。     

INCIDENTS OF TERRORISM IN THE UNITED STATES, 1997–2005

ABSTRACT. The geography of terrorism remains underexplored. By focusing on the spatial patterns of terrorist attacks, the settings and land uses in which attacks occur, and the methods used to perpetrate violence, this analysis helps build a theory of terrorism geography. Between 1 January 1997 and 11 September 2005, 178 terrorist incidents occurred in the United States. Analysis of these incidents suggests three insights. At the national scale, terrorism in the United States clustered in large urban areas, with regional differentiation of terrorist motives and targets. At the scale of individual attack sites, terrorist motivations pinpointed offices, clinics, and public spaces; right‐wing violence, military, government, and infrastructural targets; and religious terrorism, commercial and special land uses. At the scale of individual interactions, terrorists crossed paths with victims in various ways. For example, the 2001 anthrax‐attack letters and lone‐wolf terrorism created alternative intersections of perpetrators with victims.     

南美洲恐怖袭击事件时空演变研究

采用核密度估计法和重心分析对1970—2017年南美洲恐怖袭击事件时空演变过程进行了分析。结果表明：1980—1999年是南美洲恐怖袭击事件的高发期;南美洲恐怖袭击事件空间分异显著,1970—1979年主要集中于哥伦比亚和阿根廷,高发期主要集中分布于哥伦比亚、秘鲁、智利,2000年以来主要集中分布于哥伦比亚,近年委内瑞拉、巴拉圭的恐怖袭击活动也有抬头之势。南美洲恐怖袭击事件的时空演变是由地理环境、地缘政治博弈、经济社会环境、毒品贸易、政府的应对策略和社会控制体系、武器易获得、边界管控等多因素综合作用的结果。基于上述结论和维护中国在南美洲利益的需要,提出中国应加强与南美洲国家的反恐合作。受南美洲恐怖袭击活动有跨境渗透现象且呈现“毒恐合流”现象的启示,认为中国应警惕东南亚恐怖袭击活动是否会向境内渗透并向“毒恐合流”方向发展。     

多尺度视角下的印度地缘环境解析及对中国的启示

在中国和印度共同崛起的背景下,随着中国“向西开放”和“一带一路”倡议的推进,中国与印度的地缘竞争日益激烈。加强对印度地缘环境解构有助于中国更好地识别地缘风险和制定有效的地缘策略。本文从地理环境、国家的地缘政治想象、地缘关系环境三个方面,从全球、区域和国家内部三个尺度来解构印度的地缘环境,并论证了印度如何在其地缘环境的基础上制定并实施本国的地缘战略：（1）在全球尺度上,凭借印度洋的地缘优势,印度建构了以印度洋为基础的全球地缘战略,追求“有声有色”的大国地位;（2）在区域尺度上,印度凭借地理结构、体量、权力和影响力的优势,构建了邻国优先和防止域外大国干涉的区域战略,谋求南亚领导地位;（3）在国家内部尺度上,印度的国家实力被内部的多样性（包括种姓制度、宗教矛盾、地方主义、党派斗争等）所肢解,如何加强统一的国家认同是印度面临的极大挑战。根据印度地缘环境的特点和中印的权力对比情况,从中国国家利益的角度出发,在南亚和印度洋地区,中国作为权力弱势方,应该加强与印度的利益共同体建构、加强区域内合作、区域互联互通和一体化建设、增强区域内的话语权和合法性;在中印边境区,中国作为权力的强势方,应该加强边境管理、防止域外势力干涉。     

Early Detection of Terrorism Outbreaks Using Prospective Space–Time Scan Statistics

Terrorism is a complex phenomenon with high uncertainty involving a myriad of dynamic known and unknown factors. It is and will remain a challenge to predict or detect terrorism outbreaks at an early stage. This research presents an alternative approach for modeling terrorism activity, one that monitors and detects space–time clusters of terrorist incidents using prospective space–time scan statistics. Such clusters provide indicators of potential outbreaks of terrorist incidents. To evaluate the effectiveness of the approach, we analyze the terrorist incidents in the Consortium for the Study of Terrorism and Responses to Terrorism's (START) Global Terrorism Database (GTD) from 1998 to 2004. Clusters of terrorist events are detected at each time stamp and life trajectories of these clusters are constructed based on their space–time relationship to each other. Through the life trajectories and trends of clusters, we demonstrate how space–time scan statistics detect terrorism outbreaks at an early stage.     

荷兰国土空间规划及对中国主题功能区规划的启示

荷兰国土空间规划历史悠久,特点宣明,在欧洲乃至世界独树一帜,其规划思想和追求的生态理念对世界规划产生深远影响。荷兰人多地少,人均用地极为紧张,如何利用国土空间规划有效利用土地资源是国家发展诉求,这与中国国情相似,因此荷兰国土空间规划经验值得学习和借鉴。为此,从荷兰国土空间规划的背景人手,对历次规划的内容和目标作了梳理和分析,并展现其编制的具体程序,并对规划的实施协调机制和保障政策作了详细介绍和思考,最后提出可以从规划理念和思路,协调机制和实施政策,内容调整和规划方法,规划体系和公众参与4个方面参考和借鉴荷兰经验,从而完善和优化中国主题功能区规划。     

UK-based terrorists' antecedent behavior: A spatial and temporal analysis

Background and purposeTerrorism is a real and present danger. The build-up to an attack includes planning, travel, and reconnaissance which necessarily require the offender to move through their environment. Whilst research has examined patterns of terrorist attack locations, with a few exceptions (e.g. Rossmo & Harries, 2011), it has not examined the spatial behavior of the terrorists themselves. In this paper, we investigate whether the spatial mobility patterns of terrorists resemble those of criminals (and the wider population) and if these change in the run up to their attacks.MethodUsing mobile phone data records for the ringleaders of four different UK-based terrorist plots in the months leading up to their attacks, we examine the frequency with which terrorists visit different locations, how far they travel from key anchor points such as their home, the distance between sequential cell-site hits and how their range of movement varies as the planned time to attack approaches.ConclusionsLike the wider population (and criminals), the sample of terrorists examined exhibited predictable patterns of spatial behavior. Most movements were close to their home location or safe house, and they visited a relatively small number of locations most of the time. Disaggregating these patterns over time provided mixed evidence regarding the way in which their spatial activity changed as the time to the planned attack approached. The findings are interpreted in terms of how they inform criminological understanding of the spatial behavior of terrorists, and the implications for law enforcement.     

Spatio-temporal evolution of population and urbanization in the countries along the Belt and Road 1950–2050

This paper uses data for the period 1950–2050 compiled by the United Nations Population Division together with methods including spatial autocorrelation analysis, hierarchical cluster analysis and the standard deviational ellipse, to analyze the spatio-temporal evolution of population and urbanization in the 75 countries located along the routes of the Silk Road Economic Belt and the 21st-century Maritime Silk Road, to identify future population growth and urbanization hotspots. The results reveal the following: First, in 2015, the majority of Belt and Road countries in Europe, South Asia and Southeast Asia had high population densities, whereas most countries in Central Asia, North Africa and West Asia, as well as Russia and Mongolia, had low population densities; the majority of countries in South Asia, Southeast Asia, Central Asia, West Asia and North Africa had rapid population growth, whereas many countries in Europe had negative population growth; and five Belt and Road countries are in the initial stage of urbanization, 44 countries are in the acceleration stage of urbanization, and 26 are in the terminal stage of urbanization. Second, in the century from 1950 to 2050, the mean center of the study area’s population is consistently located in the border region between India and China. Prior to 2000, the trajectory of the mean center was from northwest to southeast, but from 2000 it is on a southward trajectory, as the population of the study area becomes more concentrated. Future population growth hotspots are predicted to be in South Asia, West Asia and Southeast Asia, and hotspot countries for the period 2015–2030 include India, China, Pakistan and Indonesia, though China will move into negative population growth after 2030. Third, the overall urban population of Belt and Road countries increased from 22% in 1950 to 49% in 2015, and it is expected to gradually catch up with the world average, reaching 64% in 2050. The different levels of urbanization in different countries display significant spatial dependency, and in the hundred-year period under consideration, this dependency increases before eventually weakening. Fourth, between 2015 and 2030, urban population hotspots will include Thailand, China, Laos and Albania, while Kuwait, Cyprus, Qatar and Estonia will be urban “coldspots.” Fifth, there were 293 cities with populations over 1 million located along the Belt and Road in 2015, but that number is expected to increase to 377 by 2030. Of those, 43 will be in China, with many of the others located in India, Indonesia and the eastern Mediterranean.