Spatiotemporal evolution of urban theft crimes and mechanism in the context of regular COVID-19 pandemic prevention and control: A case study of Haining,Zhejiang北大核心CSCD

新冠疫情的爆发会对区域内犯罪数量产生显著影响。然而,常态化疫情防控是否显著改变了犯罪空间分布格局,仍然有待进一步的实证检验。论文选择始终采取常态化疫情防控措施的浙江海宁市中心城区,采用标准差椭圆、核密度估计方法,对2018年2月—2021年7月城市盗窃犯罪的时空格局演变特征及其机理进行研究。结果表明:(1)新冠疫情爆发后,研究区内盗窃犯罪月均数量较疫情前降幅达53%,并持续在100~200起之间波动,而其日内分布模式却没有明显变化;(2)2020年2月—2021年7月,研究区内盗窃犯罪热点较疫情前有明显减弱、减少,且其犯罪空间分布格局较为稳定;(3)针对疫情前的12个典型犯罪热点区域,其月均犯罪数量在疫情后的降幅在52%~78%之间,其分季度的时间演变模式存在明显差异;(4)根据日常活动理论和犯罪三角理论,常态化疫情防控中有7类具体措施可对各区域的犯罪产生较大影响。研究结果对于理解重大突发公共卫生事件下的犯罪空间演变规律和制定科学的犯罪防控策略均具有重要参考价值。     

我国COVID-19疫情时空演变特征研究——基于314个城市329天面板数据

基于2020年1月24日至12月18日我国314个城市的COVID-19现存确诊数、累计确诊数等统计数据,采用地理数据探索、新兴时空热点分析、空间马尔科夫链、动态面板数据空间杜宾模型等方法分析了COVID-19疫情的时空变化特征。研究发现:我国COVID-19疫情大致划分为大规模快速爆发期、全国严格防控期、全国抑制期、局部复发期、常态化防疫期5个阶段,绝大部分城市的疫情变化特征与全国总体情况类似;新兴时空热点方法识别出4种类型共124个疫情冷热点,其中增强热点24个、振荡热点27个、持续冷点16个、渐少的冷点57个;疫情热点主要分布于中东部地区特别是湖北周边区域,疫情冷点主要分布于西南、西北及东北地区;各城市现存确诊人数的马尔科夫链转移概率矩阵分析结果显示,各种类型维持现状的概率大于0. 893,向下转移的平均概率明显高于向上转移的概率,在不同空间滞后类型的影响下各类型转移概率发生明显变化;动态面板空间杜宾模型估计结果显示314个城市现存确诊数具有显著的时空自相关性且不同阶段有明显差异。     

新型冠状病毒肺炎疫情公众关注度的时空差异与影响因素——基于百度搜索指数的分析

公众关注作为疫情防控与舆情治理的重要环节,其时空差异与影响因素却鲜见被讨论。因此,文章将百度搜索指数作为网络公众关注度的测量指标,采用百度人口流动大数据和疫情实时监测数据,运用空间分析、时空可视化、回归分析等方法,分析2020-01-09—03-02中国公众对"新型冠状病毒"网络关注度的省域时空差异与影响因素。研究发现:1)在空间上,公众对疫情的关注度东、西部差异较大,沿海高于内陆,且与疫情高发区吻合;在时间上,武汉"封城"前后各省份的公众关注度分布格局基本趋于一致,且"封城"后均明显高于"封城"前;春节期间关注度达到最高峰,而后随疫情周期性规律(潜伏—暴发)呈波动式下降;关注主题遵循"从早期对相关病毒的搜索到后期关注临床诊断与发展状况"的疫情发展规律。2)疫情动态数据、武汉人口流动的日动态因素与固定区位特征的经济社会发展因素会不同程度地影响受众对疫情的关注度,当疫情基本得到控制,宏观区位因素对公众关注度的影响作用开始凸显,具有持续稳定的影响;3)影响因素在疫情暴发前后2个阶段对公众关注度起着不同的影响效果。在疫情暴发初期,公众更易受疫情动态信息影响引发主动搜索行为;而在疫情暴发后期阶段,公众将注意力转移到流入各省份的武汉人口上。     

城市群视角下新冠肺炎疫情的时空扩散特征与影响因素

采用各省份卫健委每日通报疫情数据,结合空间自相关、地理探测器等方法,从城市群视角分析2020年1月21日至6月30日新冠肺炎疫情在中国内地的时空扩散特征与影响因素。结果表明:(1)新冠肺炎疫情的扩散可划分为4个阶段,空间上呈现出圈层结构特征;具有显著正空间集聚特征,且空间集聚格局相对稳定。(2)城市群内是疫情扩散的主要场所,但变异系数在快速下降。累计确诊病例与城市群发育度具有正相关性。城市群内累计确诊病例的空间分布模式划分为弱中心城市群、弱单中心城市群、强单中心城市群、强多中心城市群4种类型。(3)城市群内累计确诊病例与经济发展水平、医疗卫生水平、人口规模、交通联系强度、对外经济贸易水平均存在显著的正相关性,其中医生数对     

广州大都市登革热时空传播混合模式

以广州市2014年登革热疫情早期11周内679个登革热病例数据为例,提出了一种基于扩展Knox检验的疾病时空传播网络模型,研究登革热疫情早期时空传播特征。首先,应用扩展Knox检验方法发现2周1 km内、1周5~7 km两个时空标度下,病例之间具有显著的时空交互特征;其次,提取两个时空标度下的病例点对,分别构造时空近邻传播（STAT）网络和日常移动传播（HDMT）网络;最后,对STAT和HDMT传播网络的同配性、空间特征、网络中心位置进行对比分析。结果显示,广州市登革热传播是空间近邻交叉传播和空间扩散传播的混合传播模式;利用STAT网络亲近中心度标识出的“爆发中心”与病例空间核密度中心基本重合,HDMT网络中介中心度标识出的“扩散中枢”多位于城市快速交通干线附近。     

基于社会网络的城市疫情空间扩散及治理研究

以深圳市卫生健康委员会发布的新冠肺炎确诊病例数据信息为依据,借助数据挖掘方法、空间分析方法和社会网络分析方法,对城市疫情空间扩散特征及治理对策进行了分析。研究表明：（1）从流行病学基本特征来看,疫情确诊病例人群结构复杂,来源地较广,延续时间较长,被传染病例发病滞后周期复杂。（2）从家庭内部及夫妻之间传播网络来看,疫情扩散具有强烈的空间聚集性特征。（3）从重点疫区和非疫区传播网络来看,疫情扩散具有明显的空间流动性特征。（4）从社交活动传播网络来看,疫情空间扩散具有私密性和不确定性特征。（5）从境外疫情空间蔓延的传播网络来看,疫情扩散具有国际性和不可抗拒性特征。（6）在城市管理中,应该优化城市空间效能,利用现代通信网络技术提高治理时效性和柔韧性。     

新型冠状病毒肺炎疫情公众关注度的时空差异与影响因素

公众关注作为疫情防控与舆情治理的重要环节,其时空差异与影响因素却鲜见被讨论。因此,文章将百度搜索指数作为网络公众关注度的测量指标,采用百度人口流动大数据和疫情实时监测数据,运用空间分析、时空可视化、回归分析等方法,分析2020-01-09—03-02中国公众对“新型冠状病毒”网络关注度的省域时空差异与影响因素。研究发现：1）在空间上,公众对疫情的关注度东、西部差异较大,沿海高于内陆,且与疫情高发区吻合;在时间上,武汉“封城”前后各省份的公众关注度分布格局基本趋于一致,且“封城”后均明显高于“封城”前;春节期间关注度达到最高峰,而后随疫情周期性规律（潜伏—暴发）呈波动式下降;关注主题遵循“从早期对相关病毒的搜索到后期关注临床诊断与发展状况”的疫情发展规律。2）疫情动态数据、武汉人口流动的日动态因素与固定区位特征的经济社会发展因素会不同程度地影响受众对疫情的关注度,当疫情基本得到控制,宏观区位因素对公众关注度的影响作用开始凸显,具有持续稳定的影响;3）影响因素在疫情暴发前后2个阶段对公众关注度起着不同的影响效果。在疫情暴发初期,公众更易受疫情动态信息影响引发主动搜索行为;而在疫情暴发后期阶段,公众将注意力转移到流入各省份的武汉人口上。     

北京市甲型H1N1早期流行的特征与时空演变模式

甲型H1N1 正在全球快速传播,中国因人口众多而成为受甲型H1N1 潜在威胁最严重的地区之一。基于流行病学调查得到的8 月15 日以前的北京市甲型H1N1 病例数据,论文分析了甲型H1N1 的流行病学特征,并探讨了94 起聚集爆发事件的时空演变模式。论文还对比了北京市的甲型H1N1 与2003 年SARS的空间传播网络,结果表明,两次流行事件的空间传播模式具有类似模式,朝阳区-海淀区-城市中心区(东城、西城、崇文、宣武) 是影响北京市疫情发展的关键。在资源有限情况下,重点关注这个三角地带的人群防控对缓减北京市甲型H1N1 疫情会产生更积极的作用。北京市甲型H1N1 的早期防控是有效和及时的。     

疫情冲击下我国省域旅游经济韧性空间差异与组态影响研究北大核心CSCD

SARS和新冠肺炎疫情的暴发严重影响我国旅游经济发展,研究疫情冲击下我国省域旅游经济韧性水平对于旅游业恢复重振及高质量发展具有重要意义。该文通过构建疫情冲击下旅游经济韧性评价体系,综合运用空间差异测量指标,全面揭示了两次疫情冲击下我国省域旅游经济韧性的空间分布格局与空间差异特征,利用模糊集定性比较分析(fsQCA)方法分析高、低旅游经济韧性的组态影响因素,并阐释其驱动机制。结果表明:1)在空间格局上,旅游经济韧性由SARS冲击下的点片状分布逐渐过渡到新冠肺炎疫情冲击下的“U”形分布和“三点一带一片”分布格局;2)从SARS到新冠肺炎疫情,我国各省域旅游经济韧性差距在增大,韧性水平呈现极化趋势和“两头小中间大”的橄榄型结构;3)两次疫情冲击下,旅游经济韧性在区域尺度上波动较小,较为稳定,七大地理分区内部韧性差异较大,其中华东和西北地区内部韧性差异最显著,华南地区内部差异较小且总体韧性表现较好;4)抵御、恢复、重构和更新4类共9个影响因素的交互作用形成“基础保障型”“市场促进型”“创新驱动型”“就业限制型”和“产业结构限制型”5种高、低旅游经济韧性组态路径模式。     

基于地理信息系统的2009-2013年甲型H1N1流感的时空分析

甲型H1N1流感作为一种人群普遍易感的急性传染病,自2009年爆发以来,不仅对人类健康造成了危害,也给全球经济造成了巨大损失。为研究中国大陆地区2009年来甲型H1N1流感疫情的时空分布特征,以中国大陆地区31个省级行政区2009-2013年甲型H1N1流感发病率的时空数据为研究对象,采用空间自相关分析技术和季节性分析方法进行了较为全面的空间和时间分析。结果表明：甲型H1N1流感的发病率在空间上和时间上都具有较强的聚集性。空间上,甲流发病高值热点有从新疆、青海和甘肃等西北部地区逐渐南移至中国东南部沿海省份的趋势,且高发聚集省份有增多的趋势;时间上,每年10月至次年4月是中国甲流的高发时段,且在此期间空间上也存在较强的聚集性。     

湖南省新冠肺炎疫情空间分异特征分析

新冠肺炎疫情对各地经济水平、居民健康和生活等产生深刻影响.综合运用空间自相关分析、最近邻指数、核密度估计、冷热点分析等方法分析湖南省疫情的演变趋势、空间分异特征等.结果表明:湖南省疫情防控工作及时有效,治愈率高于全国平均水平;确诊人数日均增长率与迁入规模指数变化趋势一致,严格管控人口流动能有效降低疫情传播;确诊病例数总...     

中国自驾车旅游网络空间关注度的时空演变——基于Google搜索解析的分析

网络旅游信息访问量与现实旅游市场在时间和空间上密切相关。运用Google搜索解析,对2005—2009年中国自驾车旅游网络空间关注度的时空演变特征展开研究有助于分析现实自驾车旅游市场演变规律。研究发现:(1)时间上,自驾车旅游网络空间关注度稳步增长,季节规律显著,前兆效应明显。(2)空间上,呈现出由沿海向内陆、由南方向北方的扩散规律,且各省(区、市)差异明显,可运用"份额-集中性"矩阵细分为稳定型强势市场、爆发型强势市场、爆发型弱势市场、稳定型弱势市场4种类型。     

2020年湖南省COVID-19疫情的地理学分析

以发病数和发病率为依据,利用ArcGIS 10.3软件和地理探测器,探究湖南省2020-01-21—02-28间COVID-19疫情的时空变化及其影响因素,结果显示：1）疫情演变具有时序阶段性。湖南省COVID-19流行过程可分为扩散期—鼎盛期—衰减期—消亡期4个阶段;所有发病县区中84.47%的首发病例为武汉输入。2）疫情传播具有交通依赖性。确诊患者和高发病率地区集中在铁路干线附近,“地级市早发、主城区多发”特征明显。3）疫情程度具有距离衰减性。邻近武汉的湘中、湘北、湘东北地区发病数和发病率最高。4）疫情分布具有空间集聚性。发病数和发病率集聚水平先增大后保持高位,疫情热点区位于长株潭及岳阳市,冷点区位于湘西州。5）疫情流行具有因子交互性。无风、寒冷、干燥的天气更利于疫情传播;人口密度、路网密度和GDP是影响疫情空间分异的主要因素;自然因子与社会因子的交互作用最强。6）影响因子具有空间异质性。空间距离、人口密度对发病数和发病率两者的影响都有空间异质性,空间距离对湘东北地区疫情的影响最大,人口密度对湘西北、湘北地区疫情的影响最大;人口流动性、卫技人员数仅对发病数的影响有空间异质性,人口流动性的影响程度由北向南递减,卫技人员数的影响程度以长株潭城市群为核心向外围圈层递减。     

新冠肺炎疫情的空间扩散过程与模式研究

研究新冠肺炎疫情的空间扩散过程与模式对于防疫抗疫资源的合理配置、突发公共卫生事件的管理与应对以及未来公共卫生体系的完善具有重要意义。本文综合时间和空间尺度,从地理学视角研究了新冠肺炎疫情的城际空间扩散过程,归纳总结扩散模式,并揭示了其影响因素。研究发现：新冠肺炎疫情在中国的发展主要经历了6个阶段,并在空间上表现出邻近扩散、迁移扩散、等级扩散和廊道扩散等地理模式;地理邻近性、人口流动、人口规模、交通网络、疫情防控管理等因素对疫情的空间扩散具有显著影响。新冠肺炎疫情的空间扩散过程和模式一定程度上是“流空间”网络下人类社会经济活动空间组织模式的一种反映,与地理邻近性、社会经济联系的跨区域性及人类活动的时空规律等密切相关。本研究以期为世界各国的疫情防控措施制定提供参考,也为中国未来应对公共卫生应急风险提供经验借鉴。     

中国COVID-19疫情扩散的时空模式及影响因素

在2020年全球暴发新型冠状病毒肺炎（COVID-19）疫情的背景下,揭示中国疫情扩散时空模式及影响因素对于科学制定防疫策略具有重要作用。针对2020年1月24日—3月18日期间中国COVID-19疫情从快速扩散到逐步控制的完整过程,基于累计确诊病例数据,以317个地级市为对象,建立疫情扩散时空模式判别模型,结合峰位置、半峰间距、峰度、偏度等参数,解析时空模式的基本特征;基于交通可达性、城市关联程度和人口流动构建多元Logistic回归模型,揭示时空模式的关键影响因素。结果显示：① 距武汉市直线距离588 km为判别疫情扩散4种空间模式的有效边界,综合同一空间模式下的时间过程类别,得到13类疫情扩散时空模式。② 蛙跳型的疫情扩散相对严重;除近距离蛙跳型以外,其余空间模式的疫情扩散时间过程差异明显;各种时空模式的新增确诊病例峰值大多为2020年2月3日;所有普通类城市的平均半峰间距约为14 d,与COVID-19病毒的潜伏期一致。③ 与武汉市的人口关联度主要影响蔓延型和近距离蛙跳型空间模式,与武汉市的通航状况对远距离蛙跳型空间模式具有正向影响,迁出人口数量对蛙跳型空间模式有显著作用,综合型空间模式受初级和次级疫情暴发地的双重影响。不同城市应根据自身的疫情扩散时空模式,在疫情期间高度重视交通管控,从关键环节遏制疫情扩散。     

洞庭湖区钉螺及疫情的空间分布与水环境质量关系

在地理信息系统空间分析模块的支持下,对洞庭湖区钉螺及疫情的空间分布特征及其原因进行了深入探讨,并对两者之间的关系进行了研究;同时,通过对洞庭湖营养状态的评价,对钉螺及疫情分布与水环境质量的关系进行了研究。结果表明:洞庭湖区螺情及疫情呈现出比较复杂的空间分布特征,表现为益阳市南县及其周围地区以及长沙市望城区居民感染率和钉螺感染率均偏低;岳阳市临湘市的居民感染率与钉螺感染率之间、岳阳市湘阴县的居民感染率、耕牛感染率与钉螺感染率之间呈负相关关系;各监测点钉螺分布与疫情分布之间没有显著的相关性;洞庭湖水体的富营养化现象有利于钉螺的生存,一定程度上将加剧疫情的控制难度。     

新冠肺炎疫情精准防控的时空间行为地理学研究框架

面向新冠肺炎疫情精准防控的重大需求,时空间行为地理学可以发挥其独特的学科价值。以时间地理学、行为主义地理学、移动性地理学等时空间行为的地理学经典理论为基础,以时空路径表达、活动的复杂情境分析、风险感知地图分析为核心方法,以时空间行为风险评估、居民时空间行为规划与引导、心理情绪引导与智慧社区治理为重点应用方向,尝试搭建疫情精准防控的时空间行为地理学研究框架。未来时空间行为研究应该立足人本导向、流动性导向和应用导向,突出时空间行为地理学在城市规划、城市管理、居民服务等方面的应用价值。     

基于个体“移动—接触”的空间交互网络理论构建与疫情风险评估

个体在空间移动过程中不可避免地产生“人与人”之间的接触,使疫情传播具有复杂性和空间不确定性。但现有学术研究较少在理论上综合考虑个体的空间移动及移动过程中近距离接触分析疫情的空间扩散。本文综合考虑个体移动及移动过程中接触,提出基于个体“移动—接触”的空间交互网络的理论构建框架。鉴于公交刷卡数据能够有效地反映个体的移动路径及车厢内接触的群体,以北京市公交系统为例开展实证研究,构建基于个体“移动—接触”的空间交互网络,采用加权度中心性和K-shell分解方法识别疫情高风险区域,提出管控措施,并通过模拟管控措施前后网络社团结构变化来评价管控措施实施效果。结果发现疫情高风险区域集中分布在城际交通枢纽、商务中心、居住区周边区域。本文提出的理论框架对基于各类交通系统的疫情风险评估具有普适性,研究结果可为突发公共卫生事件中及时启动有效的疫情防控应急响应政策具有借鉴作用。     

基于交通管控效应的中国COVID-19疫情扩散的时空特征及其危险性

基于中国各级卫健委公布的疫情数据和全国列车数据,结合交通管控措施解析了中国COVID-19疫情扩散的时空特征和危害性,以及湖北"封省"对全国铁路系统的影响,结果发现:1)中国的疫情增长过程高度符合Logistic分布;空间上由湖北往东、南方向蔓延强度较大,各省内部疫情较为严重的地区通常为省会或经济发达城市.基于交通管控...     

基于人口流动的广东省COVID-19疫情风险时空分析

人口流动,特别是来自疫源区的人口输入,COVID-19疫情传播的关键风险来源。本文以广东省为例,利用人口迁移大数据与地理空间分析技术,综合考虑人口来源地风险差异与流入地社会经济属性差异,并依据输入性病例发病的间隔时间分布引入时滞过程,构建了包含时滞效应的疫情风险时空分析模型,理论上可以根据现状人口流动研判未来一定时期的疫情风险的变化趋势及空间格局,为提前谋划和精准防控提供决策参考。分析结果表明：① 广东省新型冠状病毒肺炎疫情在2020年1月29日拐点初现,随后呈现逐步下降的趋势。② 基于输入性病例发病的时滞过程分析,输入性病例从输入到发病普遍存在间隔时间,且间隔时间为1~14 d的病例比重较高。③ 疫情风险存在明显的空间差异,各地疫情风险依据输入风险、易感风险以及抵御风险能力的不同而存在较大的差异。④ 广东省各地市与疫源区城市之间的联系程度、人口流动规模及其交通区位因素,显著影响省内疫情风险的分级。深圳、广州等一线城市是高风险区,东莞、佛山、惠州、珠海、中山等邻近深圳和广州的珠三角城市是中风险区,珠三角城市群外围的粤东西北地区是低风险区。应根据疫情潜在风险,制定基于分区分级的防控措施,促进局地精准防控与社会整体良性运转。