陕西省COVID-19疫情时空演化与风险画像

新型冠状病毒肺炎（COVID-19）疫情的暴发与蔓延，给中国乃至全球带来了极大挑战，已成为社会与学界关注的痛点问题。大流行病在人群与地域的传播扩散是人类与疫情抗争的时空动态过程，值得从地理学视角展开讨论。文章以毗邻中国疫情始发省域湖北的陕西省为研究区，基于官方通报的病例数据与人工判读采集的病例详细信息及相关POI数据，综合运用数理统计、空间分析、文本分析、案例分析等方法，重点探究确诊病例的社会人口学特征和疫情的时空演化格局，评估重点市域的疫情风险等级。结果表明：1）陕西省确诊病例以男性居多，年龄上整体趋向中高龄化，以40~49岁人群为最；外地感染与本地感染均以由“城”作起点的迁移主导；多呈由武汉输入型病例所致的小型核心家庭群聚感染模式，而大型复合感染及特殊场所感染影响深远。2）疫情时间变化差异性显著，整体呈现波动发展、低速衰退、平稳清存3个阶段，确诊时间相对发病时间及初诊时间存在滞后性，且输入型病例多在返陕后0~3 d出现症状。3）疫情在陕西省的空间扩散呈现“远鄂单核”的结构模式，这显著区别于其他环鄂省域。陕西省COVID-19发病率空间分异显著，表现为集中于中南部的倒“T”型分布模式；市域演变呈“三足鼎立”模态；流动路径以“武汉—西安”为主，呈“一源多汇、汉入中南”的流动格局。4）重点市域西安疫情风险等级的空间分布特征表现为“一组团三小片”格局，主城区风险等级高于周边区县。     

中国人口流动管控应对COVID-19疫情效应评估

中国政府通过历史罕见的人口流动管控遏制新型冠状病毒肺炎（COVID-19）疫情爆发。人口流动管控措施对于疫情防控起到何种作用?又如何影响中国人口流动和短期分布的地理特征?本文通过SEIR病毒传播动力学模型评估管控措施的有效性,利用移动定位数据追踪中国人口流动时空变化,以回顾COVID-19重大疫情人口流动管控的正负效应：① 人口流动管控使COVID-19疫情日新增感染曲线显著平稳化,成为中国应对COVID-19疫情重大突发性公共卫生事件时非药物干预措施的重要组成部分。人口流动管控使中国日新增感染者波峰日推迟1.9倍到达,当日感染人数下降63.4%。在选取的5个省份、5个湖北省城市、6个湖北外城市中,波峰日分别推迟1.4~8倍、5.6~16.7倍和2.3~7.2倍到达,当日感染人数分别下降56.9%~85.5%、62.2%~89.2%和67.1%~86.2%。因此,人口流动管控为疫情防控准备争取了宝贵的缓冲时间,极大降低了疫情集中爆发对于医疗设施的冲击;② 人口流动管控限制人口地级流动。2020年1—4月中国人口地级行政区划之间流动强度较2019年同期日均下降40.18%,其中,2020年“春运”节后返工流（1月25日—2月18日）平均下降66.4%,对社会运行与经济发展产生重大影响;③ 人口流动管控与人们对于疫情的恐惧导致2020年中国农历春节的返乡流受到显著影响,并短期改变中国人口时空分布的动态趋势。本文有助于理解重大突发性公共卫生事件下政府人口流动管控策略及其对人口流动与分布地理特征的影响。     

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。     

中国COVID-19疫情时空演化与综合防控

新型冠状病毒肺炎（COVID-19）疫情仍在全球范围内蔓延,是当前人类社会面临的重大突发公共卫生事件,对个人、家庭、社会乃至国家均产生深远影响。基于官方通报的病例数据及相关POI数据,综合运用数理统计与空间分析等方法,从省域、市域、县域和小区4个空间尺度探究疫情在中国的时空演化过程,进而探索疫情防控的综合机制与策略。结果表明：① 中国COVID-19疫情在时间演变上,始于大雪,盛于立春,衰于惊蛰,滞于春分,并经历早期武汉主导暴发、中期全国差异扩散、后期武汉主导衰减及末期本土疫情传播基本阻断4个阶段,对重要事件节点响应明显;② 空间分布呈现“喇叭”状的“一核两弧多岛”格局,主要受邻近性与联系强度影响;空间演化经历“核发—群发—散发—点发”4阶段模态,各阶段核心聚集区均位于湖北省内。最后,整合中国疫情演化的影响因素及相关措施,提出针对当前疫情发展和应对未来类似挑战的人地互馈协同发展的有效对策,具体随时间表现为及时响应、统筹合作、常态防控及严防输入等,并展望未来深入探究的方向。     

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。     

基于手机信令大数据的京津冀城市群人口时空分布与流动特征分析

利用手机信令数据,以京津冀城市群为研究范围,以250 m×250 m网格为基本单元,识别京津冀城市群人口时空分布与流动特征。结果表明：北京和天津是京津冀城市群的主要人口集聚中心,且人口分布呈现非均匀放射状、沿主要交通干线分布,人口密度由城市中心向周边递减;北京、天津和石家庄是人口流动网络的主要中心,其人口流量远高于其他城市;城市群范围内的县际人口流动增长迅速,各区县的职住空间不平衡也比较突出。     

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...     

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。     

COVID-19疫情对北京市节日休闲区域人口热力影响研究

COVID-19疫情对于休闲业造成重大影响.论文基于移动定位数据,利用核密度空间分析法、非参数检验方法,定量解析COVID-19疫情对北京市三环路以内休闲区域在清明节和劳动节人口热力影响.研究指出:①COVID-19疫情对于北京市节日休闲区域人群热力影响显著,研究选取的3类休闲区域人群热力在2020年清明节、"五一"劳...     

中国春运人口省际流动的时空与结构特征

本文通过构建人口省际流动的关系矩阵,透视2015年中国春节期间人口省际流动的动态过程、网络特征,并对各省人口流入、流出的规模差异进行测度。研究结论如下：①春节前后中国各省每日人口净流入人次存在显著的规律性特征,2月13-17日和2月25日-3月1日为各省节前返乡流和节后返工流期间人口净流入、流出峰值时段,可作为基于春运研究中国人口省际流动的重要依据;②识别了14个人口净流入省、17个人口净流出省,净流入位序前六省和后八省分别吸纳和提供了全国9成人口的集聚与扩散。人口主要流入省的沿海绵延和主要流出省的中部“人口塌陷”共同构成了双纵格局;③各省流出首位流的指向特征显著,南方人口流出省的流出指向存在共性,京津、长三角、珠三角地区的人口集聚路径存在差异。④移动数据为发掘人口流动过程中蕴含的丰富信息提供了平台,基于节后、节前净流入值差值的方法可以有效识别中国人口流动的规模差异、属性特征。通过与以往研究对比,证实了移动数据与基于人口普查数据研究的诸多结论相似性。     

Spatiotemporal analysis of COVID-19 risk in Guangdong Province based on population migration

Journal of Geographical Sciences - Population migration, especially population inflow from epidemic areas, is a key source of the risk related to the coronavirus disease 2019 (COVID-19) epidemic....     

COVID-19疫情对中国城市人口迁徙的短期影响及城市恢复力评价

新型冠状病毒肺炎（COVID-19）疫情对中国国民经济和社会发展产生剧烈冲击。科学评价中国受新冠疫情短期影响及恢复情况并揭示其时空特征,可为常态化疫情防控阶段的经济形势研判和城市恢复提供有力支撑。基于2020年1月13日—4月8日百度迁徙大数据,通过构建恢复指数（RRI）和恢复缺口（RGI）等指标,从多尺度揭示中国受COVID-19疫情短期影响的逐日特征、阶段特征以及时空格局。结果发现：① 疫情未影响春节前返乡迁徙,节后恢复经历恢复停滞期、快速恢复期、平稳恢复期,全国总体恢复程度由恢复停滞期不足20%上升至快速恢复期末60%左右,3月3日开始进入平稳恢复期,恢复指数达70%以上,完全恢复至历史同期水平仍需较长时间。② 疫情对周末和节假日城市间交往活动影响显著,中部和东北地区尤为明显。③ 疫情影响的区域差异性明显,相对恢复程度西部>东部>中部>东北地区。④ 城市间恢复程度差异显著,节后至4月8日呈现南高北低空间格局。结合疫情程度,广州、深圳、重庆处于高确诊高恢复聚类,河北、天津、黑龙江、河南、安徽、湖南处于低确诊低恢复聚类。⑤ 随着疫情有效控制,城市层面恢复缺口由京津冀、长三角、珠三角等城市群的大规模成片劳动力迁入缺口,转变为国家中心城市和部分省会城市的点状缺口。本文研究结果表明时空大数据在重大突发公共卫生事件实时影响评价方面具有较好应用前景。     

Spatiotemporal patterns of the daily relative risk of COVID-19 in China

The coronavirus disease 2019(COVID-19) pandemic continues to threaten lives and the economy around the world. Estimating the risk of COVID-19 can help in predicting spreading trends, identifying risk areas, and making public health decisions. In this study, we proposed a comparative risk assessment method to estimate comprehensive and dynamic COVID-19 risks by considering the pandemic severity and the healthcare system pressure and then employing the z-order curve and fractal theory. We took the COVID-19 cases from January 19–March 10, 2020 in China as our research object. The results and analysis revealed that(1) the proposed method demonstrated its feasibility to assess and illustrate pandemic risk;(2) the temporal patterns of the daily relative risk indices of 31 provinces were clustered into four groups(high-value, fluctuating-increase, inverted U-shaped, and low-stable);(3) the spatial distribution of the relative pandemic risk indicated a significant circular pattern centered on Hubei Province; and(4) healthcare system capacity is the key to reducing relative pandemic risk, and cases imported from abroad should be given more attention. The methods and results of this study will provide a methodological basis and practical guidance for regional pandemic risk assessment and public health decision-making.     

COVID-19疫情防控中的中国公众舆情时空演变特征

COVID-19疫情是全球面临的重大公共卫生危机。客观认识疫情期间的公众舆情响应和区域差异,对于提高重大公共卫生事件的政策调控和科学治理具有现实意义。本文以新浪微博为数据源,基于潜在狄利克雷分配主题模型和随机森林算法构建了主题抽取和分类模型,识别微博文本中的13个舆情话题,并从数量、空间、时间、内容等方面分析了2020年1月9日—3月10日在湖北省、京津冀、长三角、珠三角、成渝等城市群及沿边口岸等重点区域分布特点。结果表明：中国公众的响应总体是理性和积极的,但各舆情话题在区域内部的空间分布差异明显。各区域热点分布中,京津冀以首都北京为中心,长三角以上海为中心,辅以南京、杭州等热点,珠三角以广州、深圳为两核,湖北省以武汉为中心。建议应持续加强重点区域的疫情舆情关注和因地制宜的差异化精准响应。     

基于多源数据的湖北省COVID-19疫情时空扩散影响因子分析

利用武汉市人口迁出规模指数与武汉迁入到湖北各市人口比例的乘积(MSI)及市内交通强度(TI),建立时间回归模型,分析各市的COVID-19每日新增病例;利用交通可达性及各市GDP比例,建立空间回归模型,分析湖北省各市COVID-19的万人累计感染率.结果显示:1)基于人口迁徙数据与各市每日新增COVID-19病例构建的...     

新冠肺炎疫情在广东省的扩散特征

基于广东省各地市卫健委官网披露的新型冠状病毒肺炎确诊病例的详细信息，对新冠病例在广东省的时空扩散特征以及各地级市疫情传播和变动的空间差异进行分析。研究结果表明：1）广东省确诊病例具有中年人最多、青年人其次、老年人第三的年龄结构特点，与全国统计特征较为相似。2）广东省的疫情扩散比率为0.198，表明其防疫措施卓有成效，有效地抑制了疫情的扩散。3）广东省的疫情扩散格局和综合风险格局存在显著差异。三四线中型城市的扩散风险较高但综合风险处于中等水平，发达城市的扩散风险较低但综合风险最高，粤东西部的欠发达地区较为安全。文章建议可积极宣传广东抗疫防疫成果，适度缓解民众焦虑，但仍需重点防范因返工返学带来的二次冲击。在防疫的中后期，应根据各地市的疫情风险等级，在省内科学划分风险防控区域，实施分级管控，有序恢复社会生产生活，避免过度防疫对社会民生造成的负面冲击，并需特别关注原本经济韧性较为脆弱的欠发达地区。