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。     

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...     

COVID-19疫情冲击下的中国对外贸易韧性格局及影响因素

COVID-19疫情全球爆发,成为载入史册的一次全球公共卫生事件。在此期间,中国贸易的变化反映了突发公共卫生事件对全球和地方贸易的影响,凸显了中国的贸易韧性。借鉴区域经济韧性理论开展中国贸易韧性的格局和影响因素研究,利用2020年1—12月中国31个省（自治区、直辖市）的贸易数据,对其贸易的整体状况和贸易韧性格局进行分析,并运用地理探测器的方法对疫情冲击下的中国贸易韧性格局的影响因素进行探讨。研究发现：① 根据与2019年同期比较,可将中国贸易韧性变化过程划分为两个阶段,2020年1—5月为抵抗期,2020年6—12月为恢复期。② 在疫情影响下,各省份的贸易韧性具有较大差异,贸易抵抗性较好的区域主要包括四川、陕西、江西等内陆中西部省份和河北省,较差的区域主要为对外贸易基础较差、疫情严重地区以及边境省份。而贸易恢复性较好的主要为云南、贵州等内陆省份和疫情冲击影响最严重的湖北省。③ 疫情冲击下影响中国贸易韧性的因素是多源的,整体来看最大贸易国疫情严重程度、贸易伙伴数量、本地疫情严重程度因子等对贸易抵抗性解释度最高;对贸易恢复性解释度最高的因子为地区经济发展水平和医药产业状况。除了各维度因子不同程度的影响,各因子间的交互作用均增强了贸易抵抗性与恢复性的空间分异性。关于中国贸易韧性格局及影响因素的探讨,对认识特殊事件冲击下的全球化进程和区域贸易韧性评估具有重要的理论价值,也对构建中国国内国际双循环新发展格局具有重要的实践意义。     

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。     

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。     

COVID-19疫情对中国区域经济及产业的影响

科学评估重大突发公共卫生事件的经济系统影响,调控其负效应,提升经济系统韧性,是国家重要战略需求.目前,新型冠状病毒肺炎(COVID-19)疫情在中国得以有效遏制,而外源性输入与局部风险仍存,系统辨识其影响路径与作用强度,对经济系统恢复具有指导意义.基于改进的中国多区域一般均衡分析模型,测度了中国不同疫情风险等级区的经济...     

新冠疫情影响下中国城市网络特征时空变化研究

新冠疫情(COVID-19)对人口流动与城市网络产生了巨大影响,该文基于百度人口迁徙数据,利用多维度特征评价方法分析疫情暴发前后中国城市网络的空间关联特征变化,有助于重大卫生事件突发期间人口出行和迁徙模式认知以及疫情后的社会恢复。结果表明：(1)城市网络中重要性相对较高的城市面对疫情等突发状况冲击时的韧性比低位城市小,加权优势度最大起伏可达0.380,且城市位次恢复需要更多时间;(2)城市间形成以长江三角洲、珠江三角洲、成渝、京津冀4个城市群为核心顶点的“筝型”城市网络结构,核心城市群中的大规模疫情暴发会明显抑制整个网络的人口流动规模和密度,并且其部分城市职能会暂时被周边核心城市分担;(3)城市集群结构韧性大,在长时间序列上保持稳定,间断性疫情暴发不会明显改变城市群结构,城市群内部的优势城市会发生明显变化;(4)疫情暴发会降低全国人口的出行意愿,但在疫情暴发前后,各城市与其主要人口流动城市间仍能保持健康的联系。     

2020-2022年COVID-19疫情对中国居民消费及消费结构的影响

2020年以来,新型冠状病毒感染（COVID-19）在国内多个城市多次复发,对居民生活及消费产生显著冲击,准确测评疫情冲击对居民消费及消费结构的影响,是疫情经济评估和促进居民消费恢复的重要问题。依据2020年1月—2022年9月居民消费月度数据,基于本底趋势线模型、月指数分解及本底线距平分析方法,开展了COVID-19疫情对居民消费结构影响的定量评估研究。结果发现：(1)疫情对居民8类消费均造成直接影响,食品、衣着、居住等消费损失较小,而交通、文化娱乐、医疗保健等损失较大,生活刚需性消费恢复周期明显快于可选择性消费;6波疫情引起8类消费高分辨距平波动曲线各不相同;(2)比较疫情前后3年消费结构变化,发现疫情冲击下居民消费恩格尔系数反弹2个百分点,精神恩格尔系数下降2.6个百分点,结构多样化指数下降3.4个百分点,短期消费结构降级明显;对比疫情冲击期与平缓期的消费结构变化,也呈现与此相似的波动周期;(3)就6波疫情的影响来看,2020年武汉疫情和2022年上海疫情影响更大,导致居民各类消费损失高达1092元/人和490元/人。此外,本文还对食品消费增长、医疗消费持续负距平等,结合消费者物...     

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。     

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....     

疫情冲击下全球跨境电商物流韧性的时空异质性研究

新冠疫情给全球化进程带来巨大冲击,流动性被切断是其中重要原因,尤以物流延滞造成的物资短缺影响最为严重。作为供应链的重要组成部分,国际物流时效性和格局在疫情冲击下发生了重要变化。通过对全球疫情及跨境电商物流大数据的挖掘、计算和分析,从韧性角度对物流时效的时空异质性展开研究,分析物流受冲击变化的特征,以及韧性空间格局、阶段差异和时间过程,并结合定量分析其影响因素。研究发现:在疫情冲击下,物流时效性呈现"衰减波"特征,表现出明显的抵抗力阶段、恢复力阶段,以及韧性提升;北美、西欧的物流韧性相对较低,东亚及其邻近的中亚、中东欧、西亚、北非区域则相对较高,尤其是抵抗力阶段差异明显;全球物流恢复力指数普遍高于抵抗力指数,北美、西欧、大洋洲部分样本恢复力较弱;时间过程上可分为3个时期,并呈现出一定的空间传导现象:前6个月急速下降、艰难抵抗后平稳恢复,第7至第11个月整体向好、局部震荡,第12至第13个月全球小幅波动后较快恢复;影响物流韧性时空异质性的因素较为综合,其中物流网络关系、疫情严重程度的影响相对显著。     

中国城市韧性综合评估及其时空分异特征

城市韧性对城市健康发展具有显著影响。本文从经济、社会、生态、基础设施等4个系统构建城市韧性综合测度指标体系,对我国地级以上城市韧性进行定量评估,揭示其时空分异特征,并对典型样带区进行影响因素探讨。结果表明：城市韧性子系统间逐步趋于均衡,但经济、生态、基础设施、社会子系统发展趋势存在显著差异,经济子系统占据主导地位,其他子系统位序转换加剧;城市韧性水平集聚趋势减弱,各子系统空间发展格局多样化;城市韧性发展空间异质性显著,中低、低韧性水平城市居于主导地位,东部地区整体高于中西部地区;城市韧性“集群化”空间分异特征显现,城市群地区的韧性高于其他地区;东部沿海样带受城市活力影响显著、在南北方向上变化相对缓慢,长江沿岸样带在经济大发展背景下呈现出明显的东西分异特征,而胡焕庸线沿线样带无明显差异、但其整体受城市扩张因素影响最为显著。     

哈大城市带网络结构韧性演化研究

网络结构韧性是城市空间组织未来发展的重要指向,是社会经济稳定性与恢复力的结构保障。论文借鉴复杂网络指标,构建城市网络结构韧性演化评价模型,以哈大城市带为例,对比分析多重城市网络结构韧性的演化特征。结果表明：① 多重城市网络层级性与匹配性存在分异,在层级性上,交通和金融网络趋于扁平,信息和创新网络趋于立体;在匹配性上,交通和创新网络分别表现为同配性与异配性且特征强化,金融和信息网络为异配性但特征削弱。② 网络结构韧性类型相对稳定,交通运输网络为“同配—核心边缘网络”,金融、信息与创新网络为“韧性网络”;韧性演化综合水平表现为创新合作网络>信息关联网络>0>金融联系网络>交通运输网络。③ 可以从整体结构、片区差异和要素流动三方面优化网络结构韧性演化水平。     

基于脆弱性视角的中国高铁城市网络韧性研究

基于中国高铁城市间列车流动数据构建高铁城市网络,利用脆弱性视角对中国高铁城市网络韧性进行研究,并探讨了新型冠状病毒肺炎疫情背景下武汉和湖北封城状态的网络韧性及城市响应,主要结论为：① 中国高铁城市网络发育程度有待提高,城市网络发展水平区域差异性和层级性特征明显。② 城市网络核心节点地位突出,控制能力强,关联效应显著,城市网络具有较强的适应和恢复能力,但网络韧性受关键节点影响显著。③ 蓄意攻击相比随机攻击能显著降低城市网络韧性,但在核心网络未遭受严重打击状态下,整体网络仍能保持较高的运转效率。④ 中国高铁城市核心网络保留了城市网络的主要运行特征,东高西低的网络发育特征明显,京广和京沪高铁是核心网络中交往最为频繁的通道。⑤ 武汉和湖北封城对中国高铁城市网络韧性总体影响较小,但对城市节点影响明显,总体上受到城市行政等级、交通运输干线和地理空间距离等因素影响,区域封锁状态下随着核心-边缘结构的调整,城市将提升自我核心度以弥补封锁区域核心地位的缺位。     

新冠肺炎疫情对中国区域经济的影响

新冠肺炎疫情对中国经济产生了巨大冲击。本文从悲观、中观和乐观三种情景预测了2020年中国经济增速,根据各地疫情严重程度分别用不同情景利用历史数据预测了各省2020年经济数据,随后运用Dagum基尼系数等方法分析了疫情对中国区域经济的影响。研究发现:即使在悲观情景下,中国经济在2020年仍能实现1.90%的增长,完全有能力实现"六稳""六保"任务,保障经济社会平稳健康运行;中观和乐观情景下,预计2020年中国经济增速将达到2.20%和3.74%;地区差异分析表明,地区差异扩大的趋势放缓,地区内部的不平衡加剧,而地区之间的差距变大。基于此,本文提出以疫后恢复为契机,充分挖掘中国区域经济发展的巨大潜力,实现区域增长接力,稳定经济增长。