COVID-19期间国家关系交互网络时空分析研究

COVID-19疫情不断蔓延为国际政治、外交关系等带来深刻影响。目前基于复杂网络方法的国际关系研究较少考虑节点的空间属性,难以探索国际关系的动态演化模式及其空间分布特征。该文提出一种结合时间序列聚类与空间统计的国家关系交互网络演化模式探测方法。基于2020年1月-2021年3月的GDELT数据构建国家关系交互网络,基于节点的演化特征,应用K-means聚类算法将节点划分为6种类型,结合局部连接统计方法分析节点演化模式的空间分布特征。研究表明:面对疫情冲击,各国为控制疫情蔓延倾向于参与合作交互事件;国家关系交互网络中的不同时序演化模式总体按照节点的点度中心性强度由高到低分布;疫情防控期间网络中始终处于边缘地位的节点在空间分布上呈现聚集特征,而核心节点空间分布较分散。通过研究网络节点的时序演化模式及空间分布特征可为公共卫生危机事件期间国际关系与地缘政治研究提供新思路,对于危机事件期间制定外交政策与应对策略具有一定参考价值。     

基于系统动力学的新冠肺炎疫情影响北京经济发展的模拟仿真分析

运用系统动力学方法,以北京市为例,通过多情景设置模拟COVID-19疫情对北京经济发展的影响;并对不同政策干预效果进行仿真分析。研究表明：① 分行业来看,COVID-19疫情对交通运输业的直接影响来自于出行管制,需求锐减和相关限制措施导致行业在短期内增长乏力;租赁与商务服务业需求不会随着疫情管控措施解除而立刻增加,行业复苏有一定的时滞;受其他行业复苏延迟影响,金融业发展的低迷时期会更长;复工复产的有序推进加速了工业和建筑业发展,有利于增强其对保持经济稳定的贡献。② 从整体来看,新冠肺炎疫情暴发在短期内使得北京经济下行压力增大,各种管制措施出台和需求萎缩会进一步降低经济增速。然而,随着疫情蔓延得到有效遏制和复工复产步伐加快,COVID-19疫情对北京经济发展的不利冲击会大幅降低。③ 从政策干预效果来看,解除企业生产和经营活动限制所引起城市经济发展水平的提升幅度大于财政对相关产业的补贴;而2种政策组合干预会进一步降低因COVID-19疫情暴发而对经济带来的不利影响,避免经济出现滑坡。模拟结果符合北京市2020年经济发展实际情况,验证了模拟方法的有效性。     

全球COVID-19疫苗开发流通与接种的时空分异特征

本文利用全球新型冠状病毒疫苗（COVID-19疫苗,简称新冠疫苗）的开发、订购、捐赠和接种数据,借助GIS等技术方法,在明晰全球新冠疫苗开发与流通格局的基础上,探讨全球新冠疫苗接种的时空分异特征。结果表明：① 全球新冠疫苗开发格局呈明显的空间不均衡性,形成以西欧、北美和亚洲为核心的三足鼎立格局,美国、中国和英国等是新冠疫苗的主要开发国。② 全球新冠疫苗订购网络主要遵循定向扩展和不定向扩展两种扩展模式,订购联系总体上表现出早期集中于欧美发达国家内部,随后逐步向外部亚非拉国家扩展的特点。③ 全球新冠疫苗捐赠网络以中国和美国为双核,美国主要向东南亚、南亚和拉美等美国传统势力范围或战略地位重要国家进行捐赠,中国主要向南亚、东南亚和西亚等“一带一路”沿线国家和非洲国家进行捐赠。整体上新冠疫苗捐赠主要受捐赠双方联系密切程度、关系友好程度和捐赠国的国家战略需求及国际义务履行需要等因素综合影响,但不同捐赠国侧重点有所不同。④ 受全球新冠疫苗的开发、订购和捐赠格局影响,欧美发达国家的新冠疫苗接种进程领先于绝大多数亚非拉国家,但差异性正逐步缩小,中国的疫苗接种由相对较高水平区跃升至相对高水平区,成为发展中国家的代表。     

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。     

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。     

基于多源时空大数据的区际迁徙人群多层次空间分布估算模型——以COVID-19疫情期间自武汉迁出人群为例

已有研究很少关注区际迁徙人群在不同尺度上空间分布的动态估算问题。COVID-19疫情爆发以来,坚决防止疫情扩散成为社会最紧迫的事情。在2020年1月23日武汉“封城”前夕,已有500多 万人离开了武汉,快速准确地推算这部分人群的去向,可以为防止疫情扩散和制定防疫决策提供科学依据。本文以此为例,基于开源腾讯位置请求大数据、百度迁徙大数据、土地覆盖数据等多源地理时空大数据,提出一种区际迁徙人群多层次空间分布动态估算模型,用于推算2020年除夕 （2020年1月24日）之前从武汉流入湖北省内各地的人群数量及其分布特征。结果显示：① 春节时段湖北省各地级市农村地 区人群增加数量占人群变化总量的比例平均达124.7%,从武汉市迁入各地级市的人群中至少51.3%流入农村地区;② 区县尺 度人群变化总量的空间分布呈现3个圈层结构：第一圈层为疫情核心区,包括武汉及其周边地区,以人群流出为主;第二圈层为 重点关注区,包括黄冈、黄石、仙桃、天门、潜江、随州、襄阳,以及孝感、荆门、荆州和咸宁的部分地区,以人群总量和农村地区人 群数量大幅增加为主;第三圈层为次级关注区,包括湖北西部宜昌、恩施、神农架和荆门部分地区,以人群小幅流入为主。最后,建议湖北省内,尤其是位于第二圈层内的区县,应高度关注农村地区人群的疫情防控。此研究成果在2~3天完成,显示大数据是可以快速地响应重大公共安全事件,为决策的制定提供一定支持的。     

疫情背景下中国居民城际出行恢复力、恢复模式与影响因素

新冠疫情爆发以来,居民城际出行受到显著影响,其时空波动规律反映了居民城际出行恢复力和恢复模式。文章基于百度迁徙数据,着眼于疫情防控常态化阶段,分析城际出行恢复力的分异格局,归纳总结时序波动规律与模式,并构建计量模型探究影响城际出行恢复力的因素。研究构建了波动比率、恢复比率、恢复弹性和恢复指数4个指标,用以衡量城际出行恢复力大小;将2021年中国新冠疫情划分为4个波次,各轮疫情持续时长不一,涉及地区范围各异。研究发现：(1)居民城际出行恢复力表现出一定的空间差异,东部地区最好,西部地区和中部地区其次,东北地区最差;(2)居民城际出行恢复模式时序与传统韧性三角形模式相似,根据疫情传播特征和性质具体可归纳为相对独立型、中间波动型、起点关联型、终点关联型、双向受制型等5种模式,表现出各异的曲线形态和特征;(3)对于居民城际出行恢复力的影响因素,机场、高铁等交通因素具有正向相关关系,而与GDP、产业结构等经济因素的影响表现为U型关系。疫情防控背景下,城际出行恢复模式和恢复力是城市韧性的重要方面,为制定相关城市政策提供了科学依据。     

基于新闻数据的新冠疫情事件下“全球-中国”国际关系变化分析方法

在新冠疫情的冲击下,国际关系错综复杂、瞬息万变,不稳定性不确定性剧增。全面及时地分析“全球-中国”国际关系变化特征,对于中国的外交发展规划具有重要的参考价值。复杂的国际关系可以分解为一系列事件单元,新闻数据中蕴含了时间、地点、人物、事物等关键信息,是构建事件的最直接、最全面的信息来源。本文以GDELT（Global Database of Events, Language, and Tone）新闻事件数据库为数据源,基于“全球-中国”的视角,利用2020年1—5月全球疫情相关新闻数据,研究新冠疫情事件背景下的国际关系的变化。本文首先以事件数量、事件强度值和事件被提及数作为关键变量,提出了国际关系的分类表达和计算模型,解决了国际关系表达模糊和难以计算的问题。然后从时空可视化角度展示疫情下国际关系的变化特征,并结合疫情期间的国际重要事件,进一步分析引起国际关系变化的原因。研究表明,采用本文方法能精确掌握新冠疫情下“全球—中国”国际关系的发展程度,发现“全球-中国”国际关系的变化规律和变化原因,具有重要的应用价值。本文的研究可以为大数据时代的国际关系研究提供一个新的视角,同时也为新闻数据的分析提供参考。     

耦合人群移动的COVID-19传染病模型研究进展

构建传染病模型可为疫情防控与公共卫生研究提供至关重要的规划与解析工具。由于宿主行为是传染病传播动态的决定性因素之一,有效耦合人群时空行为对以人为宿主的传染病建模具有重要意义。得益于人群移动大数据研究与应用的快速发展,新型冠状病毒肺炎（COVID-19）的疫情建模研究中呈现出了耦合人群移动建模的显著特征。为系统深入理解该项传染病模型研究中的重要进展,本文对相关文献进行分析与总结。首先,本文分析了COVID-19疫情与人群移动的交互影响,说明了耦合人群移动构建COVID-19模型的必要性。然后,根据建模的目的和原理,从疫情短期预测与过程模拟2个角度,对耦合人群移动的COVID-19传染病模型进行分类梳理。其中,根据耦合人群移动的方式,本文将面向疫情短期预测的模型分为人群移动一阶量与人群移动二阶量的耦合模型,将基于过程模拟的模型分为群体级别和个体级别的耦合模型。最后,本文评述了耦合人群移动的传染病模型研究进展和未来发展方向,认为该领域研究亟需更加深入建模与疾病传播相关的复杂人群时空行为、提升模型的空间解析能力、突破精细化时空传播模拟的计算瓶颈、拓展与前沿人工智能方法的融合,并构建普适而开放的建模数据与工具以促进应用发展。     

Visible Lightcurve Observations of Comet 19p/Borrelly

The final Deep Space 1 (DS1) mission target, comet 19P/Borrelly, was observedfrom July 28–August 1, 2000 at the CTIO-1.5 m telescope in the R filter. Theobserved lightcurve has a large peak to peak variation between 0.84 mag and1.0 mag. A period of 26.0 ± 1 hr (assuming a double-peaked lightcurve)was found using all five nights. This is in good agreement with the period of25.02 ± 0.5 hr quoted by Lamy et al. (1998) using only 6 points ofHST data and is also consistent with HST data taken around the DS1 encountertime by Weaver et al. (2002).Using the mean magnitude R = 20.8 mag and assuming a 4% albedo, we derivean effective nuclear radius of 2.6 km. The large lightcurve amplitude translates toa long to intermediate axial ratio a/b ≥ 2.2, in excellent agreement with theHST result of a/b ≥ 2.4 (Lamy et al., 1998) and with DS1 images (Soderblom et al., 2002).