人口流動,特別是來自疫源區(qū)的人口輸入,COVID-19疫情傳播的關(guān)鍵風險來源。本文以廣東省為例,利用人口遷移大數(shù)據(jù)與地理空間分析技術(shù),綜合考慮人口來源地風險差異與流入地社會經(jīng)濟屬性差異,并依據(jù)輸入性病例發(fā)病的間隔時間分布引入時滯過程,構(gòu)建了包含時滯效應的疫情風險時空分析模型,理論上可以根據(jù)現(xiàn)狀人口流動研判未來一定時期的疫情風險的變化趨勢及空間格局,為提前謀劃和精準防控提供決策參考。分析結(jié)果表明:①廣東省新型冠狀病毒肺炎疫情在2020年1月29日拐點初現(xiàn),隨后呈現(xiàn)逐步下降的趨勢。②基于輸入性病例發(fā)病的時滯過程分析,輸入性病例從輸入到發(fā)病普遍存在間隔時間,且間隔時間為1～14 d的病例比重較高。③疫情風險存在明顯的空間差異,各地疫情風險依據(jù)輸入風險、易感風險以及抵御風險能力的不同而存在較大的差異。④廣東省各地市與疫源區(qū)城市之間的聯(lián)系程度、人口流動規(guī)模及其交通區(qū)位因素,顯著影響省內(nèi)疫情風險的分級。深圳、廣州等一線城市是高風險區(qū),東莞、佛山、惠州、珠海、中山等鄰近深圳和廣州的珠三角城市是中風險區(qū),珠三角城市群外圍的粵東西北地區(qū)是低風險區(qū)。應根據(jù)疫情潛在風險,制定基于分區(qū)分級的防控措施,促進局地... 

【文章來源】：地理學報. 2020,75(11)北大核心CSSCIEICSCD

【文章頁數(shù)】：14 頁

【部分圖文】：

廣東省各地市疫情當日輸入風險(Riskinput)演變趨勢

圖3 廣東省各地市疫情當日輸入風險(Riskinput)演變趨勢基于疫情輸入風險的空間分析，結(jié)果如圖5所示。高輸入風險區(qū)域集中分布在深圳和廣州等城市，這些城市常駐人口規(guī)模在1000萬人以上，春節(jié)前后從湖北流入的人口較多，輸入風險較高。中輸入風險區(qū)域包括東莞、佛山、惠州、珠海、中山等城市，主要分布在珠三角城市群，這些城市無論人口中規(guī)模還是經(jīng)濟規(guī)模都屬于珠三角城市群第二梯隊城市。低輸入風險區(qū)域包括江門、湛江、韶關(guān)、清遠、潮州、汕頭、汕尾、肇慶、梅州、茂名、揭陽、河源、云浮、陽江等城市，主要分布在珠三角城市群外圍的粵東、西、北地區(qū)，人口集聚能力和經(jīng)濟活力都明顯低于珠三角地區(qū)，輸入風險也較低。

基于易感指標和防疫指標的空間分析，無論是易感指標，還是防御指標，都存在顯著的空間差異性。易感指標的空間差異性主要體現(xiàn)在，常住人口規(guī)模主要集聚在珠三角城市群和粵東、粵西的核心城市；流動人口規(guī)模主要以深圳、廣州和東莞為代表城市；工業(yè)企業(yè)數(shù)量顯著集聚于環(huán)珠江口的珠三角城市群核心城市，交通流量明顯集聚在珠三角城市群。防御指標的空間差異性主要體現(xiàn)在，衛(wèi)生工作人員數(shù)量明顯集聚在珠三角城市群，尤其是廣州、深圳、佛山和東莞；醫(yī)療機構(gòu)和床位數(shù)的空間差異相對較小�；趶V東省各地市的易感風險系數(shù)和防御風險系數(shù)的分析，依據(jù)公式（4），以期較為準確地測算廣東省各地市的擴散風險系數(shù)。易感風險系數(shù)和防御風險系數(shù)都相對較高的深圳、廣州、佛山和東莞，都呈現(xiàn)出較高的擴散風險系數(shù)，這些城市全部集聚在珠三角城市群。非珠三角城市群的粵東、粵西和粵北城市，呈現(xiàn)相對較低的擴散風險系數(shù)。擴散風險系數(shù)因其各地市的人口、產(chǎn)業(yè)、交通等因素，呈現(xiàn)顯著的空間差異，結(jié)果如圖6所示。利用探索性空間數(shù)據(jù)分析法進行空間自相關(guān)數(shù)據(jù)分析，探討廣東省各地市擴散風險系數(shù)在空間上的集聚與離散特征。全局Moran"s I分析擴散風險系數(shù)的整體分布狀況，擴散風險系數(shù)的全局Moran"s I指數(shù)為正值，I=0.6363，對應的標準化統(tǒng)計量Z=5.2026，顯著性水平P<0.0001，說明擴散風險系數(shù)呈現(xiàn)明顯的空間集聚狀態(tài)。

【參考文獻】：
期刊論文
[1]采取系統(tǒng)方案抗擊全球新型冠狀病毒肺炎（英文）[J]. 趙文武,張軍澤,Michael E.Meadows,劉焱序,華廷,傅伯杰.  Science Bulletin. 2020(11)
[2]基于時滯動力學模型對鉆石公主號郵輪疫情的分析[J]. 羅心悅,邵年,程晉,陳文斌.  數(shù)學建模及其應用. 2020(01)
[3]感染人數(shù)期望值估計及新增確診人數(shù)趨勢預測的概率模型[J]. 丁志偉,劉艷云,孔京,張洪,張一,戴彧虹,楊周旺.  運籌學學報. 2020(01)
[4]基于大數(shù)據(jù)回溯新冠肺炎的擴散趨勢及中國對疫情的控制研究[J]. 趙序茅,李欣海,聶常虹.  中國科學院院刊. 2020(03)
[5]新冠肺炎疫情大數(shù)據(jù)分析與區(qū)域防控政策建議[J]. 周成虎,裴韜,杜云艷,陳潔,許珺,王姣娥,張國義,蘇奮振,宋辭,易嘉偉,馬廷,葛詠,張岸,姜莉莉.  中國科學院院刊. 2020(02)
[6]基于一類時滯動力學系統(tǒng)對新型冠狀病毒肺炎疫情的建模和預測[J]. 嚴閱,陳瑜,劉可伋,羅心悅,許伯熹,江渝,程晉.  中國科學:數(shù)學. 2020(03)
[7]新型冠狀病毒（2019-nCoV）治療藥物體內(nèi)外研究及藥物研發(fā)進展[J]. 宋杲,成夢群,魏賢文.  病毒學報. 2020(02)
[8]上海市新型冠狀病毒肺炎發(fā)病趨勢初步分析[J]. 王英鑒,張娜,呂涵路,周藝彪.  上海預防醫(yī)學. 2020(02)
[9]新型冠狀病毒（2019-nCoV）感染的肺炎臨床特征及影像學表現(xiàn)[J]. 史河水,韓小雨,樊艷青,梁波,楊帆,韓萍,鄭傳勝.  臨床放射學雜志. 2020(01)
[10]地理探測器:原理與展望[J]. 王勁峰,徐成東.  地理學報. 2017(01)



本文編號：3584426