地球信息科学学报 ›› 2021, Vol. 23 ›› Issue (2): 274-283.doi: 10.12082/dqxxkx.2021.200415
韦原原1,2(), 江南1,*(
), 陈云海1, 李响1, 杨振凯1
收稿日期:
2020-07-30
修回日期:
2020-10-19
出版日期:
2021-02-25
发布日期:
2021-04-25
通讯作者:
江南
E-mail:gisworker@vip.163.com;13653802609@163.com
作者简介:
韦原原(1991— ),男,河南洛阳人,博士生,主要从事空间信息系统建模与分析方面研究。E-mail: 基金资助:
WEI Yuanyuan1,2(), JIANG Nan1,*(
), CHEN Yunhai1, LI Xiang1, YANG Zhenkai1
Received:
2020-07-30
Revised:
2020-10-19
Online:
2021-02-25
Published:
2021-04-25
Contact:
JIANG Nan
E-mail:gisworker@vip.163.com;13653802609@163.com
Supported by:
摘要:
新型冠状病毒肺炎(Coronavirus Disease 2019,COVID-19)在全球的传播仍在持续,根据COVID-19在国内早期的扩散特征,从地理学角度出发,构建了一种顾及时空对象空间相互作用机制的疫情风险评估模型,模型在参照时空对象空间相互作用迁移型传导模式的基础上,重点考虑了疫情传播的时空过程、并兼顾空间依赖及空间异质性因素,实现了疫情风险城际传播的关联性、动态性分析。在实证研究阶段,基于该模型对武汉及其主要影响城市在2020年1月上旬到4月上旬的疫情风险及动态演变进行了评估,通过与基于城市对象自身属性计算得到的实时疫情风险指数及其空间分布进行比较,验证了基于时空对象的空间相互作用模型在疫情风险评估方面的有效性。结果表明:① 模型能兼顾疫情传播的空间依赖及空间异质性特征,体现疫情风险的城际传播过程,为疫情传染风险评估及相关空间问题的研究提供了一种新的视角和方法;② 来自源对象的输入性疫情风险与对象间的空间相互作用强度存在显著正相关性,因此在疫情防控中要结合空间相互作用的主要影响因素进行综合决策。
韦原原, 江南, 陈云海, 李响, 杨振凯. 顾及时空对象空间相互作用的疫情风险评估建模与应用[J]. 地球信息科学学报, 2021, 23(2): 274-283.DOI:10.12082/dqxxkx.2021.200415
WEI Yuanyuan, JIANG Nan, CHEN Yunhai, LI Xiang, YANG Zhenkai. Modeling and Application of Epidemic Risk Assessment Considering Spatial Interaction of Spatial-temporal Objects[J]. Journal of Geo-information Science, 2021, 23(2): 274-283.DOI:10.12082/dqxxkx.2021.200415
表1
2020年1月23日前武汉市主要人口流向及相关城市基本情况"
城市 | 人口/万人 | 2019年GDP/亿元 | 通勤方式 | 用时/h | 铁路线距离/km | 占武汉迁出人口比例/% |
---|---|---|---|---|---|---|
孝感市 | 481.45 | 2301.40 | 高铁 | 0.50 | 126 | 13.87 |
黄冈市 | 750.00 | 2322.73 | 动车 | 0.42 | 50 | 13.50 |
荆州市 | 569.17 | 2516.48 | 动车 | 1.63 | 240 | 7.17 |
咸宁市 | 246.26 | 1594.98 | 高铁 | 0.40 | 85 | 4.77 |
襄阳市 | 550.03 | 4812.84 | 高铁 | 1.51 | 281 | 4.44 |
荆门市 | 287.37 | 2033.77 | 特快 | 3.37 | 256 | 3.76 |
黄石市 | 242.93 | 1767.19 | 动车 | 1.13 | 105 | 3.74 |
随州市 | 216.22 | 1162.23 | 高铁 | 1.00 | 162 | 3.54 |
鄂州市 | 104.87 | 1140.07 | 动车 | 0.37 | 56 | 3.28 |
仙桃市 | 154.30 | 868.47 | 动车 | 1.00 | 77 | 3.23 |
宜昌市 | 405.97 | 4460.82 | 动车 | 2.33 | 323 | 3.05 |
天门市 | 127.23 | 650.82 | 动车 | 0.95 | 114 | 2.28 |
十堰市 | 334.08 | 2012.72 | 高铁 | 2.00 | 460 | 2.00 |
恩施州 | 329.03 | 1159.37 | 动车 | 4.02 | 526 | 1.83 |
潜江市 | 96.20 | 812.63 | 高铁 | 0.80 | 134 | 1.19 |
[1] | Kermack W O, Mckendrick A G. A contribution to the mathematical theory of epidemics[J]. Proceedings of the Royal Society of London, 1927,115(772):700-721. |
[2] |
Saito M M, Imoto S, Yamaguchi A R, et al. Extension and verification of the seir model on the 2009 influenza a(H1N1) pandemic in Japan[J]. Mathematical Biosciences, 2013,246(1):47-54.
doi: 10.1016/j.mbs.2013.08.009 |
[3] |
Chang C Y, Cao C X, Wang Q, et al. The movel H1N1 influenza a global airline transmission and early warning without trave containments[J]. Chinese Science Bulletin, 2010,55(26):3030-3036.
doi: 10.1007/s11434-010-3180-x pmid: 32214734 |
[4] | 邹霞. 具有时空时滞的非局部扩散SIR模型的行波解[J]. 应用数学和力学, 2018,39(5):611-630. |
[ Zou X. Traveling wave solutions for nonlocoal dispersal SIR models with spatio-temporal delays[J]. Applied Mathematics and Mechanics, 2018,39(5):611-630. ] | |
[5] | 俞建康, 何芳, 陈袁芳, 等. 顾及空间异质性的温州市COVID-19疫情预测[J]. 地理空间信息, 2020,18(8):1-6,141. |
[ Yu J K, He F, Chen Y F, et al. Prediction of covid-19 epidemic situation in Wenzhou considering spatial heterogeneity[J]. Geospatial information, 2020,18(8):1-6,141. ] | |
[6] | 王丽. 2003年中国SARS传播空间格局及人口流动驱动因子研究[D]. 北京:中国科学院大学, 2016. |
[ Wang L. Modeling on SARS transmission in 2003 and population migration based on flow data[D]. Beijing: University of Chinese Academy of Sciences, 2016. ] | |
[7] | 刘张, 千家乐, 杜云艳, 等. 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[J]. 地球信息科学学报, 2020,22(2):147-160. |
[ Liu Z, Qian J L, Du Y Y, et al. Multi-level spatial distribution estimation model of the inter- regional migrant population using multi- source spatio- temporal big data: A case study of migrants from Wuhan during the spread of COVID-19[J]. Journal of Geo-information Science, 2020,22(2):147-160. ] | |
[8] |
周成虎. 全空间地理信息系统展望[J]. 地理科学进展, 2015,34(2):129-131.
doi: 10.11820/dlkxjz.2015.02.001 |
[ Zhou C H. Prospects on pan-spatial information system[J]. Progress in Geography, 2015,34(2):129-131. ] | |
[9] |
华一新, 周成虎. 面向全空间信息系统的多粒度时空对象数据模型描述框架[J]. 地球信息科学学报, 2017,19(9):1142-1149.
doi: 10.3724/SP.J.1047.2017.01142 |
[ Hua Y X, Zhou C H. Description frame of data model of multi-granularity spatio-temporal object for Pan-spatial Information System[J]. Journal of Geo-information Science, 2017,19(9):1142-1149. ] | |
[10] |
张政, 华一新, 张晓楠, 等. 多粒度时空对象关联关系基本问题初探[J]. 地球信息科学学报, 2017,19(9):1158-1163.
doi: 10.3724/SP.J.1047.2017.01158 |
[ Zhang Z, Hua Y X, Zhang X N, et al. The basic issues of associative relationship of spatial-temporal objects of multi-granularity[J]. Journal of Geo-information Science, 2017,19(9):1158-1163. ] | |
[11] | 张江水, 华一新, 李翔. 多粒度时空对象建模的基本内容与方法[J]. 地理信息世界, 2018,25(2):12-16. |
[ Zhang J S, Hua Y X, Li X. The basic content and methods of multi-granularity spatio-temporal object modeling[J]. Geomatics world, 2018,25(2):12-16. ] | |
[12] | 蒋秉川, 游雄, 李科, 等. 利用地理知识图谱的COVID-19疫情态势交互式可视分析[J]. 武汉大学学报·信息科学版, 2020,45(6):836-845. |
[ Jiang B C, You X, Li K, et al. Interactive visual analysis of COVID-19 epidemic situation using geographic knowledge graph[J]. Geomatics and Information Science of Wuhan University, 2020,45(6):836-845. ] | |
[13] | 潘理虎, 秦世鹏, 李晓文, 等. COVID-19病毒防控多智能体仿真模型[J/OL]. 系统仿真学报, 1-15. https://doi.org/10.16182/j.issn1004731x.joss.20-0312. 2020-08-25. |
[ Pan L H, Qin S P, Li X W, et al. The multi-agent simulation model for COVID-19 virus prevention and control[J/OL]. Journal of System Simulation, 1-15. https://doi.org/10.16182/j.issn1004731x.joss.20-0312. 2020-08-25.] | |
[14] | 薛景丽. 基于GIS和SEM的城市空间相互作用测度方法研究[D]. 北京:中国地质大学(北京), 2012. |
[ Xue J L. Research on measurement method of urban spatial interaction based on GIS and SEM[D]. Beijing: China University of Geosciences(Beijing), 2012. ] | |
[15] |
Manuel G R, Farok V. Population, convenience and distance de-cay in a short-haul model of United States' air transportation[J]. Journal of Transport Geography, 1995,3(3):179-185.
doi: 10.1016/0966-6923(95)00002-K |
[16] |
Waldo R. Tobler. A computer movie simulating urban growth in the detroit region[J]. Economic Geography, 1970,46(2):234-240.
doi: 10.2307/143141 |
[17] | 徐爱功, 车莉娜. 一种新的时空过程模型建模方法[J]. 测绘科学, 2013,38(6):60-63. |
[ Xu A G, Che L N. Discussion on a new spatio-temporal process model[J]. Science of Surveying and Mapping, 2013,38(6):60-63. ] | |
[18] | Peter H. Geography: A modern synbook[M]. Geography: A modern synbook. Harper & Row, 1991. |
[19] | 中国—世界卫生组织新型冠状病毒肺炎(COVID-19)联合考察组. 中国-世界卫生组织新型冠状病毒肺炎(COVID-19)联合考察报告[R]. 北京:中华人民共和国国家卫生健康委员会, 2020. |
[ China - WHO novel coronavirus pneumonia (COVID-19) joint investigation group. China - WHO novel coronavirus pneumonia (COVID-19) joint investigation report[R]. Beijing: National Health Commission of the people's Republic of China, 2020. ] | |
[20] | Grosche T, Rothlauf F, Heinzl A. Gravity models for airline pas-senger volume estimation[J]. Journal of Air Transport Manage-ment, 2007,13(4):175-183. |
[21] |
Liu J, Zhan J, Deng X. Spatio-temporal patterns and driving forces of urban land expansion in China during the economic reform era[J]. AMBIO: a journal of the human environment, 2005,34(6):450-456.
doi: 10.1579/0044-7447-34.6.450 |
[22] | 李辉智, 易大莉, 李高明. 重庆市新型冠状病毒肺炎疫情风险分区分级评估方法比较研究[J/OL]. 重庆医科大学学报, 1-7. https://doi.org/10.13406/j.cnki.cyxb.002564. 2020-08-23. |
[ Li H Z, Yi D L, Li G M. Comparative study on assessment methods of epidemic risk of COVID-19 in Chongqing[J/OL]. Journal of Chongqing Medical University, 1-7. https://doi.org/10.13406/j.cnki.cyxb.002564. 2020-08-23. ] | |
[23] | Zhou T, Liu Q H, Yang Z, et al. Preliminary prediction of the basic reproduction number of the Wuhan novel coronavirus 2019-nCoV[J/OL]. Journal of Evidence Based Medicine, 2020,13:3-7. http://arxiv.org/abs/2001.10530. 2020-01-23. |
[24] | 喻孜, 张贵清, 刘庆珍, 等. 基于时变参数-SIR模型的COVID-19疫情评估和预测[J]. 电子科技大学学报, 2020,49(03):357-361. |
[ Yu Z, Zhang G Q, Liu Q Z, et al. The outbreak assessment and prediction of COVID-19 based on time-varying SIR model[J]. Journal of University of Electronic Science and Technology of China, 2020,49(03):357-361. ] | |
[25] | Rinaldo M C, Mauro G, Francesca M, et al. An age and space structured SIR model describing the Covid-19 pandemic[J/OL]. Medical Letter on the CDC & FDA, 1-16. https://doi.org/10.1101/2020.05.15.20103317. 2020-05-15. |
[26] | 余锦芬, 宋玉凯, 费菲, 等. 基于机器学习和动力学模型的湖北省新型冠状病毒肺炎疫情分析[J/OL]. 生物医学工程研究, 1-5. http://kns.cnki.net/kcms/detail/37.1413.R.20200422.1303.002.html. 2020-09-14. |
[ Yu J F, Song Y K, Fei F, et al. Analysis of COVID-19 in Hubei province based on machine learning and dynamics model[J/OL]. Journal of Biomedical Engineering Research, 1-5. http://kns.cnki.net/kcms/detail/37.1413.R.20200422.1303002.html. 2020-09-14. | |
[27] | 湖北省统计局. 湖北统计年鉴2019[M]. 北京: 中国统计出版社, 2019. |
[ Hubei Provincial Bureau of Statistics. Hubei statistical yearbook-2019[M]. Beijing: China Statistics Press, 2019. ] | |
[28] | http://search.huochepiao.com/chaxun/resultc.asp?txtCheci=D2&cc.x=0&cc.y=0. |
[29] | 百度迁徙-百度地图慧眼.[DB/OL]. https://qianxi.baidu.com/2020. 2020-05-08. |
[ Baidu migration - Baidu map insight.[DB/OL]. https://qianxi.baidu.com/2020. 2020-05-08. ] | |
[30] | 澎湃新闻“美数课”. 新增确诊新型冠状病毒肺炎数据.[DB/OL]. https://github.com/839-Studio/Novel-Coronavirus-Updates. 2020-04-19. |
[ MEISHUKE column of surging news. New diagnostic data of covid-19.[DB/OL]. https://github.com/839-Studio/Novel-Coronavirus-Updates. 2020-04-19. ] |
[1] | 谢聪慧, 吴世新, 张晨, 孙文涛, 何海芳, 裴韬, 罗格平. 基于谱系聚类的全球各国新冠疫情时间序列特征分析[J]. 地球信息科学学报, 2021, 23(2): 236-245. |
[2] | 巫细波, 赖长强, 葛志专. 政府严控期我国地级市COVID-19疫情的时空集聚、演变及自相关效应研究[J]. 地球信息科学学报, 2021, 23(2): 246-258. |
[3] | 毕佳, 王贤敏, 胡跃译, 罗孟涵, 张俊华, 胡凤昌, 丁子洋. 一种基于改进SEIR模型的突发公共卫生事件风险动态评估与预测方法——以欧洲十国COVID-19为例[J]. 地球信息科学学报, 2021, 23(2): 259-273. |
[4] | 方云皓, 顾康康. 基于多元数据的中国地理空间疫情风险评估探索——以2020年1月1日至4月11日COVID-19疫情数据为例[J]. 地球信息科学学报, 2021, 23(2): 284-296. |
[5] | 曹中浩, 张健钦, 杨木, 贾礼朋, 邓少存. 基于GIS新冠智能体仿真模型及应用——以广州市为例[J]. 地球信息科学学报, 2021, 23(2): 297-306. |
[6] | 杜毅贤, 徐家鹏, 钟琳颖, 侯盈旭, 沈婕. 网络舆情态势及情感多维特征分析与可视化——以COVID-19疫情为例[J]. 地球信息科学学报, 2021, 23(2): 318-330. |
[7] | 曾梦熊, 华一新, 张江水, 曹一冰, 张政. 多粒度时空对象动态行为表达模型与方法研究[J]. 地球信息科学学报, 2021, 23(1): 104-112. |
[8] | 李锐, 石佳豪, 董广胜, 刘朝辉. 多粒度时空对象组成结构表达研究[J]. 地球信息科学学报, 2021, 23(1): 113-123. |
[9] | 张正方, 闫振军, 王增杰, 傅蓉, 罗文, 俞肇元. 基于Bayes网络的多粒度时空对象地理过程演化建模——以新安江模型为例[J]. 地球信息科学学报, 2021, 23(1): 124-133. |
[10] | 葛咏, 刘梦晓, 胡姗, 任周鹏. 时空统计学在贫困研究中的应用及展望[J]. 地球信息科学学报, 2021, 23(1): 58-74. |
[11] | 谢雨芮, 江南, 赵文双, 郝睿. 基于多粒度时空对象的作战实体对象化建模研究[J]. 地球信息科学学报, 2021, 23(1): 84-92. |
[12] | 华一新, 张江水, 曹一冰. 基于时空域的全空间数字世界时空对象组织与管理研究[J]. 地球信息科学学报, 2021, 23(1): 76-83. |
[13] | 刘张, 千家乐, 杜云艳, 王楠, 易嘉伟, 孙晔然, 马廷, 裴韬, 周成虎. 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[J]. 地球信息科学学报, 2020, 22(2): 147-160. |
[14] | 陈昭, 罗小波, 高阳华, 叶勤玉, 王书敏. 基于半变异函数的重庆市地表温度空间异质性建模及多尺度特征分析[J]. 地球信息科学学报, 2019, 21(7): 1051-1060. |
[15] | 阎世杰, 王欢, 焦珂伟. 京津冀地区植被时空动态及定量归因[J]. 地球信息科学学报, 2019, 21(5): 767-780. |
|