我国COVID-19疫情时空演变特征与趋势研究——基于Spatial Markov Chain和STL时间序列模型

基于2020年1月24日~2021年3月4日省级行政区的COVID-19肺炎现有确诊病例数、累计确诊病例数、治愈数等统计数据,本文采用GIS分析、空间马尔科夫链、STL时间序列模型等方法从时间和空间两个维度分析我国新型冠状病毒肺炎(简称COVID-19)疫情时空演变特征。研究发现:① 全国COVID-19疫情大致分为“大规模快速爆发期、全国严格防控期、全国抑制期、局部复发期、常态化防控期、二次局部复发期、常态化防控期”等7个阶段,绝大部分省份疫情变化特征与全国总体情况相一致,个别省份因局部地区爆发疫情导致疫情变化特征表现出一定差异性。② 湖北春运期间的大规模人口流动是导致疫情在全国范围内快速扩张的主要原因,湖北封城之前14天的百度迁徙规模指数与全国各省市区的累计确诊数(到2月11日)呈现显著正相关。③ 采用马尔科夫链模型分析各省市COVID-19疫情现存确诊数的结果显示,4种疫情风险(高感染、较高感染、较低感染、低感染)保持不变的概率较为稳定且空间分布相对固定,平均向下转移的概率高于向上转移概率,反映了我国COVID-19现存确诊数量下降的趋势。④ 采用STL时间序列趋势分析法分析我国及典型省市的每周现存确诊病例数变化特征及趋势,我国中后期现存确诊数总体呈现平稳趋势,新增确诊病例主要来自境外输入病例,输入性防控将是我国疫情防控重点。

我国COVID-19疫情时空演变特征研究——基于314个城市329天面板数据

基于2020年1月24日至12月18日我国314个城市的COVID-19现存确诊数、累计确诊数等统计数据,采用地理数据探索、新兴时空热点分析、空间马尔科夫链、动态面板数据空间杜宾模型等方法分析了COVID-19疫情的时空变化特征。研究发现:我国COVID-19疫情大致划分为大规模快速爆发期、全国严格防控期、全国抑制期、局部复发期、常态化防疫期5个阶段,绝大部分城市的疫情变化特征与全国总体情况类似;新兴时空热点方法识别出4种类型共124个疫情冷热点,其中增强热点24个、振荡热点27个、持续冷点16个、渐少的冷点57个;疫情热点主要分布于中东部地区特别是湖北周边区域,疫情冷点主要分布于西南、西北及东北地区;各城市现存确诊人数的马尔科夫链转移概率矩阵分析结果显示,各种类型维持现状的概率大于0.893,向下转移的平均概率明显高于向上转移的概率,在不同空间滞后类型的影响下各类型转移概率发生明显变化;动态面板空间杜宾模型估计结果显示314个城市现存确诊数具有显著的时空自相关性且不同阶段有明显差异。

交通运输业碳排放效率时空演变及趋势预测

为探索周围邻域对交通运输业碳排放效率演变的影响,分析了交通运输业碳排放效率的时空演变特征,并对其长期演变趋势进行预测.首先,采用超效率SBM模型测度我国30个省份的交通运输业碳排放效率,利用核密度估计方法分析其随时间演变的特征;其次,构建传统与空间马尔可夫概率转移矩阵进一步分析了交通运输业碳排放效率的时空演变特征;最后,针对不同类型的省份提出相关建议.结果表明:(1)交通运输业碳排放效率的平均水平低于0.6,但呈逐年递增的趋势,且区域差异逐渐缩小.(2)各省份交通运输业碳排放效率至少有71%的概率维持原有状态,且短期内难以实现跨阶段转移.(3)地理空间格局影响交通运输业碳排放效率的演变过程,当某省份与碳排放效率高的省份相邻时,转移到高效率的概率增加,而与碳排放效率低的省份相邻时则相反.此外,在空间溢出效应的影响下,交通运输业碳排放效率的演变逐渐呈现“俱乐部收敛”的趋势.(4)从长期演变趋势来看,各省份交通运输业碳排放效率向高水平转移的可能性增大,呈现出由低到高递增的态势,同时“俱乐部收敛”现象逐渐消失.

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

突发性重大公共传染性疫情在地级城市层面政府严格防控时期的时空演变特征能够有效反应我国综合应急防控能力。基于中国2020年1月24日—3月5日312个城市的COVID-19累计确诊数、现有确诊数、治愈数等统计数据,采用ESDA、优化的热点分析、空间马尔科夫链、空间面板数据模型等方法分析了政府严控期COVID-19疫情在312个城市的时空变化特征。研究发现:①全国COVID-19现存确诊数经历了"快速增长扩散、基本控制、逐渐下降、局部地区完全控制"的变化特征并在2月17日达到峰值,上升期的日均增长率为17.5%,下降期的日均下降率为5.1%,绝大部分城市的疫情变化特征与全国总体情况类似;②春运期间的人口流动性高是导致疫情快速扩张的主要原因,武汉"封城"之前14 d的百度迁徙强度指数与部分城市的累计确诊数显著相关;③优化的热点分析方法识别出疫情热点的空间分布具有固定性且主要分布于以武汉为中心、半径约350 km范围内的36个城市,未识别出具有统计显著性的疫情冷点城市;④对各城市现有确诊人数的马尔科夫链转移概率矩阵分析结果显示,各种类型维持现状的概率大于0.85,向下转移的平均概率明显高于向上转移的概率,在不同空间滞后类型的影响下各类型转移概率发生明显变化;⑤空间面板数据模型估计结果显示312个城市的现存确诊数具有显著的空间和时间自相关性。本研究从地级市层面多角度分析了政府严控期间COVID-19疫情的时空变化特征,疫情防控重点在于降低其时空自相关效应,为我国当前及未来应对突发性重大公共传染性疫情提供决策参考。