基于县域的湖北省新型冠状病毒肺炎的时空变化特征

王红，丹晓飞，邓娅萍，王新生

(1.湖北大学资源环境学院， 湖北 武汉 430062； 2.区域开发与环境响应湖北省重点实验室， 湖北 武汉 430062)

0 引言

新型冠状病毒肺炎的出现给全球人民的工作和生活带来了严重的影响.很多学者从生物学和病毒学的方面对新型冠状病毒进行了研究，为病毒的传播和预防提供了很大的贡献[1-3]，也有很多学者从地理学角度出发对肺炎疫情进行分析，主要包括：1)研究新冠肺炎和气候与环境之间的关系.如Bashir等发现了新型冠状病毒的大流行与平均温度、最低温度和空气质量显著相关[4],Wang等研究表明北半球夏季和雨季到来可以有效减少COVID-19的传播[5]，Auler研究了巴西5个城市中气象条件对新冠病毒的影响，得到较高的平均温度和平均相对湿度有利于新冠病毒的传播的结果[6].2)研究疫情的空间格局发展.如Kang等研究了中国大陆地区新冠肺炎的空间流行动态[7]，简子菡等人从市域、县域及城镇等多个尺度对河南省新冠病毒肺炎病例的空间格局演化进行了研究，并分析其各类空间特征[8]，苏理云等用空间统计方法对疫情期间全国累计确诊人数进行了分析，并且探究了全国新冠病毒疫情的时空格局变化[9]，石莹等学者研究了全国新冠病毒肺炎的空间分布及空间聚集状况[10],韩明慧等分析了国外1月2日到2月18日之间的肺炎发病现状和趋势等[11].以上基于地理角度对新冠肺炎疫情的研究都从空间分布或影响因素方面进行了探索分析，但是对于疫情比较严重的湖北地区的肺炎空间分布与影响因素之间的定量表达的研究较少，研究新冠病毒在湖北省传播的时空变化，可以对新冠肺炎的发展传播过程有一个较为直观的了解，并且根据确诊人数分布情况和病毒的生存传播特性提出一些影响因素的猜想并进行验证，以找出新冠肺炎传播和发展的主要影响因素，为新型冠状病毒的防御提供参考.本研究从县级尺度对湖北省疫情进行空间表达，分析新冠病毒传播过程中确诊人数在湖北省的空间聚集性、空间转移变化及疫情分布的空间自相关，重点分析病毒传播与交通、气候、人口等相关因素之间的关系，并进一步探讨病毒传播的影响因素.

1 数据和方法

1.1 研究区与数据来源研究对象为湖北省内各个县市行政区，研究数据包括研究时段内每日疫情数据(来源于湖北省各市卫生与健康委员会及政府官网的每日公布的疫情信息)、各县市温度(https://qq.ip138.com/weather/hubei/lishi.htm)和湿度数据(http://hz.zc12369.com/home/meteorologicalData/dataDetails/)、平均海拔(30 m数字高程模型http://www.gscloud.cn/)、人口数据和地区生产总值(来源于各地政府官网公布的统计年鉴)，国家基本比例尺1∶100万地形图(http://www.webmap.cn/main.do?method=index&tdsourcetag=s_pcqq_aiomsg)作为湖北省行政矢量数据.

1.2 研究方法本文中根据研究时间内各个阶段的每日新增病例和累计确诊病例划分研究时段.通过核密度方法进行密度分析以对新冠疫情的高密度核心进行可视化表达.对于疫情在湖北省的空间聚集情况，采用空间相关分析即Moran指数的方法进行表达.在湖北省疫情空间分布的基础上，分析疫情与道路、气候、地形等因素之间的关系，利用相关性分析法定量的分析各因素与疫情分布之间的相关性系数，以得到与疫情发展相关性显著的因素.

2 湖北省新型肺炎疫情的时空特征

2.1 时间变化总体特征分析根据湖北省及各县市卫健委(局)发布的统计数据，1月20日之前新冠肺炎还未大规模出现，因此官方公布数据没有精确到具体县市，3月14日之后湖北省的疫情已经趋于稳定，因此选取1月20日到3月14日之间为研究时段.根据期间的每日新增病例和累计病例，对其利用折线图进行表示(图1)，将研究时间划分为4个时间段，第一阶段为1月30日前，湖北省每日新增确诊病例人数较少，处于疫情缓慢增长期.第二阶段为1月31日到2月4日，这个阶段每日新增病例数加速增长，处于疫情快速发展期；第三阶段为2月5日到2月24日，前期每天新增的病例数呈现波动上升趋势，而且数量居高不下，之后每日新增确诊病例逐日减少，情况逐渐好转，这个阶段为疫情的抗衡期阶段.2020年2月25日后，新增病例数在29日迎来了最后一个小高峰，之后趋于稳定，为疫情发展的第四个阶段即稳定好转期.根据以上时间段，从各个时间段内选取具有代表性的时间节点对疫情的空间演化进行表达，主要选取1月30日，2月5日(由于2月4日疫情数据不完整，因此以2月5日疫情数据为第二阶段时间节点)，2月12日和2月29日为时间节点代表，通过时间节点的当日新增病例和累计病例数对湖北省疫情的空间变化进行表示.

图1 湖北省确诊人数变化

2.2 基于不同时间的空间分布特征从新冠肺炎病例的出现，到2020年1月10日，春运正式启动，巨大的人流量给新冠病毒的传播制造了有利的传播条件，武汉市作为交通要塞，具有更密集的人流量，致使武汉的疫情更加严重.由图2可以看出，疫情严重程度在湖北省呈现东高西低的分布情况，1月31日除武汉及其周围地区，其他各县市的累计确诊病例相对比较少，大部分区域累计病例数不超过10人.到2月5日疫情在总体程度上增长较多，从图2b可以看出，湖北东部区域确诊病例数增长速度高于西部，这个阶段累计病例数最多的武汉市共有病例10 117例，其次为黄冈市黄州区546例和随州市曾都区488例.截止到2月12日，疫情进一步严重，累计确诊人数较多的包括武汉市32 994例，鄂州市鄂城区844例，孝感市孝南区729例，黄冈市黄州区717例，孝感汉川市641例，此阶段疫情分布依然是东部比较严重，并且累计确诊病例较多的县市基本都位于市区中心或距离武汉市距离较近.到2月29日，疫情总体发展速度减缓，分布情况与之前相似，依然呈现湖北省西部相对程度较轻，东部疫情严重，其中武汉市依然是累计确诊人数最多的区域达到48 557例，其他县市在原有基础上有不同程度的增加，整体上呈现增长趋势.

图2 县级尺度下湖北省累计确诊病例时空演变

2.3 基于不同时间的空间聚集特征发病率一般用来描述疾病的分布，评价防治措施的结果等.表示一定期间内，一定人群中某病新病例出现的频率，其公式见式(1)：

发病率=一定时期内某人群中某病新病例数/同时期暴露人口数×K

(1)

式中，K=100%，1 000‰，或10 000/万.

为了排除部分地区人口总量少、确诊人数虽少但占比较高的情况，本文中采用发病率(K值取100%)来探究疫情分布中是否存在明显聚集分布的核心区域，同期暴露人数取县级行政区内的常住人口数，在ArcGIS软件的支持下将县级行政区面转为中心点数据，并根据发病率进行核密度分析，得到湖北省各地的新冠肺炎发病率空间聚集图.

图3代表了时间点内新冠疫情发病率的空间集聚程度，整体来看4个时间点的疫情发病率集聚区域都集中在鄂州、武汉、黄冈及黄石交接的位置，另外，十堰市张湾区，宜昌市主城区，襄阳市主城区也分别有不同程度的小聚集.将4个时间节点的各市确诊人数进行排序统计，各时间节点确诊人数占据前三的分别为武汉市、孝感市和黄冈市，其次随州市、襄阳市及荆州市，黄石市和荆门市也基本位于前列，武汉市虽然是确诊病例最多的城市，由于人口容量大，因此发病率相对来说不是最高.这也对应了上图的疫情聚集核心不在武汉内而位于武汉鄂州黄冈交界处的现象.十堰市也是疫情聚集的一个核心区域，原因可能为疫情初期时部分市民风险意识淡薄，导致十堰市张湾区本地居民感染的病例较多，2月12日张湾区发布了战时管制令，对疫情的防控起到了很大的作用.宜昌市的西陵区和伍家岗区都位于宜昌市主城区，确诊人数多，相比于宜昌市其他地区，疫情更加严重，因此形成了集聚现象.从时间上看，截止到1月31日，十堰市、襄阳市、宜昌市、荆门市及荆州市的集聚现象较明显；到2月5日，荆门市和荆州市集聚现象有所下降，湖北省东部发病率的聚集情况基本不变；到2月12日，疫情聚集现象继续减弱，武汉市出现了次级聚集中心；截止到2月29日，湖北省西部的聚集现象基本弱化，相比之下，东部的武汉出现了一级聚集中心，与鄂州区域形成了双核现象，这可能与武汉作为疫情重灾区，累计确诊病例数越来越多有关.

图3 县级尺度下的发病率空间集聚变化

3 湖北省新型肺炎疫情的分布分析

3.1 空间自相关特征分析地理空间对象普遍存在自相似性特征，距离越近的物体，相似程度越高.当发生传播现象时，感染者与易感染者的活动范围上存在着空间交叠[12]，在这个过程中，疫情的发病率在空间上会存在一定的空间自相关特征.利用ArcGIS分别计算湖北省疫情期间各个县市新冠病毒发病率的Moran’sI(表1)，可以看出，1月31日的莫兰统计指数为0.368 9，Z得分为5.425 1，p<0.01，此时间段新冠病毒发病率在空间上显著正相关，并且具有明显的聚集分布特征.2月5日新冠病毒的发病率的莫兰指数为0.577 6，Z得分为8.403 5，p<0.01.2月12日，湖北新冠疫情累计发病率的莫兰统计指数为0.511 8，Z得分为8.368 5，p<0.01. 2月29日，COVID-19的发病率莫兰指数为0.381 5，Z得分为7.035 1，p<0.01，通过了显著性检验，结果显示湖北省各县的新冠肺炎发病率之间存在比较显著的空间自相关特性.可以发现，随着时间发展，新冠肺炎的发病率的莫兰指数先上升后下降，说明各地新冠肺炎的发病率空间自相关性随时间先加强后稍有减弱，即在疫情快速发展蔓延时期，某行政区的发病率与其相邻行政区之间的相关性更强，并且随疫情发展影响较大，考虑其原因可能是疫情初期正值春运，并且部分地区防控措施力度较小，在发达的公路、铁路交通网的基础上，人员流动较大，造成了病毒的传播，使疫情发展较快并且相邻县市疫情具有强相关性. 后期新冠肺炎疫情得到控制，相邻行政区之间的相关性也逐渐减弱.

表1 空间自相关统计结果

利用Geoda软件得到湖北省COVID-19发病例的LISA统计可视化和显著性特征(图4)，不难发现，新冠病毒的高-高聚集区与主要分布在湖北东部，即武汉周围区域的麻城、孝南、汉川、仙桃等地，高-低分布的则主要为武汉市，低-高分布的区域为武汉周边城市，低-低聚集分布的区域主要分布在湖北省西部，包括恩施土家苗族自治州，宜昌市西部和十堰市南部，神农架林区等地.2月6日，低-低集聚区域在湖北省西部有所扩大，高-高集聚区有所减少；这个阶段武汉市的新冠肺炎发病率没有表现出明显的空间自相关性，而周围的行政区域则大部分显示为高-高聚集，孝感市的大悟县和安陆市以及鄂州市呈现低-高的空间自相关性.截止到2月12日，包括武汉及其周边行政区都显示高-高聚集，说明了这些区域的疫情情况普遍较严重，低-低集聚分布在湖北省西南部的恩施土家苗族自治州和神农架林区等地.2月29日，湖北省西部的低-低集聚区域进一步扩大，代表了疫情的好转，孝感市的孝南区和汉川市依然呈现高-高聚集现象，说明这个阶段除武汉及孝感东部区域，大部分地区的疫情得到了很好的控制.

图4 不同时间节点的发病率的空间自相关情况

3.2 可能相关的影响因素分析新冠肺炎的时空分布与诸多因素有关，如各地政策制定与实施、医疗卫生条件、各地受到的支援力度、人员流动等人为因素及地形、交通等客观原因，目前有关流行病的相关因素研究，大部分学者研究了发病率与气候之间的关系，还有部分学者研究了社会经济指标如GDP和人口数量或消费水平与传染病发病率之间的相关性[13-14].一般情况下，病毒对温度比较敏感，虽然不同种类的病毒对温度的抵抗力不同，但大部分病毒在高温条件下存活率较低[15].同时有研究表明，相对湿度可能是影响气溶胶颗粒中病毒存活力的决定因素[16].地形数据如平均海拔高度也可以对当地的气候和环境起到一定作用，海拔高度越高，温度越低，空气相对湿度也会有所改变，根据以上研究推测温度和湿度可能会对新冠肺炎的传播有一定影响.人口密度在一定程度上可能对病毒的传播产生影响，对于传染性强、潜伏期长的病毒，人口密度大意味着人口流动性强，为病毒的传播制造有利条件.自然环境中水网密度代表当地的水环境条件,病毒在进入水环境之后，天然状态下可能长期存活，城市污水中的病原体含量很高，虽然对排放前的污水进行了处理，但是河、湖等地类仍然存在病毒，因此水网密度与新冠病毒可能存在一定的联系[17].地区生产总值代表一个地区的经济发展水平，经济发展水平越高，代表当地的医疗条件，交通条件越好，对疫情的发展和控制起到一定的作用.

根据以上研究结果，本文中选取湖北省社会经济指标包括政府公布的2019年人均GDP、人口密度，研究时段内气候因素即月平均温度和月平均湿度，地形数据，自然因素即水网密度及交通因素包括公路可达性和铁路可达性探究对其疫情分布的影响.

湿度数据以湖北省市级为单位，利用克里金插值法对其进行内插，以获得各个县市的湿度数据，同时根据各地的统计年鉴和官方数据计算当地的人均GDP及人口密度，对平均温度、平均湿度、水网密度、DEM、人口密度和地区人均生产总值进行可视化表达(图5).

图5 部分影响因素空间分布

一个地区的交通便利性很大程度上取决于铁路和公路的交通运输水平，可以用可达性来代表，理论上某地区的可达性更高，则经过该地区的人就会越多，在病毒传播方面，可达性更高的地区可能会具有更高的被感染的风险.考虑到武汉市从1月23日开始封城，封城之后的人口流动较原来受到限制，因此采取23日之前的城市可达性，以疫情前期隐藏病毒携带者在城市之间的流动探究交通因子对新冠疫情的分布影响.本文中分别从公路和铁路方面计算湖北省各县市的可达性，并进行可视化表达(图6).铁路可达性[18-20]指标利用最短旅行时间，根据封城前12306火车时刻运行表选取湖北省城市间直达列车的最短运行时间或两节点之间包含中转的最短时间，公路可达性采用OpenStreetMap中下载的路网数据利用基于O-D(交通起-止点)联系的网络分析法以小时为单位，根据各县市的最短时间计算可达性系数，即某一研究节点可达性指标与网络内所有节点的此项指标平均值的比值，可达性系数数值越小，可达性越高.

图6 道路可达性系数分布

3.3 相关性分析及影响因子提取相关分析是研究两个或两个以上处于同等地位的随机变量间的相关关系的统计分析方法.为了定量研究新冠肺炎传播情况与其影响因素之间的关系，以2月29日各县市累计病例分布图为参照，根据一般病毒的生存和传播条件选取了研究时段内(1月30日-3月1日)湖北省的平均温度、平均湿度、水网密度、平均海拔、武汉到各县市的铁路可达性和公路可达性，以及人口密度7种因素，运用SPSS相关性分析，采用Pearson分析模型分析探究截止2月29日各地的新冠肺炎发病率与以上几种因素之间的密切程度，从而确定对新冠肺炎发病率影响较大的因素.

根据表2可知新冠肺炎的发病率与公路、铁路可达性、人口密度和DEM都在0.01水平双侧显著相关，表示结果有99%的概率可信，其中，发病率与公路可达性及铁路可达性的相关性系数分别为-0.51和-3.99，代表发病率与公路可达性及铁路可达性存在显著的负相关关系，可达性系数越高，发病率越低，即可达性越低的地区新冠肺炎的发病率也比较低，此结果符合可达性系数分布图和发病率分布图的分布现象.发病率与人口密度在0.01层上显著相关，相关系数为0.341，为正相关关系，代表人口密度高的地区具有更高的发病率.人均GDP与新冠肺炎发病率的相关性系数为0.233，在0.05水平双侧显著相关，表示结果有95%的概率可信，说明各地区的人均GDP水平对新冠肺炎的分布也有一定影响，呈现正相关关系.同时发病率与DEM之间的相关性系数为-0.344，存在显著的负相关关系，其他因素如月平均温度、月平均湿度以及水网密度与疫情无显著相关关系(表2).

表2 各影响因素与新冠疫情数据相关性分析结果

结合新冠肺炎分布的空间自相关情况(图4)，从区位方面来看，相邻的行政区域更容易具有相似的环境，如十堰、恩施、神农架等地区，其人口密度相对较小，平均海拔较高，距离武汉的可达性都比较低，因此这些区域疫情比较缓和.而武汉周边区域，由于其可达性高，人口密度大，人均GDP也比较高，因此疫情比较严重.根据周罡[13]在传染病发病率与社会经济指标的相关性研究中，得到的结论为传染病发病率与GDP成反比，而本文中得到的结果为正相关关系，推测原因为：人均GDP与人口密度之间呈现显著正相关关系，说明在湖北省区域，人均GDP高的地区，人口密度越大，代表着更频繁的人口流动和更加密集的交通网络，密集的城市人口也为病毒的局部传播创造了条件[21]，因此呈现正相关现象.根据武汉市到达各县市的最短时间及可达性系数(图6)可以看出，可达性最高的区域为湖北省中部地区，而周边县市可达性则相对较低，可能是因为湖北省中部公路网密集，因此具有更高可达性，恩施，十堰，神农架区域在铁路及公路方面都具有较低的可达性，因此湖北省的疫情呈现出东部较严重，西部相对较缓和的特点.在疫情防控阶段，各个县市的封城，封村及交通管制等政策减少了交通方面的影响力，对各地输入型病例数量的控制和疫情传播起到了极大的帮助作用.这也验证了一定程度上交通因素与GDP和人口密度等社会因素对新冠肺炎的传播有较大的影响.

4 讨论与结论

本研究基于县域尺度分析了新冠肺炎在湖北省的时空分布变化特征及不同时间节点的湖北省各县市疫情空间聚集情况，利用相关性分析探究了交通、温度、温度、地形，人口因素与病毒传播之间的关系.得到主要结论：1)时空演变方面，湖北省疫情经历了缓慢发展到迅速增长后持续减缓的过程，同时空间上呈现西部较轻东部较严重的分布状态.2)肺炎发病率空间聚集方面，最开始疫情聚集地区较多，主要分布在武汉鄂州区域，以及十堰市张湾区和茅箭区、襄阳市市区、宜昌市市区、荆门市沙洋县及孝感市孝南区等区域，随疫情发展，湖北省西部和中部的聚集情况逐渐减弱，东部聚集情况有增强趋势.3)空间自相关方面，新冠肺炎发病率在湖北省西部主要为低-低聚集状态，东部的高-高聚集主要分布在武汉周围，再向外扩散为高-低相邻.4)通过相关性分析对可能影响新冠肺炎分布的几个因素进行分析，得到结果为交通因子对疫情分布有较大影响，其次人口密度和人均国民生产总值对疫情也有一定影响，同时平均海拔高度也与疫情分布具有显著性相关关系.

本研究仅对湖北省确诊感染了新冠病毒的人数进行可视化表达和空间分析，直观表现了湖北省的疫情发展过程和空间分布特征，可以为疫情防控和治理方面提供一定的参考，但是确诊人数的收集过程中，部分市公布的疫情数据存在有将户籍为外乡人单独列出来的情况，并未归于当地总确诊人数中，因此，与官方公布的湖北省总确诊人数存在一定的差异，同时由于影响因素方面考虑得不够全面，采取的因素数据多为静态数据或疫情发生前的数据，而未结合疫情发生后的更新数据，在分析结果中存在一定的局限性，在接下来的研究中会继续完善.