中国非洲猪瘟疫情的时空演化分析

王 鑫，何忠伟，刘 芳，张莎莎

（北京农学院经济管理学院/北京新农村建设研究基地，北京 102206）

2018 年8 月3 日非洲猪瘟疫情首次在我国辽宁省出现，截至2020 年12 月1 日，我国先后有30 个省份发生非洲猪瘟疫情，对我国生猪产业造成了巨大冲击。近年来，我国生猪生产正在加速回复：根据农业农村部发布的数据，2020 年末全国能繁母猪存栏量为4 160 万头，比2019 年上升了35.10%；根据国家统计局公布的数据，2020 年第4 季度生猪平均存栏量为40 650 万头，环比上升9.75%，同比上升30.96%。当前，非洲猪瘟疫情对我国生猪产业的影响正逐渐减弱，然而在“小生产，大市场”的生猪养殖业空间格局下，短期内无法彻底根除[1]。因此，了解非洲猪瘟疫情的时空分布特征及发展趋势，有助于在疫情常态化下加强防控，促进生猪产业健康可持续发展。

国内学者关于非洲猪瘟疫情的研究主要集中在以下3 个方面：一是流行病学研究，如张睿等[1]运用流行病学相关理论对非洲猪瘟在中国扩散的影响因素进行分析，提出了防控疫情的相关建议；二是有关免疫学的研究，如张洪亮等[2]总结国内外非洲猪瘟病毒免疫学及疫苗研究进展现状，以期为非洲猪瘟疫苗的研发提供方法借鉴；三是以经济角度展开非洲猪瘟疫情对我国生猪产业影响的研究，如孙志华[3]、朱增勇[4]、朗宇等[5]通过分析非洲猪瘟对我国生猪产业链各环节的影响，提出了优化生猪产业布局、加速生猪产业升级等建议。而有关非洲猪瘟疫情的空间分析研究相对较少。仅有卢易等[6]通过对非洲猪瘟疫点的时空聚类分析，分析疫病发病趋势，限制疫情蔓延；石国宁等[7]在进行时空分析后采用地理探测法对影响疫情的时空变化因素进行探究。当前国内关于非洲猪瘟疫情的相关性分析多是以省级区划为单位，对疫情的空间分析不够充分。现阶段，非洲猪瘟疫情虽然已经基本得到控制，然而疫情防控任重而道远。为了有效预防和防控疫情，进一步研究非洲猪瘟疫情的时空分布特征并预测风险地区更具指导意义。基于此，本研究通过分析非洲猪瘟疫情的时空分布情况和演化趋势，把握疫情演化规律；在市域空间尺度上分析猪瘟疫情的空间聚集情况，旨在提出疫情重点防控区域，以促进生猪产业健康可持续发展。

1 研究方法

由于其强而有效的数据管理分析、直观的表达能力，时空演化分析被广泛应用于家畜家禽传染病风险分析中[8-9]。通过分析非洲猪瘟疫情在中国的时空演化特征，结合其时空聚类情况，选取局部热点系数作为风险测度，可识别疫情高风险地区。

1.1 非洲猪瘟疫情时空演化相关分析 为了更清晰、直观地表述，借鉴Rolesus、Gulenkin、Korennoy 等成功预测非洲猪瘟疫情分布的分析经验[10-12]，运用核密度、地理中心、标准差椭圆方法分析非洲猪瘟疫情在中国的时空演化特征。

1.1.1 核密度分析 核密度分析可以反映研究对象的空间密度变化情况，其值的高低表示研究对象的聚集程度，公式如下：

式中，f（x，y）为非洲猪瘟疫情发生位置（x，y）的核密度值；n 为非洲猪瘟发病猪头数；h 为带宽；di（x，y）为研究对象i 到（x，y）的距离；K 为密度函数。

1.1.2 地理中心法 一组要素的空间地理中心可以反映要素总体的变化趋势，常以中心要素、中位数中心与平均中心表示。增加权重可以更直观地观察疫情的地理中心：病猪发病头数越高对统计结果产生的影响就越大。

①加权中心要素，公式如下：

式中：dj为第j 个地市到其他地市的欧式距离；xj和yj为第j 个地级市的经度和纬度；xi和yi为第i 个地级市的经度和纬度，ωi为第i 个地级市非洲猪瘟疫情的发病头数。

②加权平均中心，公式如下：

③加权中位数中心，其计算是一个迭代过程[13]，公式为：

式中yi为当前近似中位中心点，yi+1为下一个点（第一个y 点选取算术平均数中心）；xi为点集中的每一个点，||xi－yi||表示xi和yi的欧式距离，ωi为第i 个地级市非洲猪瘟疫情的发病头数。

1.1.3 标准差椭圆分析 标准差椭圆（Standard Deviational Ellipse,SDE）可以通过识别点数据分布的方向和趋势，以此了解数据的特征；迄今为止被大量应用于社会学、人口学、生态学、地质学等领域[14]。运用公式如下：

式中：xj和yj为第i 个地级市的经度和纬度；ωi为第i个地级市非洲猪瘟疫情的发病头数；为加权平均中心；θ为椭圆方位角；为i 地级市区位到平均中心的坐标偏差；σx，σy为x 轴和y 轴的标准差。

1.2 非洲猪瘟空间聚类分析 空间相关性常用于解释研究区域内事物之间的联系[15]。传染病在空间相关性分析中被大量应用[16]。国内关于非洲猪瘟疫情的相关分析多是以省级区划为单位，识别疫情的风险区域不够具体。基于此，本文以市级行政区划为单位运用全局自相关分析（Global Moran’I）、热点分析法分析非洲猪瘟疫情的空间聚类情况，运用公式如下：

式中，n 为地级市数；xi为第i 个地级市的非洲猪瘟发病头数；为xi的均值；S 为xi标准差；ωij为空间权重矩阵W 的（i，j）元素；本文W 采用基于空间数据拓扑属性的邻接矩阵，若地区i 与地区j 有公共边则ωij=1，若地区i 与地区j 没有公共边则ωij=0。

2 非洲猪瘟疫情的时空分布情况和演化趋势

2018 年8 月至2020 年12 月，农业农村部共报道178 例非洲猪瘟疫情。本研究把2018—2020 年发生非洲猪瘟疫情（采集自2018—2020 年农业农村部官网“非洲猪瘟防控专栏”中发布的疫情公告内容的发生时间、地点与发病头数）的空间分布进行对比，以此分析非洲猪瘟疫情的时空分布特征。

2.1 有发散、减弱趋势 运用ArcGIS10.6 绘制出2018、2019 年中国非洲猪瘟疫情发生地点的空间分布图（图1）。

图1 2018—2020 年非洲猪瘟病例分布情况

由图1 可知，疫情遍布在我国30 个省份，其中分布较多的是辽宁省（19 个）、贵州省（11 个）、云南省（10 个）。可以看出，疫情发病地点有逐年下降趋势。发病地点覆盖的区域逐年减少，并由最初的东北、中东部地区向西北地区转移。结合2018 年8 月至2020 年12月新增疫点数（图2）可以看出：2018 年疫情事件数发生较多，2019、2020 年疫情事件数有下降趋势（除4 月份有所反弹）。表明非洲猪瘟疫情在时空分布上有发散、减弱趋势。

图2 2018 年8 月—2020 年12 月中国非洲猪瘟疫情事件发生数

2.2 发病中心向西北、西南地区转移 运用ArcGIS Pro绘制出2018—2020 年非洲猪瘟疫情的核密度分布图，如图3 所示。

图3 2018—2020 年非洲猪瘟核密度分析图

热力值的高低代表此地区病猪发病数量的集中程度，地图中颜色较深的地区表明此地区病猪发病数量较为集中，称为热核中心。可以看出，2018 年热核中心散布在我国东北、中东部地区，热核中心点较多。表明2018 年我国疫情呈现局部地区发病集中、全局地区发病分散的特点。2019 年热核中心点有所下降，但部分热核中心热力值较高，分别分布在我国东北、中东、南部地区。说明疫情虽然在局部地区发病集中度增加，但是全局发病分散度有所下降。2020 年热核中心转移至我国西北、西南地区，热核中心点数增多，但热力值较低，表明疫情有发散趋势。

为探寻非洲猪瘟疫情的总体分布变化趋势，计算出2018—2020 年以病猪发病数量为权重的非洲猪瘟疫情的中心要素、中位数中心与平均中心，如图4 所示。

由图4 看出，2018、2019 年疫情的地理发病中心集中分布在山东、江苏省份。2018—2019 年，疫情虽然向内陆扩散，但由于东北地区病猪发病数量所占权重较高，致使平均中心北移。类似于传统统计学的中位数，中位数中心可以有效避免部分极值的影响。中位数中心南移表明了疫情向内陆扩散的趋势。非洲猪瘟疫情的中心要素在2 年间没有发生明显变化，都坐落在江苏，表明此地区感染非洲猪瘟疫情的风险程度较高。2020 年，发病地理中心向西移动，分布在四川、甘肃、陕西的交界处。

图4 2018—2020 年非洲猪瘟空间中心演化图

综上所述，疫情发病地点初期集中分布在我国东北、中东部地区。东北地区为疫情初期爆发地，经济卫生条件相对落后[19]。我国生猪养殖主要集中分布在中东部地区，且中东部地区及西部的四川、云南等地中小规模猪场居多[20]。粗放的管理模式与相对聚集的生猪养殖业地理聚集特征促进了疫情的传播，同时疫情前期防控的滞后性致使疫情迅速扩散。随着非洲猪瘟疫情防控政策的落实，疫情有减弱趋势。但由于生猪的违规禁运，使疫情发散并向西北、西南地区转移。加权地理发病中心是疫情传播的高风险地区，2020 年部分疫情追溯自2018、2019 年地理发病中心附近[21]。所以应加强2018—2020 年疫情地理中心附近防控力度，有效预防疫情。

另外，“吃禁果”是男女之情的隐喻，摩西说得过于委婉，可人们还是猜得出来，繁衍后代就等于生生不息，永远不死了。

3 非洲猪瘟疫情的标准差椭圆分析

3.1 疫情分布由东北向西南、西北转移 运用ArcGIS 10.6绘制出2018、2019 年中国非洲猪瘟疫情空间分布图并运用SDE 分析法做出椭圆，如图5 所示。

图5 2018—2020 年非洲猪瘟疫情标准差椭圆分析图

椭圆的长短轴分别表示非洲猪瘟疫情分布的方向与离散程度，长短轴的差值则表示非洲猪瘟疫情分布的方向性趋势，椭圆重心可以看出疫情整体分布趋势。2018—2019 年椭圆长轴呈东北-西南方向分布，其方向分布上趋于一致。相较于2019 年，2018 年椭圆短轴较短，表明：2018 年非洲猪瘟疫情分布的离散程度较为聚集；2019 年分布的离散程度较为分散，与前文叙述的疫情减弱发散、热核中心减少的结论相一致。2019 年椭圆长短轴的差值相对较小，在同等方向趋势下2018 年疫情的方向性更加明显；疫情爆发后，各地出台的相关“禁运”政策在一定程度上阻止了疫情向内陆的传播。2020 年椭圆长短半轴差值较小，方向性较弱。

3.2 疫情有零星分布态势 以病猪发病数为权重，计算2018 年8 月至2020 年12 月非洲猪瘟疫情标准差椭圆，结果见表1。

表1 中国非洲猪瘟疫情标准差椭圆参数

标准差椭圆的扁率、旋转角度、面积可以有效反映数据分布的趋势、方向和范围。2018 年标准差椭圆的扁率相较于2019 年偏高，说明疫情在2018 年空间分布上有较高的方向性。2018 年8 月至2019 年2 月标准差椭圆旋转角度大都在0°～90°之间波动，呈东北-西南方向分布；2019 年3 月至8 月标准差椭圆旋转角大都在90°～180°之间波动，呈西北-东南方向分布。月度方向趋势与前文叙述的年度扩散趋势相一致。标准差椭圆面积总体上呈先扩张后收缩的态势。2018 年椭圆面积在9—10 月简短地收缩后，不断扩张，表明2018 年疫情在我国开始大面积传播。2019 年整体上呈收缩态势并趋于稳定，表明疫情在我国已大体得到控制，呈零星分布态势。由于2020 年部分生猪违规禁运导致疫情传播范围再次扩大。

为进一步探寻中国非洲猪瘟疫情分布的月度变化趋势，运用ArcGis10.6 绘制出2018 年8 月至2020 年12月非洲猪瘟疫情月度椭圆分布中心趋势图，如图6 所示。

图6 2018 年8 月—2020 年12 月非洲猪瘟疫情标准差椭圆中心点轨迹

由图6 可知，2018 年8 月加权椭圆中心点位于江苏，说明在疫情传播初期，南方地区的部分猪场已经感染了非洲猪瘟且病猪发病数占据一定权重。2018 年8 月至10 月，加权椭圆中心北移，此时以辽宁沈阳为中心的疫情初期爆发地的周边病猪发病数量不断增加，非洲猪瘟疫情开始爆发。2018 年10—11 月，加权椭圆中心东移，疫情由初期爆发地进一步向东北方向（黑龙江）扩散。2018 年11—12 月，我国中东部地区病猪发病数量不断增加，致使加权椭圆中心由东北向西南移动，非洲猪瘟疫情的空间分布逐渐在我国各省大面积发散。2018年12 月—2019 年1 月，由于黑龙江、江苏在1 月份生猪集中发病（发病数量分别为4 684 头和2 452 头），致使加权椭圆中心向东北方向移动。随着东北地区疫情逐渐得到控制，疫情重心转移至湖南；2019 年2—4 月，加权椭圆中心西移至云南，此时疫情集中发生在我国西南、西北地区。之后疫情零星分布，发病趋势不断减弱，致使加权椭圆中心从2019 年5—8 月在西南-东北方向反复移动。

综上所述，疫情分布由东北向西南、西北方向转移，且有发散趋势，与疫情时空演化趋势相吻合。疫情初期，由于我国猪产业格局呈现“南猪北养，东猪西调”趋势，导致2018—2019 年椭圆长轴呈东北-西南方向分布，促使疫情向内陆传播。后期疫情虽然有所控制，但由于生猪长途违规运输导致疫情有零星分布态势，使得疫情分布较为分散。结合2020 年疫情分布趋势与地理加权中心，疫情分布向西北方向移动。

4 非洲猪瘟疫情的空间聚类分析

表2 中国2018 年8 月—2020 年12 月Moran’I 指数汇总表

考虑到疫情在多个月份的分布具有较强的随机性，说明在研究非洲猪瘟疫情的空间分布时应考虑其特殊性，全局空间特征还受其他因素的影响。如疫情初期农业农村部发布的《农业农村部关于进一步加强生猪及其产品跨省调运监督的通知》，以及前文提及的我国独特的生猪产业布局、生猪长途运输，在一定程度上影响了其全局空间性。所以为进一步识别非洲猪瘟疫情的高风险地区，还需进行局部热点分析。

4.2 热点区域向西北、西南地区转移 本文在市域空间尺度上对2018—2020 年疫情进行Getis-Ord 计算，运用ArcGIS10.6 绘制出2018—2020 年非洲猪瘟疫情热点分布图，如图7 所示。

图7 2018—2020 年非洲猪瘟疫情各地市热点分布图

2018 年，热点区域主要集中分布在我国东北地区，是疫情初期爆发地。该地区气温较低、医疗卫生条件较为落后、生猪规模化程度低，加之在疫情初期防控的滞后性，使疫情迅速传播。同时热点地区多为我国生猪调出大省[22]，致使疫情在我国大面积传播。2019 年“热点区域”上移，空间聚集区域减少，表明非洲猪瘟疫情有减弱趋势。但是由于非洲猪瘟病毒存在，所以该地区仍为疫情的热点区域。2020 年，热点区域的分布发生显著变化，热点区域由东北向我国西北、西南地区转移，热点区域面积迅速扩大。该地区与2020 年疫病发病中心的地理分布相吻合，印证了疫情零星分布的态势，表明疫情高风险地区已由疫情初期爆发地转移至西北、西南地区。

5 结论与建议

5.1 结论 2018—2019 年，非洲猪瘟疫情主要分布在我国东北、中东部地区，有发散、减弱趋势。2020 年，发病中心向西北、西南地区转移。疫情分布呈东北-西南-西北扩散，且有零星分布态势。2018—2020 年，非洲猪瘟疫情空间聚集性减弱，疫情高风险地区（热点区域）由东北地区向西北、西南地区转移。

5.2 对策建议

5.2.1 提高疫点处置能力 疫情在两年间遍布我国30 个省份，从疫点时空分布情况和演化趋势可以看出：提高对生猪的无害化处理，加强猪场的生物安全防护至关重要。在抗击疫情的过程中，一直未研发出有效的疫苗进行防控，所以提高疫点的处置能力是当前预防非洲猪瘟疫情的有效措施。

疫情发散、减弱的趋势进一步说明了提高疫点处置能力的重要性。2018、2019 年，江苏、山东是疫情的发病中心，这类地区是疫情二次传播的高风险地区，2020 年部分非洲猪瘟病猪来自该热点区域[19]。所以应对发病疫点进行评估，确保疫源被彻底清除，防止猪瘟疫情二次传播。2020 年疫情发病中心移动至四川、甘肃、陕西的交界处，此地区小规模养殖户居多且养猪区域相对聚集。应提供此类养殖户防瘟的科学意识，有效防瘟，不做“无用功”。由于2020 年疫情传播追溯均来自2018—2019 年地理发病中心附近，应加强新旧地理发病中心区域的防控，防止日后疫情的扩散。

5.2.2 加速猪肉供应由“调猪”向“调肉”转变 从我国2018、2019 年非洲猪瘟疫情的方向特征可知，疫点分布的方向趋势与我国“南猪北养，东猪西调”的生猪产业布局密切相关。疫情发生前，中国生猪跨运量巨大，全年跨省调运量约为1～1.2 亿头[23]。同时我国公路运输的发展也为生猪长距离运输提供了便利的条件。随着我国公路运输的发展，生猪的长途调运距离也越来越长；交通的便利促使了我国非洲猪瘟疫情的大面积扩散。非洲猪瘟疫情在2019 年整体分布上呈零星分布态势，并在2020 年有所反弹，主要是由于生猪的违规运输与违法屠宰造成的。我国生猪调运的溯源机制落后，追踪病毒难，增加了疫情防控的难度。所以应完善生猪调运机制，加速猪肉供应由“调猪”向“调肉”转变，鼓励各省进行“点对点”生猪对接。

5.2.3 健全非洲猪瘟疫情防疫体系 疫情初期的大面积传播与前期防疫的滞后性密切相关。疫情的空间聚集性有减弱趋势，说明多地的防疫体系对于疫情的防控有一定成效。目前通过建立科学的非洲猪瘟疫情防疫体系可以有效严防非洲猪瘟疫情。健全非洲猪瘟防疫体系，应提高医疗卫生水平，优化病死猪的处理，严控泔水喂猪。在加强生物安全的同时，着重注意2020 年热点省份（西北、西南地区），它们是今后疫情发生的高风险地区。健全非洲猪瘟防疫体系，有效预防和防控非洲猪瘟疫情的再次反弹。