新冠肺炎疫情影响下武汉老旧社区脆弱性研究

文／车妍颖 中国市政工程中南设计研究总院有限公司 助理工程师

宋彦杰 广东省城乡规划设计研究院有限责任公司 注册城乡规划师

引言

脆弱性概念最初起源于自然灾害研究，彼得·提莫曼（P.Timmerman）在地学领域首先提出了脆弱性概念，之后在生态学、社会学等诸多领域得到广泛应用，当前脆弱性研究已成为全球环境变化及可持续性发展关注的热点问题和重要的分析工具，许多学者把脆弱性研究作为一门新兴的科学[2]，其概念也已经演变为包含暴露度、敏感性、适应能力等多个要素在内的一个概念的集合[3]。

文章选取武汉老旧社区作为研究对象，分析疫情传播的时空特征，按照暴露程度、敏感性和适应能力这三个脆弱性组成要素研究与老旧社区空间属性因子的关联性，得出影响老旧社区脆弱性的因素。

1 武汉老旧社区疫情空间特征

1.1 武汉老旧社区空间识别

为了便于采集疫情等相关数据，本文所研究社区特指我国城市（镇）最小的基层管理单元，又可称为居民委员会。根据国务院2020 年提出的《关于全面推进城镇老旧小区改造工作的指导意见》以及武汉市住房保障和房屋管理局发布的《武汉市老旧小区改造三年行动计划（2019—2021年）》中对老旧小区的定义，参照《武汉市2019年地理国情监测项目》中对旧城空间识别的判别标准，本文将老旧社区空间识别的判别标准定为含有2000 年以前居住用地的社区。

通过卫星影像解译、GIS 空间分析、人工识别和校核等多种方法（图1），识别结果如下：武汉老旧社区有428 个，其中一环线内共计137 个，所占面积17.4km2；一环线与二环线内共计130个，所占面积61.4km2；二环线与三环线之间共计128个，所占面积220.7km2；三环线外主城区内共计33 个，所占面积108.6km2（图2）。

图1 老旧社区识别步骤图（图片来源：作者自绘）

图2 武汉市老旧社区空间分布图（图片来源：作者自绘）

1.2 武汉老旧社区疫情分布特征

利用python 软件爬取了腾讯地图疫情实时追踪数据。截至2020 年2 月28 日共汇总了2752个居住区的30617 个确诊病例数据，当日武汉市累计确诊48557 例。本文所采集的病例数据达总确诊人数的63.1%，且2752 个居住区均匀分布于武汉市内，因此可作为社区疫情分析的有效支撑。

将采集的2752 个样本数据导入GIS 平台，利用核密度空间分析工具对其进行可视化分析，再将识别出的428 个老旧社区的范围进行叠加分析（图3）。新冠肺炎确诊病例核密度值越高，说明其聚集程度越高。由图可知，确诊病例集中分布于主城区内，其中硚口区利济北路片区、江岸区黄埔路永清片区、江汉区汉兴片区、武昌区武泰闸片区、洪山区光谷广场片区、青山区钢花村片区是新冠肺炎确诊病例聚集程度最高的区域，同时也与识别的老旧社区范围有较高的重合性。

图3 武汉市老旧社区疫情分布图（图片来源：作者自绘）

1.3 武汉老旧社区疫情传播特征

按照社区疫情发展过程，将疫情扩散特征大致分为点状扩散、线性流动扩散、社区内部扩散三种。

1.3.1 点状扩散传播

武汉疫情早期为点状扩散传播，以疫情源头或携带病毒患者的活动轨迹为中心，例如居住区、商业街、购物中心、市场、汽车站、地铁站、火车站等场所，向周边社区扩散。

1.3.2 线性流动扩散传播

武汉疫情中期为线性流动扩散传播，以轨道交通和主干道为轴线，向周边社区传播，在空间扩散趋势上与人群流动一致。基于GIS 平台利用核密度空间分析工具，对病例数据、地铁线路以及主干道进行叠加分析，可以看出确诊病例在地铁线路和主干道周边的集聚程度较高[4]（图4）。

图4 武汉市新冠肺炎确诊病例核密度与轨道交通线路分布图（图片来源：作者自绘）

1.3.3 社区内部扩散传播

武汉疫情后期为社区内部扩散传播，以社区内无症状感染者及其活动轨迹为中心，在本社区内部传播。在武汉市2020 年1 月23 日封城后，公共交通停止运行，新冠病毒的线性流动扩散传播方式被遏制，大部分的发热病例也被隔离，但社区内还存在大量的无症状感染者，这成为疫情后期病毒传播扩散的主要源头。

2 武汉老旧社区脆弱性评价

2.1 数据来源

本文中社区疫情数据来源于腾讯地图提供的“疫情实时追踪”服务平台，除疫情以外的数据来源于《武汉市2020 年地理国情监测》。为详细分析老旧社区脆弱性的影响因素，本文选取了旧城核心区的105 个老旧社区作为主要研究对象。依据脆弱性三要素的产生机制，结合新冠肺炎疫情的发展过程，本文整理了关于105 个老旧社区的确诊病例确诊日期、每日确诊病例数量、进入无疫情社区批次、人口密度、建筑密度、容积率等数据（表1）。由于社区疫情属敏感数据，官方未正式对外公布，分析所用数据与实际存在差距，因此分析结果仅作为参考。

表1 分析数据来源（表格来源：作者自绘）

2.2 评价方法

为全面系统地探索老旧社区脆弱性的影响因素，本文构建了暴露度、敏感性、适应能力与建筑密度、容积率、绿地率等老旧社区相关空间因子进行分析。其中暴露度用社区首次确诊病例日期和首次确诊人数来衡量，代表老旧社区在疫情初始阶段表现出来的易感染性；敏感性用总确诊人数和确诊人数涨幅来衡量，代表老旧社区在疫情影响过程中表现出来的传播强度；适应能力用无疫情社区批次来表示，代表老旧社区在疫情后期尽快实现恢复健康的能力。

分析采用SPSS 统计软件对数据的相关性r 和显著性p 进行分析。当r 为正数时，则为正相关；当r 为负数时，则为负相关；当r 的绝对值数值越接近1 时，则表明两个变量的相关性越大。当|p|≥0.01时，表明关系一般显著；当|p|≥0.02时，表明关系较为显著；当|p|≥0.05 时，表明关系极其显著（表2）。

2.3 评价结果

2.3.1 暴露度评价

暴露度评价包括首次确诊病例日期和首次确诊人数两个衡量因子。分析结果显示，首次确诊病例与人口密度呈正相关，与建筑密度、绿地率、收入水平呈负相关；首次确诊人数与容积率、社区面积呈正相关，与建筑密度、绿地率、老龄化率、人口密度、就业岗位密度呈负相关。综合来看，老旧社区容积率越高，暴露度越低；绿地率越高，暴露度越低；老龄化率越高，暴露度越高；社区面积越大，暴露度越高。

2.3.2 敏感性评价

敏感性评价包括总确诊人数和确诊人数涨幅两个衡量因子。分析结果显示，总确诊人数与建筑密度、收入水平、社区面积呈正相关，与容积率、绿地率、老龄化水平、人口密度、就业岗位密度呈负相关；确诊人数涨幅与建筑密度、容积率、绿地率、收入水平呈正相关，与人口密度呈负相关。综合来看，老旧社区建筑密度越大，敏感性越强；老龄化率越高，敏感性越弱；收入水平越高，敏感性越强；社区面积越大，敏感性越强；人口密度越大，敏感性越弱；就业岗位密度越大，敏感性越弱。

2.3.3 适应能力评价

敏感性评价由老旧社区所在无疫情社区批次来衡量，批次越早，说明适应能力越强。分析结果显示，无疫情社区批次与绿地率、老龄化率、社区面积呈正相关，与建筑密度、人口密度呈负相关。因此，绿地率越高，适应能力越弱；老龄化率越高，适应能力越弱；社区面积越大，适应能力越弱；建筑密度越高，适应能力越强；人口密度越高，适应能力越强。

结语

由于本文所选取样本数量较少，且疫情数据无法获取官方数据，因此分析结果存在出入甚至相矛盾的情况。特别是关于人口密度和就业岗位密度的分析结果尤其明显，其原因与疫情发生时正值岁末年初，老旧社区大量流动人口已返乡过节，导致实际人口与平常人口差距较大。但综合来看，老旧社区脆弱性与建筑密度、容积率、绿地率、老龄化率、社区面积等存在一定相关性，具体表现为：建筑密度越高，脆弱性越强；容积率越高，脆弱性越强；绿地率越高，脆弱性越低；老龄化率越高，脆弱性越强；社区面积越大，脆弱性越强。

因此，为降低老旧社区脆弱性，应合理降低老旧社区容积率和人口密度，增加绿地开敞空间，适当控制社区面积，此外应综合运用拆除重建和微改造等手段，吸引年轻人居住和就业，改善社区居民年龄结构，进而建设更具抵抗能力和韧性的健康社区[5]。