湖北省新冠肺炎疫情擴散的時空過程及人文影響因素分析*

龐宇欣，李昀卿，盧明華**，趙 璐，周玲俐

（1. 首都師范大學(xué)資源環(huán)境與旅游學(xué)院，北京 100048；2. 首都師范大學(xué)地理空間信息科學(xué)與技術(shù)國際化示范學(xué)院，北京 100048）

0 引 言

新型冠狀病毒肺炎（簡稱新冠肺炎）是由嚴(yán)重急性呼吸綜合征冠狀病毒2（severe acute respiratory syndrome coronavirus 2，SARS-CoV-2）引起的一種急性呼吸道傳染?。?］.新冠肺炎涉及全世界200 多個國家及地區(qū)，屬于流行性疾病.我國自2019 年12 月在湖北省武漢市出現(xiàn)第1 例病例，而后迅速發(fā)展.此次疫情爆發(fā)正處于春運時期，人口流動頻繁且強度大，盡管在1 月23 日武漢實行了封城，但在封城前已有500 多萬人口流出武漢，存在新冠病毒攜帶者在封城管制前已輸出到其他地區(qū)的情況，這給防治工作帶來極大挑戰(zhàn)［2-3］.截至2020 年4 月4 日，我國累計確診人數(shù)超8 萬，累計死亡人數(shù)超3 千，其中湖北省累計確診67 803 例［4］.

新冠肺炎疫情擴散是時空演化與人地互動的地理過程，可從地理學(xué)視角深入探究.在省域及以上尺度的研究中，包括有湖北省、河南省以及全國的疫情擴散研究.在新冠肺炎疫情時空擴散過程及規(guī)律的探究中，有學(xué)者發(fā)現(xiàn)湖北省及全國的疫情發(fā)展均具有“S 型曲線”的階段性特征［5-8］，且疫情的發(fā)展過程遵循地理鄰近性，最終格局均呈現(xiàn)出顯著的空間集聚特征，存在空間自相關(guān)［6-7，9-10］；但也有學(xué)者認(rèn)為湖北省疫情發(fā)展空間上出現(xiàn)多個中心，整體為隨機分布，不具有顯著的空間集聚特征［5］.此外，還有學(xué)者探究了湖北省及全國疫情擴散的多種地理模式［8］.在新冠肺炎疫情擴散的影響因素研究中，多數(shù)學(xué)者從人文因素進行探討，側(cè)重于人口流動和經(jīng)濟因素的影響，研究表明從武漢流出人口的流動［7-8，11-13］與社會經(jīng)濟指標(biāo)［11，14］均對湖北省乃至全國的疫情擴散起到重要作用.也有學(xué)者認(rèn)為交通出行方式［15］以及地理臨近性、人口規(guī)模、交通網(wǎng)絡(luò)、疫情防控管理等因素［8］對我國疫情擴散起到重要影響.

在有關(guān)湖北省疫情擴散的研究中，針對湖北省疫情時空演變及影響因素的綜合研究較少，尚未建立更加綜合的影響指標(biāo)體系.因此，本文將基于已有研究成果，對湖北省疫情的擴散過程及最終格局特征進行分析，進一步從人口、交通及社會經(jīng)濟發(fā)展3 方面進行影響因素的確定，形成一個較全面的指標(biāo)體系，并嘗試對不同的指標(biāo)組合構(gòu)建出多種分析模型，充分探討疫情擴散的主要影響因素.湖北省是我國疫情爆發(fā)中心，對該地區(qū)疫情擴散的時空分布及影響因素進行研究，有利于了解新型冠狀病毒的擴散規(guī)律及途徑，可以豐富疫情相關(guān)領(lǐng)域的研究，同時有助于相關(guān)部門針對具體因素對防疫措施作出進一步的改進.

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

湖北省位于我國中部地區(qū)，共轄12 個地級市、1 個自治州、3 個直管市、1 個林區(qū)（圖1）.在疫情擴散時空過程的研究中，由于神農(nóng)架作為省直管縣，且是我國唯一的林區(qū)，該地區(qū)的各項指標(biāo)具有特殊性（也含空值），因此將神農(nóng)架林區(qū)排除；武漢市作為疫情最先發(fā)現(xiàn)地區(qū)，該地區(qū)疫情發(fā)展具有特殊性，從武漢流入人口比例成為研究的影響因素之一，因此為橫向評估各城市及自治州受到從武漢流入人口比例的影響，將武漢市的數(shù)據(jù)去除.最終，將11 個地級市、1 個自治州及3 個直管市作為研究區(qū)域.

圖1 湖北省行政區(qū)域概況

截止2019 年，湖北省常住人口為5 927 萬人，地區(qū)生產(chǎn)總值（GDP）為4.3萬億元，人均GDP約7.7萬元，其中武漢市人均GDP 最高，為14.6 萬元［16］.地方一般公共預(yù)算支出7 970.2 億元，人均公共預(yù)算支出約為1.3 萬元，其中武漢市最高，為1.4 萬元［16］.全省醫(yī)師15.5 萬人，各市平均為0.5 萬～4.0 萬人［16］.全省人均醫(yī)師約0.002 6 人，其中潛江市最多，為0.003 2 人.

湖北省全省高速公路總里程達7 105 km，“四縱四橫一環(huán)”高速公路骨架網(wǎng)基本形成，交通線路主要以武漢市為中心向外輻射，其中國家高速包括：京港澳高速、滬蓉高速、大廣高速、滬渝高速、福銀高速、滬武高速和武漢繞城高速等16 條.孝感市、隨州市、襄陽市及十堰市位于福銀高速沿線，孝感市及咸寧市位于京港澳高速沿線，鄂州市、黃石市、宜昌市、恩施州位于滬渝高速沿線，黃石市也臨屬大廣高速沿線，黃岡市位于滬武及滬蓉高速沿線.

1.2 數(shù)據(jù)來源

（1）新冠疫情數(shù)據(jù).本文選用2020 年1 月9 日—4 月4 日每日確診病例及累計確診病例作為該研究的疫情數(shù)據(jù)，以地級市、直管市及自治州為研究空間單元進行數(shù)據(jù)搜集與整理，數(shù)據(jù)來自湖北省衛(wèi)生健康委員會每日通報的疫情數(shù)據(jù)（https：//wjw.hubei.gov.cn/）.

（2）人口數(shù)據(jù).各地區(qū)人口規(guī)模數(shù)據(jù)來自《湖北省統(tǒng)計年鑒2020》，人口密度根據(jù)《湖北省統(tǒng)計年鑒2020》中人口規(guī)模和土地面積數(shù)據(jù)進行計算.流動人口數(shù)據(jù)通過百度遷徙平臺（https：//qianxi.baidu.com/）中各地區(qū)在2020 年春運期間（1 月10 日—3 月15 日）從武漢遷出目的地比例（人口從武漢流出到各目的地的人數(shù)占從武漢流出總?cè)丝诘谋壤┑臄?shù)據(jù)獲取，即認(rèn)為是各地區(qū)從武漢流入人口比例數(shù)據(jù).

（3）交通數(shù)據(jù).交通在人口流動過程中起到重要作用，反映城市內(nèi)部的交通可達性以及各地區(qū)與武漢的交通關(guān)聯(lián)性.用城市建成區(qū)道路面積率反映各城市內(nèi)部的交通狀況，數(shù)據(jù)來源于《中國城市建設(shè)統(tǒng)計年鑒2019》以及《恩施州統(tǒng)計年鑒2019》.武漢到各城市的距離（指普通公路及高速公路）用來衡量武漢與其他各市間的交通關(guān)聯(lián)性，該數(shù)據(jù)通過百度地圖平臺（https：//map.baidu.com/）查找得到.

（4）社會經(jīng)濟數(shù)據(jù).本研究以人均地區(qū)生產(chǎn)總值、人均醫(yī)務(wù)人員、人均綠地面積、人均公共預(yù)算支出4 項指標(biāo)來反映各地區(qū)的社會經(jīng)濟發(fā)展水平.其中人均地區(qū)生產(chǎn)總值數(shù)據(jù)來源于《2020 年湖北省統(tǒng)計年鑒》.其余3 項分別以執(zhí)業(yè)（助理）醫(yī)師（以下簡稱醫(yī)師）數(shù)、綠地面積、地區(qū)一般公共預(yù)算支出作為分子，人口規(guī)模數(shù)據(jù)作為分母進行計算得出.其中，醫(yī)師數(shù)來源于《2020 年湖北省統(tǒng)計年鑒》及《恩施州統(tǒng)計年鑒2019》《潛江市統(tǒng)計年鑒2019》《天門市統(tǒng)計年鑒2019》《仙桃市統(tǒng)計年鑒2019》，綠地面積是通過《中國城市建設(shè)統(tǒng)計年鑒2019》得出，地區(qū)一般公共預(yù)算支出是來自《湖北統(tǒng)計年鑒2020》.

（5）地圖數(shù)據(jù).湖北省行政區(qū)域地圖矢量數(shù)據(jù)的最小尺度是市級地域尺度，底圖數(shù)據(jù)來源于湖北省自然資源廳（http：//zrzyt.hubei.gov.cn/），審圖號為鄂S（2020）003 號.交通線路（高速公路及高鐵線路）、河流（長江干流及支流）數(shù)據(jù)，均來自于GEO‐FABRIK downloads（http：//download.geofabrik.de/）網(wǎng)站.

1.3 研究方法

1.3.1 普通最小二乘法

普通最小二乘法［17-18］（ordinary least squares，OLS）是較為常見的線性回歸方法，是多數(shù)空間回歸分析的基礎(chǔ).但當(dāng)數(shù)據(jù)出現(xiàn)空間自相關(guān)時，OLS 的分析結(jié)果無效，因此在進行OLS回歸之前需要對研究的因變量進行空間自相關(guān)分析，即全局性莫蘭指數(shù)（Moran’sI）檢驗.

在分析前運用SPSS 對所研究的變量進行Z-score 標(biāo)準(zhǔn)化，以減小誤差.基于ArcGIS10.2 軟件實現(xiàn)，首先通過空間統(tǒng)計工具-分析模式中的Moran’sI進行分析，然后進行空間統(tǒng)計工具-空間關(guān)系建模中的OLS 分析.

1.3.2 探索性回歸

探索性回歸法［19］作為數(shù)據(jù)發(fā)掘工具，當(dāng)出現(xiàn)較多的影響因素時，可以找到解釋變量組合的最優(yōu)模型.該模型將所有解釋變量所構(gòu)成的模型逐一輸入，得到通過OLS 診斷的模型，該模型可以采用OLS 方法進行分析.

在分析之前，先運用SPSS 對研究變量進行Z-score 標(biāo)準(zhǔn)化，以減小誤差.在ArcGIS10.2 軟件中，通過空間統(tǒng)計工具-空間關(guān)系建模中的探索性回歸工具進行分析，設(shè)定解釋變量最小和最大數(shù)量分別為1 和9，盡量將所有組合模型進行檢驗.

2 湖北省新冠肺炎疫情擴散的時空過程及格局

2.1 疫情發(fā)展時間變化

湖北省是我國疫情最嚴(yán)重的地區(qū)，2019 年12 月8 日武漢首次出現(xiàn)不明原因27 例肺炎病例，2020 年1 月9 日病原檢測結(jié)果初步評估專家組將該類病毒初步診斷為新冠病毒，當(dāng)日武漢確診新型冠狀病毒感染的肺炎病例41 例.截止到4 月4 日24 時，湖北省累計病例67 803 例，占當(dāng)日全國累計病例的78.3%.

從1 月9 日將該病毒診斷為新冠病毒開始（圖2），湖北省新增確診病例開始逐漸增多，起初主要為武漢市病例的增加.1 月20 日，武漢市外（黃岡市）首次確診12 例.1 月27 日開始，疫情在湖北省全面爆發(fā)，確診病例持續(xù)增長.新冠肺炎新增病例至2 月4 日增幅最大，2 月4 日—18 日出現(xiàn)增幅波動下降趨勢.其中，2 月12 日出現(xiàn)新增確診病例的大幅度增加，主要是由于自2 月12 日起新冠疫情數(shù)據(jù)統(tǒng)計口徑發(fā)生了改變，湖北省將臨床診斷病例數(shù)納入確診病例數(shù)進行公布，其中2 月12 日新增確診病例中包含13 332 例臨床病例.2 月18 日—27 日內(nèi)出現(xiàn)小幅度波動，總體呈下降趨勢，但下降幅度較小. 2 月27—29 日新增確診病例出現(xiàn)上升趨勢，此后新增確診病例開始持續(xù)下降，3 月18 日湖北省新增確診首次清零，3 月23 日及4 月3 日在武漢市分別出現(xiàn)1 例本土病例，4 月4 日再次清零.

圖2 湖北省確診病例的時序變化

在疫情發(fā)展過程中，可以依據(jù)新增確診病例數(shù)將湖北省疫情發(fā)展的時間變化過程分為4 個階段：緩慢上升階段（1 月9 日—1 月27 日），該階段每日新增確診病例平均為79 例，前期（1 月20 日以前）均為武漢市內(nèi)病例增長，至1 月27 日疫情已經(jīng)波及至湖北全??；快速上升階段（1 月28 日—2 月4 日），該階段湖北省每日新增確診病例平均為1 554 例，2 月4 日新增確診病例達3 156例；波動下降階段（2月5日—18日），該階段每日新增確診病例呈現(xiàn)波動下降，且總體降幅較大，從3 156 例下降至1 693 例；持續(xù)下降階段（2 月19 日—4 月4 日），該階段每日新增確診病例呈下降趨勢直至新增確診病例為零，也出現(xiàn)輕微波動，總體下降幅度相對上一階段明顯減小，從631 例縮減至0 例.

2.2 疫情擴散空間格局變化

2.2.1 新增病例的空間格局變化

基于ArcGIS10.2 軟件，選擇1 月27 日、2 月4 日和2 月18 日分別代表湖北省疫情發(fā)展4 個階段的分界點，將分界點新增確診病例的空間格局進行可視化，將新增確診病例數(shù)據(jù)按照自然間斷法（natural break）進行劃分，見圖3.

圖3 湖北省新增確診病例數(shù)的空間格局變化

從時空格局上看，湖北省疫情最早集中在武漢市爆發(fā)，先以武漢市內(nèi)擴散為主.1 月20 日后，疫情開始向其他各市進行擴散，首先擴散至武漢市東部相鄰的黃岡市，當(dāng)日出現(xiàn)確診病例12 例；1 月22 日疫情波及荊州市、荊門市，當(dāng)日荊州市出現(xiàn)確診病例6 例、荊門市出現(xiàn)1 例；1 月23 日疫情在孝感市、宜昌市、十堰市首次出現(xiàn)，當(dāng)日孝感市確診病例22 例，宜昌市、十堰市均為1 例；1 月24 日鄂州市、隨州市均首次出現(xiàn)新冠肺炎疫情，當(dāng)日確診病例數(shù)分別為1 和5 例；1 月25 日襄陽市、黃石市、咸寧市均首次出現(xiàn)確診病例，該日3 市確診病例分別為2、31 和43 例，且該日湖北省12 個地級市均出現(xiàn)新冠肺炎疫情；截止到1 月27 日，全省各地區(qū)均出現(xiàn)新增病例，疫情在湖北省內(nèi)全面爆發(fā)，疫情的擴散過程主要表現(xiàn)為先向東部、東北部后向西部地區(qū)擴散，見圖3（a）.

根據(jù)圖3（b），新增確診病例的上升階段疫情的擴散格局主要以湖北省東部地區(qū)的武漢市和黃岡市為主，并且有逐漸向西部轉(zhuǎn)移的趨勢，疫情嚴(yán)重地區(qū)主要集中在武漢市及其周邊地區(qū)，且呈現(xiàn)出南多北少的空間格局.在確診病例的下降階段，全省各地區(qū)的新增確診病例均出現(xiàn)波動下降，黃石市、咸寧市等多個城市最早出現(xiàn)零新增，該階段疫情中心轉(zhuǎn)移至武漢市及其以西的孝感市、十堰市，見圖3（c）.直至4 月4 日，湖北省全省無新增病例.

2.2.2 累計病例的空間格局

利用ArcGIS10.2 軟件對湖北省新冠疫情的最終格局進行可視化，利用自然間斷點（natural breaks）的方式將數(shù)據(jù)劃分為5 類，得到截至4 月4 日的湖北省累計確診病例分布（圖4）.

圖4 截至4 月4 日湖北省累計確診病例分布

截至4 月4 日，疫情最嚴(yán)重地區(qū)為武漢市，累計確診50 008 人，占湖北全省的73.76%，湖北省的疫情變化主要由武漢市疫情狀況所決定.除武漢外孝感市的累計病例最多，超3 500 人，所占比例為5.19%.其余大部分城市的累計確診比例占全省的2.00% 以下.其中，恩施土家族苗族自治州、潛江市、天門市及神農(nóng)架林區(qū)的累計確診較少，以神農(nóng)架林區(qū)為最少，約為0.02%.可見，疫情嚴(yán)重區(qū)域主要集中在武漢市周邊地區(qū)，呈現(xiàn)距離衰減的趨勢.

3 湖北省新冠肺炎疫情空間格局的人文影響因素

3.1 研究變量

本文以湖北省除武漢市及神農(nóng)架林區(qū)以外的15 個城市為研究區(qū)域，選取了10 個指標(biāo)作為研究變量（表1）.其中，被解釋變量為累計確診病例數(shù)，該變量作為衡量疫情嚴(yán)重程度的指標(biāo).截至到2020 年4 月4 日，湖北?。ǔ錆h市）累計確診病例共計17 795 例.根據(jù)表1，湖北省累計確診病例在各地區(qū)的差異較大，且離散程度較強.

首先，新冠病毒為“人傳人”，新冠肺炎疫情的大范圍擴散與人口大規(guī)模流動密切相關(guān)［20］.因此選用人口數(shù)據(jù)中的從武漢流入人口比例進行研究.人作為疫情擴散的主體，除了人口流動外，還有很多因素會影響疫情擴散，例如宏觀上的人口規(guī)模、微觀上的個人防護等［21］.由于微觀層面的數(shù)據(jù)難以獲取，在宏觀的角度本文還選取了人口規(guī)模、人口密度2 個指標(biāo)作為解釋因素.根據(jù)表1 中標(biāo)準(zhǔn)差和方差，各市的人口密度及人口規(guī)模數(shù)據(jù)差異均較大.流動人口方面，從武漢流入人口比例的總和為69.41%，可見從武漢流出人口大多是在湖北省內(nèi).

表1 研究變量

其次，在人口流動過程中，交通載體起到了重要作用，城市間交通體系的完善反而會促使疫情擴散.一是選用各城市的建成區(qū)道路面積率來反映城市內(nèi)部的交通可達性，探究城市內(nèi)部交通體系的完善程度對疫情擴散的影響.同時，空間鄰近效應(yīng)使疾病在城市之間不斷擴散［11］，根據(jù)地理學(xué)第一定律，地理鄰近性會影響區(qū)域的空間關(guān)聯(lián)性，這種空間關(guān)聯(lián)性是疫情空間傳播的重要基礎(chǔ).由于公路運輸已是現(xiàn)代社會的主導(dǎo)交通方式，影響著城市空間的相互作用［5，22］.因此，二是選擇各城市至武漢距離來反映各城市與武漢的交通距離遠近.城市建成區(qū)道路面積率在隨州市為最小，孝感市最大.城市至武漢距離上，恩施土家族苗族自治州距離最遠，孝感市距離最近. 2 個指標(biāo)在各市間均存在較明顯的差異，且均接近正態(tài)分布.

同時，根據(jù)流行病學(xué)的研究，傳染病傳播分為生態(tài)過程（ecologic process）和社會過程（social pro‐cess），城市的社會經(jīng)濟發(fā)展水平與上述2 種傳播過程的關(guān)系十分密切，尤其對以社會過程為主體的傳播方式有著重要的影響，并最終影響城市中人群的總體確診病例數(shù)［11，23］.人均生產(chǎn)總值反映了經(jīng)濟發(fā)展的水平，通過影響人口流動的強度進而影響疫情的發(fā)展［24］.而人均醫(yī)務(wù)人員的數(shù)量、人均公共預(yù)算支出以及人均綠地面積分別反映出該地區(qū)的醫(yī)療服務(wù)水平、公共財政投入、綠色空間配置等指標(biāo)，這3 個方面均在一定程度上影響了突發(fā)性傳染病發(fā)生后城市對居民健康的保障能力［11］.這4 個指標(biāo)在各市均相差較小，且數(shù)據(jù)均接近正態(tài)分布.

3.2 OLS 結(jié)果

由于地理空間對象常出現(xiàn)自相關(guān)，導(dǎo)致距離越相近的地理事物其相似性越強［24］.因此，空間數(shù)據(jù)可能會出現(xiàn)空間依賴性，需通過Moran’sI來反映空間自相關(guān)狀況.在對數(shù)據(jù)進行回歸前，運用ArcGIS 對累計確診病例數(shù)進行全局性Moran’sI檢驗，得到Moran’sI為?0.047，標(biāo)準(zhǔn)差異（Z）得分為0.247，顯著性水平（P）值為0.805，表明數(shù)據(jù)在空間中為隨機分布，不存在空間自相關(guān)，因此可以直接采用傳統(tǒng)的回歸模型.

在進行普通最小二乘法分析前，通過探索性回歸選擇合理模型.人口密度、人口規(guī)模、從武漢流入人口比例、城市建成區(qū)道路面積率、城市至武漢距離、人均地區(qū)生產(chǎn)總值、人均綠地面積、人均醫(yī)務(wù)人員、人均公共預(yù)算支出9 個因子與累計確診之間的探索性回歸全局匯總，其中校正可決系數(shù)（R2）值用于測量模型的性能和擬合程度，該模型可以解釋85.32%的現(xiàn)象. 表2 中探索性回歸得到經(jīng)過修正的Akaike 信息準(zhǔn)則（AICc）和Jarque-BareP（JB）值指示殘差呈正態(tài)分布.K（BP）為Koenker 的標(biāo)準(zhǔn)化Breusch-PaganP值，其結(jié)果表明模型中解釋變量在地理空間和數(shù)據(jù)空間中與因變量的一致關(guān)系.并且，方差膨脹因子（variance inflation factor，VIF）測量出解釋變量中不存冗余，各解釋變量間不存在多重共線性.因此，模型均可用于OLS 模型分析，通過殘差空間自相關(guān)的測量（SA），空間模式呈隨機狀態(tài)，模型效果較好.

經(jīng)過探索性回歸分析得到8 個通過模型（表2），均通過檢驗可以成為OLS 分析的模型.

模型通過減少貢獻較低的指標(biāo)，逐步分析出影響疫情傳播的主要因素，表3 中模型Ⅰ和Ⅱ為探索性回歸的最大校正模型，模型Ⅲ和Ⅳ為探索性回歸中的通過模型七和八（表2）.根據(jù)OLS 多個模型結(jié)果（表3）：從武漢流入的人口比例、人均地區(qū)生產(chǎn)總值、人口規(guī)模、城市建成區(qū)道路面積率、人均醫(yī)務(wù)人員對疫情的擴散呈現(xiàn)正相關(guān)關(guān)系；而人均綠地面積、城市至武漢距離、人均公共預(yù)算支出對疫情擴散呈現(xiàn)負(fù)相關(guān)關(guān)系.

表2 探索性回歸通過模型

表3 模型回歸系數(shù)與統(tǒng)計判斷

呈現(xiàn)正相關(guān)關(guān)系表明該解釋變量對疫情擴散起到促進的作用.從武漢流入人口比例、人均地區(qū)生產(chǎn)總值、人口規(guī)模在回歸模型中的回歸系數(shù)均為正值，呈現(xiàn)出較顯著的正相關(guān)，促進疫情的擴散.其中，從武漢流入人口比例對疫情擴散的貢獻最大，回歸系數(shù)為0.449～0.711，因此當(dāng)某地區(qū)從武漢流入人口比例增加1%，該地區(qū)會增加約0.449～0.711個病例數(shù).其次，人均地區(qū)生產(chǎn)總值也促使疫情發(fā)展，當(dāng)人均地區(qū)生產(chǎn)總值每增加1 萬元，會導(dǎo)致病例增加0.242～0.344 例.同時，人口規(guī)模也為一定程度上促使疫情的擴散，回歸模型中系數(shù)在0.134～0.475，影響程度次于上述2 個指標(biāo).

呈現(xiàn)負(fù)相關(guān)關(guān)系表明該解釋變量對疫情發(fā)展起到抑制作用.人均綠地面積及城市至武漢距離在回歸模型中的回歸系數(shù)均為負(fù)值，呈現(xiàn)出明顯的負(fù)相關(guān)，抑制疫情的擴散.其中，人均綠地面積對疫情的擴散呈現(xiàn)出最為顯著的抑制作用，回歸系數(shù)介于?0.500～?0.405，因此當(dāng)某地區(qū)的人均綠地面積增加1 hm2/萬人，病例會減少0.400～0.500 例.其次，至武漢距離越遠確診病例數(shù)會相應(yīng)減少0.231～0.550 例.而人口密度、城市建成區(qū)道路面積率、人均醫(yī)務(wù)人員、人均公共預(yù)算支出這4 個指標(biāo)的貢獻較小，回歸系數(shù)<0.100.

4 討 論

從武漢流入人口比例是影響累計確診病例空間分布的重要因素，該變量在5 種模型中回歸系數(shù)均最大（0.449～0.711），且在多個模型中從武漢流入人口比例在概率值及穩(wěn)健概率呈現(xiàn)統(tǒng)計顯著性，表明從武漢流入某地區(qū)的人口越多，該地區(qū)的疫情會更為嚴(yán)重，即累計確診人數(shù)越多.此次疫情爆發(fā)于我國的春運時期，該時期人口大規(guī)模流動，人口流動作為疫情擴散最直接的原因，將新冠病毒擴散至武漢市以外的其他地區(qū).相關(guān)研究表明，流動人口可能為病毒攜帶者，將各種病菌、病毒等傳播至原本無病源的地區(qū)，成為病毒的傳播者；流動人口到達目的地后暴露在流入地的病源中，成為由病毒引發(fā)疾病的受害者；并且流動人口在陌生環(huán)境內(nèi)，對當(dāng)?shù)氐沫h(huán)境、飲食和風(fēng)俗習(xí)慣、生活方式等不適應(yīng)，也會導(dǎo)致免疫力下降，從而更容易受到感染.人口流動是促使疫情大規(guī)模擴散的重要因素［25-26］.因此從武漢流入人口比例作為關(guān)鍵因子，對疫情的擴散有重要的影響.

人口規(guī)模會促使疫情擴散，且在部分模型中該指標(biāo)的概率值及穩(wěn)健概率呈現(xiàn)統(tǒng)計顯著性，因此表明人口規(guī)模大的地區(qū)疫情擴散更嚴(yán)重.根據(jù)研究表明，人口規(guī)模對傳染病的接觸率起到?jīng)Q定作用，在人口密集地區(qū)，人口數(shù)量增加一倍可能會使接觸人數(shù)增加一倍［27-28］.而人口密度回歸系數(shù)及顯著性均較小，對疫情傳播的影響不顯著.

交通指標(biāo)中城市至武漢距離對疫情傳播產(chǎn)生一定影響，主要由于疫情傳播具有空間臨近效應(yīng)，因此至武漢距離越近的地區(qū)疫情越嚴(yán)重，而距離武漢較遠的地區(qū)疫情狀況相對較輕.有研究認(rèn)為：交通運輸線路可以承載大量的人口流動，孝感市、黃石市、鄂州市、黃岡市、咸寧市等距離武漢市較近，具有很高區(qū)位優(yōu)勢的地區(qū)，由于人口流動更為頻繁，使疫情發(fā)展更嚴(yán)重［29］.而城市建成區(qū)道路面積率對疫情傳播的影響較小，其主要影響各市區(qū)內(nèi)的人口流動，來影響疫情在城市內(nèi)的傳播.

社會經(jīng)濟發(fā)展指標(biāo)中人均綠地面積對疫情傳播有重要抑制作用，該指標(biāo)反映了城市總體綠化程度［11］，在多個模型中概率及穩(wěn)健概率呈現(xiàn)統(tǒng)計顯著性.因此城市綠化程度較好的地區(qū)對疫情的傳播有良好的控制作用.有研究顯示，城市綠色空間對傳染病的傳播具有多重效應(yīng)，其中綠地面積可以通過對空氣中病毒的傳播進行控制，并且能緩解心理壓力［30］.尤其是對于呼吸系統(tǒng)健康，可以有效減少人體暴露的風(fēng)險［29］.同時城市綠地可為居民鍛煉身體提供場所，有益于身心健康，提高居民的身體素質(zhì)［31-33］.因此，增加城市綠地比例，一定程度上有利于防止傳染病的爆發(fā)和傳播.人均地區(qū)生產(chǎn)總值對疫情擴散有一定促進作用. GDP 是重要的經(jīng)濟指標(biāo)，用來衡量地區(qū)經(jīng)濟發(fā)展水平.有研究表明，人口遷移的主要地域指向與主要遷入地的經(jīng)濟發(fā)展水平高度相關(guān)且呈現(xiàn)正向關(guān)系［34-39］. GDP 較高的地區(qū)就業(yè)機會較多，對人才的需求量較大且收入較高，并且具有較為完善的交通體系和綜合交通樞紐，吸引人口流入并促使人口流動加劇，使得疫情傳播速度加快.同時有學(xué)者認(rèn)為，經(jīng)濟的發(fā)展促進了人口城市化發(fā)展［40］，經(jīng)濟發(fā)展是推動城市化發(fā)展的原始動力，并且二者之間存在對數(shù)正比關(guān)系，其作用機制較為復(fù)雜［41-42］.因此，經(jīng)濟發(fā)展水平和城市化推動了人群在空間上的聚集，人與人之間的聯(lián)系更加緊密，提高了傳染病疫情的傳播速度［43］.而人均醫(yī)務(wù)人員和人均公共預(yù)算支出的影響較小，主要由于在湖北省爆發(fā)疫情時，全國集中人力物力進行支援，且與受到省外醫(yī)務(wù)援助力量的投入有關(guān)，因此該指標(biāo)對疫情發(fā)展不起到?jīng)Q定性作用.

5 結(jié)論與建議

5.1 結(jié)論

湖北省是我國疫情最先爆發(fā)的省份，也是疫情最嚴(yán)重的地區(qū).本文對新冠肺炎疫情的擴散過程和空間格局進行研究，并分析了空間格局的影響因素.研究表明：湖北省新冠肺炎疫情的發(fā)生發(fā)展分為新增確診病例緩慢上升、快速上升、波動下降和持續(xù)下降4 個階段.在擴散過程中，最早以武漢市內(nèi)擴散為主；而后呈現(xiàn)出先向東部及東北部擴散后向西部擴散的趨勢；當(dāng)疫情逐步得到控制后，黃石市及咸寧市等城市確診病例數(shù)最早出現(xiàn)下降，疫情中心以武漢市及其以西的孝感市、十堰市等城市為主.4 月4 日實現(xiàn)湖北省全省零新增的態(tài)勢，最終疫情空間格局主要集中在武漢市及周邊地區(qū)，且呈現(xiàn)出距離衰減的趨勢.

根據(jù)空間回歸分析結(jié)果：在疫情發(fā)展過程中，從武漢流入人口比例成為最重要的因素之一，武漢流出的人口加重了各地區(qū)疫情的發(fā)展，對疫情擴散起到了顯著的影響.人均綠地面積對疫情的發(fā)展起到較為重要的抑制作用，人均綠地面積較多的地區(qū)，疫情發(fā)展較輕.同時，由于疫情傳播的主要途徑為呼吸道飛沫傳播和接觸傳播［44］.因此，一個地區(qū)的人口規(guī)模影響了該地區(qū)內(nèi)人口流動的強度，進而對疫情發(fā)展產(chǎn)生影響.人口規(guī)模越大的地區(qū)，其內(nèi)部人口流動越頻繁，促使該地區(qū)的疫情快速發(fā)展.除此之外，城市至武漢距離和人均地區(qū)生產(chǎn)總值也對疫情發(fā)展產(chǎn)生作用.公路運輸作為重要的交通方式，在疫情的區(qū)際傳播中起到了“橋梁”的作用，距離武漢較近或與武漢之間交通便利的地區(qū)疫情相對更為嚴(yán)重.同時，經(jīng)濟發(fā)展是我國人口遷徙的主要動力，促進地區(qū)的人口流動.對于人均地區(qū)生產(chǎn)總值較高的城市社會發(fā)展水平普遍較高，使得該地區(qū)吸引人口的流入，加大人口流動強度，因此該地區(qū)疫情普遍較為嚴(yán)重.在一定程度上，城市建成區(qū)道路面積率為疫情的區(qū)內(nèi)傳播起到了促進作用，道路面積率較高的地區(qū)內(nèi)部交通可達性較好，促進了研究地區(qū)內(nèi)的人口流動，導(dǎo)致疫情惡化.而人口密度、人均醫(yī)務(wù)人員數(shù)量及人均公共預(yù)算支出的對湖北省的疫情擴散影響相對較弱.

與前人研究對比.在疫情擴散的時間維度上，本文得出的疫情發(fā)展階段與已有研究所探究的疫情變化趨勢相一致，時間段的劃分也基本一致，有關(guān)疫情擴散過程及最終空間格局相似［5，8］.但本文還根據(jù)不同階段疫情發(fā)展的時空格局變化進行分析，并闡述了疫情中心的轉(zhuǎn)移趨勢.在影響因素分析上，與多數(shù)學(xué)者研究結(jié)果類似，認(rèn)為從武漢流出人口、人口規(guī)模及人均GDP 加速了疫情的發(fā)展［7-8，11-13，45］，而人均綠地面積有助于疫情防控［46-48］.本研究還證實，城市至武漢距離對湖北省疫情發(fā)展也起到一定作用.相較于其他研究，本文選擇了更加綜合和全面的影響因素指標(biāo)，發(fā)現(xiàn)同一方面的指標(biāo)間存在相關(guān)性，當(dāng)人口、交通、社會經(jīng)濟發(fā)展3 個方面各包含1 個指標(biāo)時的綜合分析結(jié)果更加顯著.本研究也存在一些不足之處：一方面，在湖北省疫情爆發(fā)時各地進行了人力、財力和物力的支援，而這部分的醫(yī)務(wù)人員數(shù)量和捐款總額數(shù)據(jù)未納入到研究中，使得2 個指標(biāo)在回歸分析時可能出現(xiàn)偏差.另一方面，由于數(shù)據(jù)收集的限制，本文缺少對其他各個城市之間及城市內(nèi)部的人口流動對疫情影響的探究，也未探討省際之間的人口流動對湖北省疫情傳播發(fā)展的影響.

5.2 建議

根據(jù)上述研究結(jié)果，本文對疫情防控提出以下幾點建議：

（1）從武漢流入人口是最關(guān)鍵的因素，因此在防疫工作中要嚴(yán)格把控我國及我國各地區(qū)的出入關(guān)口，對城市邊界制定和實施合理的管控制度，有效的限制人口流動強度.并且充分利用人口流動大數(shù)據(jù)，加強跨區(qū)域、跨部門的協(xié)作，實時同步人口流出地與流入地的相關(guān)信息，對人口流動的方向及強度進行精準(zhǔn)、動態(tài)的監(jiān)測和統(tǒng)計分析，充分把握各地區(qū)的人口流向，更好地追蹤病例和控制疫情.同時應(yīng)重點關(guān)注疫情的潛伏期，進行科學(xué)的流入人員隔離.目前關(guān)于疫情潛伏期和再生數(shù)等研究的結(jié)論尚未統(tǒng)一和明確，因此應(yīng)把握好入境人員的隔離天數(shù)，境外人員入境后需要（14+7）、（14+7+7）或（14+14）d 等隔離時間的要求［49-50］.并且做好相關(guān)的檢測，包括核酸檢測和抗體檢測等.

（2）交通的日益便捷，在各地區(qū)內(nèi)部及各地區(qū)間出現(xiàn)強度較大的人口流動，因此要對交通站點進行嚴(yán)格的疫情防控，針對不同的交通方式策劃合理的疫情管控措施.并且要科學(xué)地使用交通大數(shù)據(jù)對交通運輸及交通網(wǎng)絡(luò)的監(jiān)測和統(tǒng)計，以更好地追蹤和限制人口的流動.同時隨著交通運輸?shù)陌l(fā)展，公共交通工具已經(jīng)成為居民的主要出行方式.而公共交通均處于較為密閉的空間，容易增加病毒的傳播機會，可能出現(xiàn)聚集性感染［51］.所以相關(guān)部門及人員要加強合作，保障公共交通設(shè)施內(nèi)的通風(fēng)換氣及消毒工作，并針對不同環(huán)境進行科學(xué)安排，確保公共交通出行中的疫情防控工作能夠嚴(yán)格實施.

（3）應(yīng)在城市內(nèi)建設(shè)公共健康單元，積極完善各種促進健康的設(shè)施及資源.相關(guān)部門要重視城市綠地的健康服務(wù)價值，增加、保護及合理布局城市綠地面積，保證適當(dāng)?shù)木G地面積，推進健康城市的治理.有研究顯示街頭綠地平均訪問密度最高［52］，因此加強此類綠地的基礎(chǔ)設(shè)施建設(shè)以及健身功能強化等.同時要完善各地區(qū)的疫情防控機制和應(yīng)急管理體系，加強公共衛(wèi)生技術(shù)的開發(fā)，做好技術(shù)戰(zhàn)略儲備.在面對突發(fā)公共衛(wèi)生事件時，能夠及時、有效地進行應(yīng)對和防治.對高風(fēng)險類型的場所，尤其是居民生活物資的直接供應(yīng)地點，要嚴(yán)格把控所售商品及銷售手段，并加強消毒等防疫措施.

（4）各地區(qū)要對居民進行防疫工作和防護知識的科普，增強居民素質(zhì)和疫情防范意識.倡導(dǎo)居民盡量減少出行或合理出行，降低人口流動性，減少人口密度及人口規(guī)模對疫情傳播的風(fēng)險，在主動配合地區(qū)各項防疫工作的基礎(chǔ)上做好個人防護.并且相關(guān)部門要正確引導(dǎo)市民對城市公共健康單元建設(shè)工作及城市綠地保護工作給予支持和幫助.