Ulusal salgının coğrafi yapısını yeniden inceleyen bir harita
önsöz
Ülke genelinde yeni koronavirüs pnömoni hastaları Kapsam çok geniştir ve günlük değişiklikler de büyüktür . Doğal zamansal ve mekansal özellikleri nedeniyle, epidemik verilerin mekansal, zamansal ve niceliksel özelliklerini görselleştirmek için haritaların kullanılması en yaygın yol haline gelmiştir. Bununla birlikte, harita salgın verilerini sunduğundan polimerizasyon ile Kapsamlı Süreç, seçilen mekansal ölçek (büyük ölçekli toplama, küçük ölçekli toplama, vb.), Birim türü (il, il, vilayet vb.), Kümeleme yöntemi (nicelik yöntemi, standart sapma yöntemi vb.) Ve sunum şekli (Bin yoğunluk haritası, nükleer yoğunluk haritası vb.) Belirli farklılıklar üretecektir. Haritanın kendisi veri dağılımının nesnel bir yansıması olsa da, sonuçlar performans hedefleri ve profesyonel bilişteki farklılıklardan kaynaklanmaktadır. Öznellik , Önyargı Ve diğer sorunlar. Bu kaçınılmaz olarak salgın haritasına yol açacak "Yalan" . Buradan Dört yön Ülke genelinde salgın durumunun mevcut coğrafi modelini yeniden incelemek, salgın dağılım haritasının okuyucularının salgının mevcut durumunu harita üzerinden daha rasyonel olarak anlamalarına yardımcı olacak ve salgın dağılım haritasının yaratıcıları için salgın haritayı oluşturmak için daha makul bir yol seçebilecekler.
1 Coğrafi birim etkisi
Korelasyon analizi dikkate alınmazsa, coğrafi birimlerin salgın haritanın sonuçları üzerindeki etkisi esas olarak Bilginin genelleştirilebilirliği Seviye. Şekil 1'de gösterildiği gibi, şu anda büyük medya veya kurumlar tarafından kullanılmaktadır. Temel görselleştirme Temel istatistiksel birim bölge . Guangxi ve Tayvan haricinde ilk derece en kötü etkilenen bölge olan Hunan Eyaleti dışında Doğu Çin, Orta Çin ve Güney Çin'deki diğer illerin hepsinin en kötü etkilenen ikinci düzey bölgede olduğu görülüyor. Buna ek olarak, ikinci düzey en çok etkilenen bölgeler arasında Kuzey Çin'deki Pekin ve Güneybatı Çin'deki Chongqing ve Sichuan yer alıyor. Yayılma eğilimi açık Coğrafi yakınlık etkisi ile Üst düzey düğümlerin hiyerarşik etkisi . Coğrafi yapı ve merkezi hükümetin üst düzey yönetimi açısından, Şekil 1 temel olarak özetlemektedir. Salgının mevcut mekansal yapısının temel özellikleri .
Şekil 1 Yaygın salgın harita sunum yöntemi
Bununla birlikte, çoğu insanın aşina olduğu gibi, vilayetlerin ve şehirlerin idari birim düzeyindeki veriler Gerçeği daha iyi yansıtın . Salgının yayılması coğrafi olarak bağımlı olmakla birlikte, yani yukarıda bahsedilen mekansal yakınlık etkisi, Çin'deki yüzlerce şehir paralel bir bölgesel yapıdan çok hiyerarşik bir yapıdır. Veya Hiyerarşik yapı, bölgesel yapıdan daha önemlidir . Örneğin, bölgesel merkez şehirler ve eyalet başkentlerinin tümü üst düzey düğümlerdir ve diğer genel şehir düğümlerinden çok daha yüksektir.
Şekil 2'de gösterildiği gibi Şehir seviyesi Salgının haritası. Tüm Hubei Eyaleti dışında, en çok etkilenen bölgeler çoğunlukla komşu Chongqing, kuzey Hunan ve güney Henan'da dağılmış durumda. Diğerleri arasında Pekin-Tianjin-Hebei'nin hinterlandı, Yangtze Nehri Deltası ve İnci Nehri Deltası bulunmaktadır. Bir dereceye kadar Wuhan ve Hubei vilayeti sadece tüm Çin'in merkezi değil, aynı zamanda Orta Çin'in merkezi olarak kabul edilebilir, ancak şehir ve şehirlerin salgın durum haritasından en çok etkilenen bölgelerin sadece Orta Çin'deki diğer iki vilayetin çevresine yayıldığı görülmektedir. . Diğer iller için şiddetli salgın esas olarak bazı şehirlerde görülmektedir. Bunu belirtmeye değer Hu Huanyong Hattı Salgın olmadan salgının çevrelediği güneydeki izole ada şehirleri. Bu fenomen, en kötü etkilenen bölge olan Orta Çin'de bile meydana geliyor.
şekil 2 Valilik ve şehir düzeyinde salgın harita sunum yöntemi
Kısacası, salgın haritasının hazırlanması sürecinde, coğrafi birim seçimi, okuyucuların salgın bilgileri anlamaları üzerinde hala daha büyük bir etkiye sahiptir. Şu anda, Hu Huanyong hattının güneyinin neredeyse tamamı düşmüştür ve önleme eylemleri son derece önemlidir ve halkın bilinçlendirilmesi gerekmektedir. Daha bilimsel ve çeşitli formlar Topluma ve topluma salgın bilgileri sağlamak da özellikle önemli bir görevdir. Etki mekanizmasının analizini içeriyorsa, daha gerekli Coğrafi birimlerin seçimini vurgulayın , Değişken yüz elemanı problemlerinin analiz sonuçları üzerindeki olumsuz etkisini en aza indirmek.
2 Coğrafi etki
Coğrafi birimlere ek olarak, ölçek Bu, salgın haritalamasında dikkate alınması gereken başka bir konudur. Değişken panel problemi dikkate alınmadığında, coğrafi birimin boyutu ve coğrafi ölçek seçimi de Üst üste gelmek . Şu anda, ortak etki haritanın genelleme derecesinde kendini göstermektedir. Yönlerin yukarıdaki sunumu, belirli coğrafi birimleri yakalamak için elverişlidir, ancak dezavantajı şudur: En kötü etkilenen alanların mekansal dağılım özelliklerini ve hiyerarşik özelliklerini sezgisel olarak yakalamak zordur. . Şekil 3, doğrulanmış vakaların sayısının nükleer olasılık yoğunluk haritasını göstermektedir. Şekil 3 ölçeğinde, en çok etkilenen alanların yeri, kapsamı ve seviyesi çok net ve sezgisel olarak yakalanabilir ve hatta hangi salgın alanların yayılmaya, hangilerinin göç ve yayılmaya ait olduğu çok doğrudan gözlemlenebilir. Hiç şüphe yok ki salgına dikkat ederseniz Difüzyon modu , Bu çizim şekli en uygun.
resim 3 Küçük ölçekli salgın olasılık yoğunluk haritası
Bunu bir Ölçek salgın haritalamayı etkiler Ölçeğin seçimi ve salgının ortaya çıkışı üzerindeki etkisine kısa bir giriş burada. Şekil 3 ile karşılaştırıldığında, salgın haritası daha büyük ölçekte oluşturulmuş ve sonuç Şekil 4'te gösterilmiştir. Uzamsal yayılma modeli daha net . Bu, büyük ölçekli bir salgın haritanın avantajıdır Ayrıca bir dezavantaj . Görünüşe göre Şekil 4, Şekil 3'e göre daha sezgisel ve kullanışlı bir difüzyon modeli veriyor. Şekil 4'te gösterilen ölçekte, şimdiye kadarki en şiddetli salgın bölgeler arasında Pearl Nehri Deltası salgın alanı coğrafi alanda bağımsız olarak var olurken, diğer salgın alanlar temelde şehre bağlanmış, kümeler ve bantlar halinde gelişmiştir. .
Şekil 4 Büyük ölçekli salgın olasılık yoğunluk haritası
CBS alanı fikrine dayalı salgın yoğunluk haritası, özellikle de sürekli değişimler ve bulanık sınırlar nedeniyle benzersiz avantajlara sahiptir. Makro özellik çıkarma ile Görsel yönü Özellikle öne çıkan. içinde Salgının mekansal-zamansal evrimi ile Süreç simülasyonu Bu yol, genişletmek için de kullanılabilir. Yazar, kültürel mekan yayılımı ve kentsel makro-morfolojik özelliklerin analizinde bu düşünceye dayalı olarak bazı etkili yöntemler ortaya koymaktadır.
3 Kümeleme yöntemlerinin etkisi
Şu anda, doğrulanmış epidemik vakaların mekansal dağılım haritalarının çoğu kullanılmaktadır. özelleştirmek Sınıflandırma yolu. Bir yandan, haritaların çoğunun il bazında geliştirilmesi ve sayısının az olması temel sebeptir, bu nedenle veri dağılımı göz ardı edilebilir; diğer yandan ise eksiklik vardır. Kümeleme yöntemi Gerekliliğin derin bir anlayışı. Aslında, asıl sorun, teşhis verilerini sınıflandırmak için özel bir yöntem kullanmaktır. Verilerin genel dağılımını dikkate almaz . Örneğin, Jenks'in Break yöntemini ve Quantile yöntemini kullanarak, elde edilen haritalama sonuçları çok farklıdır ve yorumlama yöntemleri çok farklıdır. Şekil 5 ve Şekil 6 aynı verileri kullanır, Farklı kümeleme yöntemleri Açıkçası, salgın dağılım haritasının sonucu Sonuçlar oldukça farklı .
Şekil 5'te kümeleme ilkesi "Grup içindeki fark en küçüktür ve gruplar arasındaki fark en büyüktür" . Bu ilkeye dayanarak, Wuhan'da diğer şehirlerden çok daha fazla salgın vakası olduğu şekilden görülebilir. İkinci seviyede olan Wuhan ve Chongqing çevresindeki birkaç şehir tarafından takip edildi. Bu ikinci kademe iller ve şehirler belli bir ölçüde benzerlik göstermektedir.Bu valiliklerin ve şehirlerin Wuhan'dan çok daha az vakaya sahip olduğu, ancak diğer daha küçük salgın alanlardan çok daha fazla vakaya sahip olduğu söylenebilir. Diğer bölüm seviyelerinin yorumu burada benzerdir.
Şekil 5 Jenks'in Break kümelemesine dayalı salgın dağıtım haritası
Şekil 6, nicelik dışı olana dayalı kümeleme sonuçlarını göstermektedir. Bu, birinci düzey salgının en kötü etkilenen bölgelerindeki bu vilayetlerin ve şehirlerin, tüm vilayetlerin ve şehirlerin ilk% 20'sinde olduğu anlamına gelir. İkinci kademe şehirler ilk% 40 ila% 20 arasındadır. Örneğin, Urumçi% 40 ile% 60 arasındadır, Kuzeydoğu Çin'deki Harbin ise ilk% 40'tır. Nanjing ve Suzhou haricinde, Jiangsu'daki diğer tüm şehirler en alt% 60'ta.
Resim 6 Nicel kümelemeye dayalı salgın dağılım haritası
Özel, eşit aralık, geometrik sayı, standart sapma yöntemi vb. Gibi birçok başka yöntem vardır. Hangi yöntemi seçeceğiniz, analiz gereksinimlerine bağlıdır. Genel olarak, kantitatif kümeleme yöntemlerinin kullanımı, özelleştirmeden kaynaklanmaktadır, çünkü çoğu kümeleme yöntemi, numunenin dağıtım özelliklerini dikkate alır. Daha da önemlisi, resim okuma genellikle hangi yöntemin kullanıldığını bilme öncülü altında, özellikle de kümeleme yöntemi kullanıldığında gerçekleştirilmelidir. Bu şekilde, yukarıdaki Şekil 2'nin yorumu, kullanılan kümeleme yöntemini anlamaz veya dikkate almazsanız, sonuç çok önyargılı hatta yanlış olacaktır.
4 Sunumun etkisi
Bir salgın dağıtım haritası oluşturmak Görsel değişkenler Renk, yön, boyut, şekil vb.Gibi çok zengindir. Ancak nicel ilişki için, insan gözünün boyut farkına daha duyarlı olduğu görülmektedir. Farklı vilayetlerde ve şehirlerde doğrulanmış vaka sayısı çok farklıdır ve etkilenen alanların sayısı nispeten fazladır. Bu durumda, Farklı bölgelerdeki doğrulanmış vaka sayısını yakalayan halka daha elverişli bir salgın dağıtım haritalama yönteminin benimsenmesi özellikle önemlidir. .
Şekil 7, derecelendirme sembolü yöntemine göre o gün tüm doğrulanmış vakaların salgın dağılımının haritalanmasının sonucunu göstermektedir. Notlandırma işlemi aynı sınıftaki miktar farkının ortadan kalkmasına neden olduğundan, Aynı seviyedeki farklılıklar yakalanamaz . Bu salgının bir haritası "Yalan" Aslında böyle bir durumun yalanı yukarıdaki tüm salgın haritalarında mevcuttur. Çözüm şudur Tek tip bir oranda vaka sayısına göre sembolize edin . Böylelikle her şehirdeki vaka sayısı, sembolün boyutuyla doğru orantılıdır ve insan gözü büyüklük değişkenlerine son derece duyarlı olduğundan, farklı şehirlerdeki vaka sayısındaki fark ve mekansal dağılım ilişkisi çok sezgisel olarak yakalanabilir. Şekil 8, ölçek sınıflandırması kullanılarak yapılan haritalamanın sonuçlarını göstermektedir.
Şekil 7 Derecelendirme sembolleri ve salgın haritalama
Şekil 8'deki sonuçlar, Wuhan ve komşu bölgeler ile diğer sert etkilenen alanlar arasındaki doğrulanmış vaka sayısındaki farkı açıkça ayırt edebilir. Diğer şehirlerdeki farklı ölçeklerdeki vakaların sayısı ve bunların mekansal ilişkileri de çok net. Elbette her salgın haritanın Dualite Bu harita üzerinden, ayırt edici özellikler olmadan şehirlerin belirli durumlarını doğrudan ayırt etmek zordur.
Figür 8 Orantılı semboller ve salgın haritalama
Sonuç
Ülke salgının en şiddetli ve zor döneminde ... Bir coğrafya araştırmacısı ve popüler bilim çalışanı olarak bu makalenin salgının yaygınlaşmasına mütevazı bir katkı sağlayacağını umuyorum. Salgın haritasını kullanan bir okuyucu olarak salgın haritasını doğru anlamalısınız. Mantıklı düşünün ve proaktif olun ; Ve salgın haritasının yapımcısı olarak kullanmalısınız Profesyonel kalite ve titiz tutum Salgın harita ürünleri üretin. Salgının ulusal havayı her an bozduğu anda, Profesyonel ve rasyonel Daha önemlidir.
Yazar: Zhang Haiping
Kaynak: Salgın Harita Proje Ekibi
