科研之友
微信
新浪微博
Facebook
分享链接
摘要
探究新冠肺炎(COVID-19)的传播机理及驱动因素已成为研究热点，其中人口流动对其传播的驱动效应更是重点议题。该文基于Google人口流动大数据，以美国本土为研究区，分析COVID-19疫情时空演变并构建时空回归模型，探究不同场所人口流动对COVID-19实时传播率影响的时空异质性。结果表明：1)截至2020年11月30日，美国COVID-19疫情总体呈逐步加剧趋势；2)相比普通最小二乘模型、地理加权回归模型和时间加权回归模型，时空地理加权回归模型能更精准地揭示不同因子的时空驱动效应；3)零售与娱乐场所、药店与杂货店、交通站点和工作场所的人流对COVID-19传播起促进作用，其中工作场所人流是最主要的驱动因素，而公园和住宅区人流则起抑制作用；4)除零售与娱乐场所外，其余场所人流对COVID-19传播率的作用系数呈现“西低东高”的空间分布格局。研究结果可以为我国应对COVID-19疫情防控力量时空配置和人流限制政策优化提供参考。
- 单位
