可能会说谎的地图-重新审视全国疫情的地理格局

导言

🔺 图1 主流疫情地图呈现方式

但是，正如大多数人所熟悉的那样，地市行政单元层面的数据 更能反映现实情形 。 尽管疫情的传播具有地理空间依赖性，即上文中的空间邻近效应，但中国的数百个地市是一个层次结构，而非平行的区域结构。 或者说 层次结构比区域结构更显著 。 例如区域中心城市、省会城市等，都属于高等级节点，且远高于其他一般城市节点。

如图2所示为 地市层面 的疫情地图。重灾区除了整个湖北省，主要分布在邻近的重庆、湖南北部、河南南部。其它的还包括京津冀、长三角和珠三角的腹地。武汉及其所在省份湖北在一定程度上不仅可以看作是整个中国的中心，也是华中地区的中心，但从地市疫情地图中可以看出，重灾区也只是扩散到了华中其它两省的边缘地区。对于其它省份，疫情严重也主要是在部分城市。值得关注的是，在 胡焕庸线 以南那些被疫情包围的未有疫情的孤岛城市。即使是在一级重灾区的华中地区也有此类现象。

🔺 图2 地市单元层面的疫情地图呈现方式

总之，在疫情地图制作过程中，地理单元的选择对读者了解疫情信息的影响还是较大，在当前胡焕庸线以南几乎全部沦陷，防范行动极为重要、民众意识亟待提升的严峻形势下，以 更加科学、多元的形式 向和社会提供疫情信息也是一项尤为重要的工作。 如果涉及影响机制分析，则更需要 重视地理单元的选择 ，尽量减小可变面元问题对分析结果带来的负面影响。

🔺 图3 较小尺度疫情概率密度地图

值得注意的是，作为一个 尺度影响疫情制图 的案例，这里对尺度的选取及其对疫情呈现带来的影响进行简要介绍。 相比图3，在一个更大的尺度上构建疫情地图，结果如图4所示， 空间扩散的格局更加一目了然 。 这是大尺度疫情地图的优点 也是缺点 。 似乎相比图3，图4给出了更加直观和有用的扩散模型。 在如图4所示的尺度上，到目前为止，较严重的疫情区中，珠三角疫情区在地理空间上独立存在，而其它几个疫情区已经基本连城一片，呈团状和带状发展。

🔺 图4 较大尺度疫情概率密度地图

基于GIS场思想的疫情密度地图因变化连续、边界模糊而具有独特的优势，尤其是在 宏观特征提取 和 可视化方面 尤为突出。 在 疫情时空演变 和 过程模拟 中也可采用此此路展开。 笔者在文化空间扩散、城市宏观形态特征分析中基于此思想提出了一些有效的方法。

🔺 图5 基于Jenks’ Break聚类的疫情分布地图

如图6所示为基于无分位的聚类结果。 这意味着处于一级疫情重灾区的这些地市是所有地市中灾情严重性位于前20%。 次一级的地市处于前40%至20%之间。 例如，乌鲁木齐属于40%-60%之间，而整个东北只有哈尔滨位列前40%。 整个江苏除了南京和苏州，其它地市都在后60%。

🔺 图6 基于Quantile聚类的疫情分布地图

其它还有很多方式，如自定义、等间隔、几何数、标准差方法等。 具体选用哪种方式，要视分析需求而定。 一般情形下，采用定量的聚类方法由于自定义，因为大多数聚类方法考虑了样本的分布特征。 更为重要的是，读图一般要在了解采用了何种方法的前提下展开，尤其是采用了聚类方法的时候。 如此说来，上文对于图2的解读，如果不了解或不考虑所用的聚类方法，其结论偏差会很大甚至错误。

构建疫情分布地图的 视觉变量 是非常丰富的，如颜色、方向、尺寸、形状等。 但对于数量关系，似乎人眼对于尺寸的差异性更加敏感。 不同地市的确诊病例数量悬殊，发病区位数量又较多，在此情形下， 采用更有利于大众捕捉不同区域确诊病例数量的疫情分布制图方式显得尤为重要 。

如图7为基于分级符号方法对当日所有确诊病例进行疫情分布制图后的结果。由于分级操作导致同一等级的数量差异被消除，因此 同一等级的差异无法捕捉 。这便是一种地图对疫情 “说谎” 的情形，实际上，此类情形的“说谎”在上面所有的疫情地图中都存在。其解决办法是 依据病例数量按照统一的比例进行符号化 。如此以来，每个地市病例的数量与符号的尺寸成正比，又由于人眼对尺寸变量极为敏感，可以非常直观地捕捉到不同地市病例的数量差异及其空间分布关系。采用比例分级的制图结果如图8所示。

🔺 图7 分级符号与疫情制图

从图8中的结果可以非常明确地辨析武汉和邻近区域及其它重灾区在确诊病例数量上的差异。 其它地市不同规模的病例数量及其空间关系也非常明晰。 当然，每种疫情地图都有 两面性 ，通过此图则难以直接分辨出不具有显著特征的地市的具体情形。

🔺 图8 比例符号与疫情制图

结语