[Foundation:National Social Science Foundation of China,No.19BJL036 National Natural Science Foundation of China,No.41801164] DOI:10.11821/dlxb202011017 修订日期：2020-10-03 1 引言 新型冠状病毒肺炎(COVID-19)疫情的爆发对中国国民经济和社会发展产生剧烈冲击。截止2020年6月10日，全国(含港澳台地区)COVID-19累计确诊病例达84652例，累计死亡病例4645例①。根据国家统计局数据，一季度国内生产总值按可比价格计算，同比下降6.8％②。疫情爆发以来，在习近平总书记亲自指挥、亲自部署下，全国上下展开一系列强有力疫情防控措施，及时抑制疫情蔓延态势，4月8日零时武汉市解除离汉离鄂通道管控措施，以武汉为主战场的全国本土新冠疫情传播基本阻断，疫情防控取得阶段性成效。但国内仍存零星散发病例和局部爆发疫情风险，同时疫情在全球范围爆发，使中国面临较高跨境输入性风险，疫情防控进入常态化。在此阶段，回溯中国城市受新冠疫情短期影响并评估其恢复情况，对于探索疫情冲击下不同城市的经济社会韧性，研判常态化疫情防控阶段经济运行形势，为城市经济社会发展恢复提供科学决策具有重要现实意义。 中国城市新冠疫情影响和恢复评价的“时效性”和“差异性”是本文拟解决的两个关键科学问题，也是国务院联防联控机制“科学防治、精准施策、分区分级”的具体要求。一方面，由于疫情爆发初期和春节假期叠加，节前返乡大规模人员流动显著增加疫情防控难度，春节期间以旅游业、娱乐业为代表的消费经济受到重大冲击，节后复工受疫情影响大幅推迟，疫情对国民经济和社会发展在短期内产生显著负面效应。实时评估疫情对城市的影响，对城市精准防控和制定复工复产政策十分迫切和重要。另一方面，中国幅员辽阔，本次疫情在全国范围内的爆发程度具有显著空间差异，并且全国经济社会发展水平和区域分工也存在明显地域特征。因此，从空间异质性视角揭示疫情造成的短期影响和疫情中后期城市恢复情况显得十分必要。 随着人类干扰自然的程度日益深刻，人类面临的疫病风险逐步上升[1]，新冠疫情爆发迫使我们进一步审视人与自然关系[2]。地理学一直将人地关系作为学科研究主线，地理时空大数据近年来也在城市研究、人与自然耦合等方面发挥越来越重要作用[3-4]，因此地理学者应发挥学科优势，主动担当疫情研究和防控。目前，地理时空大数据应用领域非常广泛[5]。基于地理学格局—过程—机制的研究范式，相关学者利用时空大数据在城市地理[6-7]、旅游地理[8]、经济地理[9]、行为地理[10]等领域取得丰硕成果。以基于位置的服务(Location Based Services，LBS)大数据为代表的地理时空大数据，在记录数据的时间和空间信息上具有高度即时性和精确性[11]，并且数据规模巨大，覆盖地域全面。恰恰可为解决上述两个关键科学问题提供研究思路和数据支撑。 目前，时空大数据已广泛运用到流行病学和公共健康管理研究领域，特别是在各型流感、登革热、埃博拉等流行病预警与监控方面取得较多成果[12]。较早运用时空大数据进行流行病预测是基于互联网搜索引擎数据展开的，其预测基础是流感关键词搜索与实际流感发生之间存在时空关联。Ginsberg等[13]和Polgreen等[14]利用不同搜索引擎数据，跟踪和预测美国流感疫情。为提高预测准确性，不同种类的时空大数据得到综合应用。瑞典卡罗林斯卡学院与美国哥伦比亚大学研究团队，利用手机通话数据监测海地地震灾难后人口流动情况，并预测随之而来霍乱疫情[15]。加拿大Bio.Diaspora公司综合疫情、航班、人口流动、气候、城市卫生管理等多源数据，发布全球埃博拉病毒地图[16]。Zhang等综合互联网搜索数据和社会、气候数据，预测济南百日咳流行病[17]。李德仁认为，时空大数据是面向包括疫情防控在内很多大数据应用场景和服务的基础，并且可在疫情监测和疫情信息服务发挥重要作用[18]。在新冠疫情科学研究和防控实践中，时空大数据发挥了关键作用。周成虎提出利用手机信令数据和社交媒体LBS数据等，对新冠病例和高风险地区停留人员进行时空轨迹溯源，实现潜在感染区和感染人群的精准判识和空间管制[19]。Kraemer等利用实时通信数据和病例旅行史数据，回溯全国新冠疫情扩散趋势，并证实中国政府一系列管控措施的积极作用[20]，Lai等也开展了类似工作，使用海量匿名人群移动数据和日常旅行网络模拟发现，中国限制旅行和减少接触等非药物干预策略(Non-pharmaceutical Interventions，NPI)的联合使用，取得了迅速的疫情防控成效[21]。 综上所述，目前时空大数据多集中应用于疫情预测、实时统计、轨迹识别等方面，而基于时空大数据的经济社会实时疫情影响和恢复力评估研究很少。鉴于此，本文在获取全国各城市百度迁徙大数据基础上，首先构建新冠疫情短期影响及恢复评价指标，其次在逐日的时间尺度上分析全国及不同区域疫情的短期影响与恢复情况，然后剖析疫情对全国各城市短期影响和恢复情况的时空特征，以期为区域疫情防控与经济社会恢复发展提供科学支撑，为大数据在重大突发公共卫生事件中的应用提供方法与案例借鉴。 2 数据来源与研究方法 2.1 研究数据 2.1.1 百度迁徙大数据 百度迁徙大数据于2014年春运期间上线提供服务，以实现即时动态可视化描绘春运短期人口大迁徙时空轨迹和特征为主要目标[22]。它通过识别海量LBS服务使用者的时空位移，定义和挖掘迁徙人群，确定区域间人群迁徙特征[23]。该数据被逐渐运用到地理学、社会学、城市规划等学科的研究中[24-26]，也被广泛应用于区域规划等政府管理和零售选址等商业活动。目前，百度迁徙大数据提供中国省域层面和城市层面，以天为单位记录的迁入指数、迁出指数(横向城市可比，纵向历史可比)，以及迁入各省份、城市人群来源地占比和迁出各省份、城市人群目的地占比。
