中国SARS疫情的探索性空间数据分析
关于利用地理信息系统进行疾病防控的研究
关于利用地理信息系统进行疾病防控的研究作者：陈雨乔来源：《科学与信息化》2020年第03期摘要地理信息技术在莱姆病、疟疾、丝虫病和血吸虫病等疾病的研究中已经发挥了重要的作用，在流行病领域有良好的应用前景。
本次新型冠状病毒事件中，也可利用地理信息系统对疾病进行防控。
利用GIS技术中构建缓冲区，规划最短路径等方法可以对于疾病的防控起到有效帮助。
本文对于已经运用于疾病防控中的地理信息技术进行综述并针对此次新型冠状病毒事件对构建医疗防控平台进行构想。
关键词地理信息系统;疾病控制;医疗资源;平台构建Abstract Geographic information system which has a good application prospect in the field of epidemic diseases has played an important role in the research of lyme disease， malaria， filariasis and schistosomiasis. In this Novel coronavirus pneumonia event， geographic information system can also be used to prevent and control the disease. Using GIS technology to construct buffer zone，planning shortest path and other methods can effectively help the prevention and control of diseases. This paper summarizes the geographic information technology that has been applied in disease prevention and control and proposes the construction of a medical prevention and control platform for this new coronavirus event.Key words Geographic information system; Disease prevention; Medical resource; Platform construction疾病傳播的研究在极大程度上依赖于空间分析，通过分析疾病与周围环境关系，为疾病的防控决策提供依据。
病传播的空间统计分析方法研究
病传播的空间统计分析方法研究疾病传播是一个复杂的过程，其中空间因素的影响不可忽视。
针对疾病传播的空间统计分析方法的研究，已经成为公共卫生领域的热点问题。
本文将就这一主题展开讨论，介绍常用的疾病传播的空间统计分析方法，包括聚集性分析、点模式分析和空间回归分析。
一、聚集性分析聚集性分析主要用于检测疾病在空间上的聚集现象，即疾病发生的集中和非集中区域。
常用的聚集性分析方法有格点统计、索引检验和扫描统计。
1. 格点统计格点统计是一种常见的空间统计分析方法，它将疾病数据在地理空间上转换为格点数据，并对每个格点的疾病发生情况进行统计。
通过计算每个格点的疾病发病率，可以绘制出疾病分布的等值线图，从而直观地展示疾病的空间分布情况。
2. 索引检验索引检验是一种用于确定疾病空间聚集的统计检验方法。
其中最常用的指数是Moran's I指数和Getis-Ord Gi*指数。
Moran's I指数用于检验数据的全局自相关性，而Getis-Ord Gi*指数用于检测局部聚集现象。
通过计算这些指数，可以评估疾病在空间上的聚集情况。
3. 扫描统计扫描统计是一种基于统计显著性的空间聚类检测方法。
它通过滑动一个扫描窗口在地理空间上进行扫描，计算每个窗口内的疾病发病率，并与整个研究区域的发病率进行比较。
通过找到具有最高或最低发病率的扫描窗口，可以确定疾病的聚集区域。
二、点模式分析点模式分析主要用于研究疾病传播的空间聚集模式，即疾病传播的路径和速度。
常用的点模式分析方法有K函数和距离带分析。
1. K函数K函数是一种用于测量点过程的空间相关性的统计方法。
在疾病传播研究中，可以将病例点作为点过程的实例，通过计算病例点之间的距离，并与随机点过程进行比较，来评估疾病传播的聚集程度。
2. 距离带分析距离带分析是一种用于确定疾病传播路径的空间分析方法。
通过在研究区域内设置不同的距离带，计算每个距离带内的疾病传播率，并绘制曲线图来描述疾病传播路径的特征。
sars调研报告
sars调研报告
SARS（严重急性呼吸道综合症）是一种由冠状病毒引起的呼
吸系统疾病，于2002年首次在广东省深圳市爆发。
这次调研
报告旨在对SARS的传播、症状、防控措施以及对社会和经济的影响进行分析和总结。
首先，SARS是一种高传染性疾病，通过飞沫传播和密切接触
传播。
在疫情爆发初期，SARS病毒的传播速度非常快，导致
感染人数迅速增加。
此外，过去的研究表明，SARS病毒还可
能通过空气传播和污染物传播。
其次，SARS的主要症状包括高热、咳嗽、乏力和呼吸困难。
该病毒有潜伏期，通常为2-7天，在潜伏期结束时，患者会出
现症状。
病情重的患者可能进一步发展为肺炎，甚至死亡。
因此，对这种疾病的早期诊断和治疗非常重要。
第三，为了应对SARS的暴发，各国采取了一系列的防控措施。
这些包括：加强疫情监测和报告、提高公众卫生意识、实施隔离措施、加强医院感染控制、加强个人防护等。
此外，针对病毒的疫苗研发也是一项重要的工作。
最后，SARS对社会和经济造成了一系列的影响。
首先，人们
的生活方式和行为习惯发生了变化，包括戴口罩、勤洗手、避免拥挤等。
其次，旅游业、航空业和餐饮业等受到了重创，许多企业和个人面临着经济困境。
此外，对于公共卫生系统的运作也提出了更高的要求。
总的来说，SARS是一种具有高传染性的呼吸系统疾病，对社会和经济造成了严重的影响。
为了应对这种疾病的暴发，每个人都有责任增加对公共卫生的重视，采取必要的防护措施。
此外，各国政府也应加强国际合作，共同应对类似疫情的挑战，以保护全人类的健康和福祉。
疫情传播与空间数据分析
疫情传播与空间数据分析随着新冠病毒的全球爆发，疫情传播成为了全世界关注的焦点。
为了抑制病毒的传播，各国采取了一系列措施，包括加强疫情监测、封锁城市等。
而在这些措施中，空间数据分析发挥着重要的作用。
空间数据分析是指利用地理信息系统（GIS）和遥感技术等手段，对地理空间数据进行统计和分析的过程。
在疫情传播中，空间数据分析可以帮助我们了解疫情的传播路径、传播速度以及传播的影响范围，并为决策者提供科学依据。
首先，通过空间数据分析，可以对病毒的传播路径进行追踪和分析。
通过收集病例的时间和地理信息，可以绘制出病例的传播路径图，帮助我们了解病毒的传播路径和传播的规律。
例如，在疫情初期，通过对武汉和其他城市的病例数据进行空间分析，可以发现武汉是病毒的传播源头，并且病毒的传播路径主要集中在中国大陆内部以及与武汉交通联系紧密的城市。
其次，空间数据分析可以帮助我们评估疫情传播的速度。
通过对不同地区的病例数量和时间进行统计和分析，可以得出不同地区病例数的增长趋势，以及病毒传播的速度。
这有助于我们及时采取措施控制疫情的蔓延。
例如，在中国的疫情初期，通过对各个省份病例数量的空间分析，可以发现病例数的增长速度较快的地区，从而及时调配资源加强防控措施。
此外，空间数据分析还可以帮助我们评估疫情传播的影响范围。
通过对病毒传播的空间模式进行分析，可以确定疫情扩散的范围，并预测下一波疫情的传播方向。
这有助于我们及时采取措施，以减少疫情对人员和社会经济的影响。
例如，在中国的疫情防控中，通过对病例传播的空间模式进行分析，可以确定哪些地区可能会成为下一波疫情的重点区域，从而及时采取针对性的防控措施。
总之，疫情传播与空间数据分析密不可分。
通过空间数据分析，我们能够更好地了解病毒的传播路径、传播速度以及传播的影响范围。
这些信息可以为决策者提供科学依据，帮助我们更好地应对疫情。
在未来，随着技术的不断发展，空间数据分析在疫情防控中的作用将会越来越重要。
sars疫情分析模型
SARS疫情分析模型徐凯2003年9月kernxu@摘要本文先分析评价了题目附件1的模型，进而建立了两个宏观SARS疫情模型、一个微观模型和一个SARS影响旅游的模型。
利用这些模型，准确的预测了北京的疫情发展、旅游业复苏时间，解释了北京统计值的偏差，评价了卫生部门隔离措施。
模型形式简单，结构巧妙，拟合、预测效果极好，远优于原模型。
运算利用指数曲线拟合、差分方程、计算机程序递归模拟等。
一、问题的分析与假设“非典”传播有很多特殊的性质，比如：a.潜伏期是否传播及潜伏期长短没有准确的说法；b.发病期传染几率变化，发病后第３到５天达到最强；c.传播途径较多，人为隔离对传播有较大的影响；d.不易确诊，出现症状后的三天内，病毒检出率基本为零。
于是，要从微观角度定量分析非典传播规律，成为一件复杂的事。
考虑到我们掌握的资料多数为宏观统计资料。
本文中我们先从宏观角度建立了两个模型，这两个模型形式较为简单，我们对一些医学界也无法确定的结论，一律用统计值取代。
比如：a.采用平均传染率来避免讨论传染率的变化；b.认为潜伏期可以传染；c.认为隔离后不能传染给他人；d.依据有关部门的统计资料，认为北京的潜伏期为5。
在掌握宏观规律的基础上，考虑了部分微观因素，我们又建立了一个微观模型。
并且作了新的假设，由于前后假设有所矛盾，为防止混淆，这些假设会在后文中介绍。
二、本文参数说明三、早期SARS疫情分析模型(题目附件1)的评价由于题目附件1所建立的模型，对我们建立新模型有着重要的价值，而原文介绍较为简略，所以我先做简要分析：根据《SARS疫情分析及对北京疫情走势的预测》[1]一文所建立的模型：考虑传染期限L对直接传染基数的影响，并且认为L=20（天）。
从而对应模型为：N(t)=N0*(1+K)t当0<=t<=20 (1)N(t)=(1+K)*N(t-1)-K*N(t-20) 当t>20 (2)其中，（2）式利用“递归公式”将到达L天的病例从可以引发直接传染的基数中去掉。
非典调研报告
非典调研报告非典调研报告一、研究背景非典型性肺炎（SARS）是2002年至2003年全球爆发的一种严重传染性疾病，由冠状病毒引起。
该疾病在全球范围内造成了约8000人感染，近800人死亡。
非典在当时的爆发引起了全球关注，也对人们的生活和社会经济产生了重大影响。
二、调研目的本调研旨在深入了解非典疫情的爆发原因和防控措施，为今后类似疫情的应对提供经验教训。
三、调研方法本调研采用了文献研究和实地调查相结合的方法。
通过查阅相关文献和采访疾病防控机构、医院和疾病防控专家，获取相关信息。
四、调研结果1.非典爆发的原因：非典的起源可能是来自中国广东省的一种蝙蝠病毒，经过中间宿主（像猫这样的动物）传播到人类。
不当的食用和处理野味可能是导致疫情爆发的主要原因之一。
2.非典的传播途径：非典主要通过飞沫传播，也可以通过密切接触、空气传播和污染物接触传播。
3.非典的症状：非典的症状包括发热、呼吸困难、咳嗽、体重下降等。
4.非典的防控措施：非典的防控措施包括早期病例识别和隔离、积极的公共卫生干预、加强监测和报告、个人防护等。
五、调研结论非典疫情的爆发是多种因素共同作用的结果，包括病毒的性质、人与动物接触、卫生条件和国际合作等。
未来，我们应加强对传染病的监测和预警，加强国际合作，提高公众的健康意识和自我保护能力。
六、建议1.加强国际合作：各国应积极分享疫情信息和研究成果，共同应对传染病威胁。
2.加大公共卫生投入：政府应加大对公共卫生领域的投入，提高卫生设施和人员的水平。
3.加强公众教育：通过加强公众的健康教育，提高公众的健康意识和自我保护能力。
7.参考文献1. World Health Organization. Summary of probable SARS cases with onset of illness from 1 November 2002 to 7 August 2003[EB/OL].2003.2. 顾百文, 李及之, 冯晋肺炎传染源的流行病学调查[J]. 传染病信息, 2003(4).3. 李兵. 非典（SARS）流行病学调查 [J]. 中国卫生教育, 2003(11).。
北京市SARS流行的特征与时空传播规律_曹志冬
2.1 发病率图 发病率(Morbidity rate)是指一定时期内新病例的
表 1 SARS 感染者数据的空间化处理原则 a)
所在省、市
家庭பைடு நூலகம்址
单位住址
空间化处理方法
北京市 非北京市
√ √ × × √/×
√ × √ × √/×
家庭地址 家庭地址 单位地址 弃之不用 弃之不用
根据表 1 的空间化处理原则, 以采用人工方法对
地名进行匹配, 得到了 2321 例 SARS 感染者在北京 市 的 空 间 分 布 情 况 ( 图 2(a)), 空 间 化 率 约 为 2321/2444×100%=95%, 北京市的 SARS 感染者大多 集中在人口稠密的城市中心地带, 周边郊区及远郊 区县的感染者数量非常少. 为消除少数远离 SARS 传 播中心的感染者对研究分析产生的不确定性影响, 本文选用以 SARS 感染者的空间几何中心为圆心、两 倍距离标准差为半径的疫区中心地带的感染者为研 究对象(图 2(b)), 范围涵盖北京市五环以内所有区域, 研究范围内的感染者数量为 2227 例, 占所有可定位 的时空数据总量的 96%, 占北京市所有感染者人数 的 91.1%.
中国科学: 地球科学 2010 年 第 40 卷 第 6 期
的应急决策提供科学依据. 2003 年突发的 SARS 流行是新中国成立后严重
的一次公共卫生安全危机, 也是进入 21 世纪以来人 类面临的影响较为广泛的一次传染病全球性流行事 件. 五年来, 世界各地的大量科学家分别从病理 学[1]、分子生物学[2]、临床医学[3]、流行病学[4]、卫生 经济学[5]及应急管理[6]等方面展来了对 SARS 的全面 研究, 取得了许多重要成果, 然而, 仍有许多未知谜 题有待深入发掘.
基于GIS的疾病空间分布与流行特征研究
基于GIS的疾病空间分布与流行特征研究随着科技的发展和数据采集的不断完善，地理信息系统（GIS）在疾病研究领域中扮演着越来越重要的角色。
GIS可以将地理位置和相关数据进行统一管理、分析和可视化展示，为疾病的空间分布与流行特征研究提供了有力的支持。
本文将重点探讨基于GIS的疾病空间分布与流行特征研究的相关内容。
一、GIS在疾病空间分布研究中的应用疾病的发生与地理位置息息相关，而GIS可以通过空间分析方法，帮助研究人员深入了解疾病的分布规律以及与环境、人口等因素之间的关系。
首先，GIS可将疾病发病地点标注在地图上，形成热点图或者散点图，为进一步的分析提供基础。
其次，GIS能够将各种地理数据与疾病数据进行叠加分析，比如人口分布、环境因素等，从而揭示潜在的相关性。
另外，GIS还可以利用测距工具计算各地点之间的距离，即连通性分析，为研究病原体传播途径提供参考。
二、GIS在疾病流行特征研究中的应用疾病的流行特征是指疾病在特定时间段和地域范围内的变化趋势和分布情况。
GIS可以通过时间序列分析和空间插值等方法，对疾病的流行趋势进行研究。
例如，针对某一特定疾病，可以对多个时间段的病例数据进行比较，利用GIS软件生成时间序列图，以展示疾病的变化趋势。
另外，GIS还可以进行空间插值和空间聚类分析，从而获取疾病在不同地区的高发区域和低发区域，为疾病防控提供科学依据。
三、案例分析：应用GIS分析SARS的空间分布与流行特征为了更好地说明GIS在疾病空间分布与流行特征研究中的应用，我们以SARS（严重急性呼吸综合症）为例进行分析。
首先，我们可以通过GIS将SARS病例的空间分布绘制在地图上，发现其主要集中在亚洲地区，尤其是中国大陆和香港等地。
接下来，我们可以将环境因素、人口密度等数据叠加到病例分布图上，发现疾病的高发区域多与人口密集区和交通枢纽相重合，暗示着人口流动和接触是病原体传播的主要途径。
随后，我们可以利用时间序列分析方法，绘制SARS病例的时间序列图。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
参照它们分别在空间中的区位 。这种空间区位及其 空间联系一般通过空间权重来表达 。
最初由 Moran 和 Geary开发的空间联系的测 量 , 或更精确地说 ,空间自相关的测量 ,是建立在空 间单元相邻与否的二元逻辑基础上的 [ 13 ] 。按照这 一定义 ,邻居的结构由 021 来表达 。如果 2 个空间 单元共有非零长度的边界 ,那么它们就被认为空间 上相邻 ,从而赋予 1的空间贴近度 ,否则赋予 0。这 一空间相邻的测量是通过在地图上分析区域边界来 实施的 。对于不规则的空间单元布局 ,这种定义和 工作方法非常直观 。但当空间单元布局呈规则的栅 格或是一组不规则分布的点时 ,空间相邻的测量就 比较复杂 。
© 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
第 3期 范新生等 :中国 SARS疫情的探索性空间数据分析
283
的每日新增病例和累计病例以及死亡人数 。 根据世界卫生组织网站 (同上 )提供的资料 ,中
在本研究中 ,我们构建了 13 组空间权重矩阵 。 第一组 ( SWM )只考虑空间相邻因素 ,内地各省市及 港澳地区都按照有无公共边界来决定是否存在邻接 关系 ;对于台湾地区 ,尽管其与福建 、上海 、浙江的空 间距离很小 ,但是由于目前两岸尚未实现“三通 ”, 人员来往均需通过港澳入境 ,所以仅将港澳地区设 为它的 邻 居 ; 其 它 12 组 空 间 权 重 矩 阵 ( SW 09 ～ SW 20) ,均以距离来定义 ,我们选择观测区的行政中 心代表它的区位 ,距离采用两点之间的经纬度距离 , 距离在 di ( di = 900, 1 000, …2 000 km )之内为邻居 , 否则 不 为 邻 居 。所 有 空 间 权 重 矩 阵 均 通 过 Luc Anselin的 SPACESTATTM V1. 93实现 。
0 引 言
SARS ( Severe Acute Resp iratory Syndrome)是由 一种新的冠状病毒引起的传染病 [ 1～3 ] ,最早发现于 广东 ,随后传播到香港以及其他地区 ,直到 2003 年 7月 5日世界卫生组织将最后一个 SARS疫区台湾 排除 ,历时半年多的 SARS疫情终于划上了句号 。 但最近 中 国 卫 生 部 和 世 界 卫 生 组 织 对 广 东 一 例 SARS疑似病例的确诊使公众关心 SARS是否和流 感 ( influenza)一样是一种季节性疾病 ? 病毒会不会 从医院和实验室里泄露出来 ? SARS的出现已经提 出了很多在临床医学和流行病学方面的问题 [ 4 ] 。
目前国内已有一部分科研机构用统计分析模型 研究 SARS流行期各项可能的影响因子 ,预测疫情 的走势和估计 潜在 的风 险 。如 王铮 等 [ 5, 6 ] 对中 国 SAR S疫情流行期的气候特 征和 天 气特 征 做了 事 件 相关分析和统计分析 ,提出 SARS流行的气候风险 作为认识 SARS流行的季节性风险的基础 ,估计了 全国流行 SARS的季节性风险 ,认为 SARS疫情高发 可能与大约 8 日前的气温日较差阶段性降低有关
国的 SARS疫情源于广东 ( 2002年 11月 16日 ) ,并 于 2003年 2月进入了暴发期 。同时周边地区 ,如广 西 、四 川 、湖 南 甚 至 山 西 都 发 现 了 从 广 东 输 入 的 SARS病例 。香港 在 2003 年 2 月 22 日首 次发 现 SARS病例 ,不久大批医护人员感染病倒 ;在 3 月下 旬 SARS进入了社区 ,受感染人数每日以数十人的 速度增加 。
摘 要 :运用空间统计学手段对中国省级 SARS疫情的空间分布格局做了探索性的空间数据分析 ( exp loratory spatial data analysis) 。Moran2I统计分析表明 SARS疫情的分布具有很强的空间自相 关 ,Moran Scatterp lot进一步揭示了这一空间关系的地域差异及其各区位 SARS疫情分布对总体趋 势的偏移 , Gi3 统计则确定了疫情分布的空间集聚模式及其随时空转移轨迹 。分析表明中国省级 SARS疫情的发展并非一个相互独立的过程 ,而是存在着统计学意义上可测度的空间关系 ,且这种 关系在空间相邻时最为显著 。 关 键 词 : SARS;流行病学 ;空间统计学 ;探索性空间数据分析 ;中国 中图分类号 : P7; C82 文献标识码 : A
3 收稿日期 : 2004202225;修回日期 : 2004207212. 3 基金项目 :国家自然科学基金项目“中国地区经济增长空间分析 ”(编号 : 40271033 ) ;教育部科学技术研究重点项目“GIS空间数据现 代分析 ”(编号 : 03074)资助. 作者简介 :范新生 (19802) ,男 ,安徽省太湖县人 ,硕士研究生 ,主要从事地理信息科学研究. E2ma il: fanxs80@163. com
表 1 中国 SARS疫情原始资料 Table 1 Ch ina’s reported SARS ca ses
经度 —Y
87. 4962270 91. 2377300 101. 6563780 102. 1158290 103. 6134720 104. 0164030 106. 2613050 106. 6642360 108. 3910840 109. 0242620 111. 7296560 110. 3481780 112. 4779570 113. 0535730 113. 5716270 114. 4926130 114. 2791670 113. 2838190 116. 4497070 117. 2555690 115. 9316520 117. 0828840 117. 3131310 118. 6946090 119. 2126630 120. 0760870 123. 2419740 121. 4575650 125. 4293150 126. 6956700 106. 6066750 114. 2048050 113. 6291890 121. 4575650
综合上面的分析 ,将整个中国疫情数据分为 4 个阶段 :
(1) 第一阶段为 SARS发源期 ,从 2002 年 11 月 16号广东发现首例 SARS到 2003年 3月 31日中 国卫生部第一次通报疫情 。
(2 ) 第二阶段为 SARS暴发中心 ( supersp read cluster)转移期 (2003年 4月 1日 ～25日 ) 。
© 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
284
地球科学进展 第 20卷
编号
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
早在 3月 1日 ,北京的首例 SARS患者是 26岁 的山西籍女子于某 ,此前在广东经商 ,其数位家人也 先后受到传染 ,来到北京求治 。这是北京 SARS流 行的源头之一 。作为首都的北京疫情出现 ,其危害 也甚烈 。以北京为中转站 ,全国各地纷纷出现可疑 病例 。
到 4月下旬 ,短短几个月时间内已经在中国内 地 26个省份 、港澳台地区报告有非典型肺炎临床诊 断病例或疑似病例 。至 5月中旬 ,中国内地及港澳 地区的疫情已经得到了控制 ,但台湾地区的疫情却出 现了骤然上升的势头 , 5月 21～25日 ,每日新增报告 SARS病例达到 50宗以上 。进入 6月份 ,中国 SARS 疫情总体上得到了有效地控制 ,直到 7月 14日 ,世界 卫生组织 SARS疫区名单上最后一个地区 ———台湾 被排除 ,至此中国 SARS疫情划上了句号 。
3 空间自相关分析
表示空间活动的全局空间自相关 ( global spatial autocorrelation)性质的指标通常是 Moran2I[ 14, 15 ] ,其 公式为 :
I = [ΣΣi jwij ( xi -μ) ( xj -μ) ] / [ s2ΣΣi jwij ] (1) 其中 ( xi - μ) ( xj - μ)代表属性的相似性指标 , xi是 位置 i的属性值 ,μ是样本中所有属性值的均值 , s2 是样本的方差 , w ij是空间权重矩阵 。
(3) 第三阶段北京成为新的 SARS暴发中心 ( 4 月 26日 ～5月 15日 ) 。
(4) 第四阶段台湾出现 SARS高发期 (5月 16日 ～7 月 14 日 )。不同阶段 SARS 确诊病例数、累计 SARS报告病例数 ,以及累计 SARS死亡人数见表 1。
2 空间联系和空间权重矩阵
从广义上讲 ,空间分析是空间现象的定量化研 究 。这意味着空间分析的重点是在区位 、区域 、距离 和相互影响上 。地理学第一定理 [ 12 ]指出 :在地球表 面 ,每一个事物都和其它事物相联系 ,而距离越近则 它们的联系也越强 。为了准确无误地理解“近 ”与 “远 ”在特定环境中的意义 ,研究对象的观测值需要
第 2NCES IN EARTH SC IENCE
Vol. 20 No. 3 M ar. , 2005
文章编号 : 100128166 (2005) 0320282210
中国 SARS疫情的探索性空间数据分析3