2022年10月26日，中国科学院地理科学与资源研究所，资源与环境信息系统国家重点实验室周成虎院士团队在《美国地理学家协会年鉴》（Annals of the American Association of Geographers）在线发表题为“A Systematic Review of COVID-19 Geographical Research: Machine Learning and Bibliometric Approach”的论文，系统综述了地理学在抗击新冠中发挥的作用和贡献。

新冠（COVID-19）爆发对全球经济、人类健康和日常生活造成巨大影响。来自不同领域的研究人员以前所未有的规模加入了这场抗击大流行的战斗中。了解COVID-19的时空动态对减缓其传播至关重要，地理学在应对疫情的诸多方面发挥了不可或缺的作用。因此，对COVID-19主题下的地理学研究进行综述，对总结地理学对抗击疫情做出的贡献具有重要意义。

本研究使用机器学习方法从Web of Science数据库中识别地理学领域的COVID-19论文，采用文献计量方法识别主要的研究主题，揭示了地理科学对COVID-19研究的贡献。该综述有助于决策者更好地理解如何利用空间思维控制病毒的传播，帮助研究人员了解当前的研究进展，并为未来的研究提供参考。

首先，研究团队获得了1171篇关于COVID-19的地理学论文，其中人文地理学论文728篇，GIS论文408篇，自然地理学论文35篇（图1）。其次，根据共现网络，确定了COVID-19的传播、社会管理、公众行为和影响4个主要研究主题（图2）和10个子主题。

图1 COVID-19相关的地理学出版物及其在2021年12月前的月度趋势

图2 地理学相关COVID-19论文的关键词共现网络

在COVID-19的传播主题下，包含三个子主题：1）影响COVID-19传播的因素。图3说明了主要的发现。日照、臭氧、细颗粒物（PM2.5）、人口流动等都促进了COVID-19的传播。相反，大气压力、温度、风速和湿度等会抑制它；2）COVID-19在媒体上的传播。该子主题下的研究主要分析了电视、社交媒体等在大流行期间产生的作用；3）疫情预测。SIR模型、SEIR模型、贝叶斯模型、地理加权回归模型等被广泛用于预测疫情的发展。

在社会管理主题下，研究人员使用诸如基于主体的模型（agent-based model）和SIR模型来模拟流行病的变化，通过比较实施非药物干预措施（NPI）前后的疫情情况，评价干预措施的有效性。发现测试-追踪-隔离措施是较为高效的手段。

在公众行为主题下，包含4个子主题：1）流动性。疫情期间，民众的流动性整体减少，但是去往城市绿地的次数变多，并且存在民众从城市前往农村的流动趋势；2）工作。COVID-19使民众的外出通勤次数减少，远程办公率增加；3）教育。COVID-19迫使教育方式转为线上教学，使得地理学等需要野外或实验室学习的专业的教学工作受到限制；4）心理健康。新冠肺炎疫情限制了人们的活动，对心理健康的伤害不可避免，尤其是单身母亲。

图3 影响COVID-19传播的因素以及COVID-19产生的影响

在COVID-19的影响主题下，包含三个子主题：1）对经济的影响。疫情发生后，经济活力下降，市场需求下降。宏观层面，国际贸易受到影响，全球海上贸易与航空货运的规模均下降。行业层面，能源市场与农业等受到影响。个人层面，大流行对不同收入人群的影响不同，导致不平等加剧；2）对自然的影响。最重要的变化是空气质量的改善。然而，人类产生的废物比以前更多，例如塑料废物；3）社会不平等。疫情给人民特别是弱势群体的生活带来诸多困难和不便，加剧了社会不平等，主要包括贫民窟居民、民工与少数族裔等群体。

至于COVID-19的地理研究中常用的方法主要包括：1）回归。地理加权回归（GWR）、多尺度地理加权回归（MGWR）等；2）聚类。莫兰指数与Geary’s C等；3）网络分析；4）遥感；5）调查与访谈；6）其他常见方法，如基于主体的模型、SIR模型等。

此项研究体现了地理科学对COVID-19研究的贡献，发现了当前的研究热点，并为地理学者今后的研究提供了参考。此外，其他研究这些主题的研究者可以加强与地理学者的跨学科合作。对于政府而言，此项研究的结果有助于当局根据当地的自然、经济和社会特征评估辖区的感染风险，以采取更有针对性的策略，避免一刀切的做法浪费公共资源等。

研究成果在线发表于地理学旗舰期刊Annals of the American Association of Geographers。中科院地理所资源与环境信息系统国家重点实验室博士研究生奚镜伦为本文第一作者，王江浩副研究员与周成虎院士为共同通讯作者，刘晓璐博士研究生、姚凌副研究员为本文共同作者。研究得到了国家自然科学基金委等资助。

论文信息：Jinglun Xi, Xiaolu Liu, Jianghao Wang, Ling Yao & Chenghu Zhou (2022) A Systematic Review of COVID-19 Geographical Research: Machine Learning and Bibliometric Approach, Annals of the American Association of Geographers, DOI: 10.1080/24694452.2022.2130143

论文链接：https://www.tandfonline.com/doi/full/10.1080/24694452.2022.2130143