中國非洲豬瘟疫情的時空演化分析

王 鑫，何忠偉，劉 芳，張莎莎

（北京農學院經濟管理學院/北京新農村建設研究基地，北京 102206）

2018 年8 月3 日非洲豬瘟疫情首次在我國遼寧省出現，截至2020 年12 月1 日，我國先后有30 個省份發生非洲豬瘟疫情，對我國生豬產業造成了巨大沖擊。近年來，我國生豬生產正在加速回復：根據農業農村部發布的數據，2020 年末全國能繁母豬存欄量為4 160 萬頭，比2019 年上升了35.10%；根據國家統計局公布的數據，2020 年第4 季度生豬平均存欄量為40 650 萬頭，環比上升9.75%，同比上升30.96%。當前，非洲豬瘟疫情對我國生豬產業的影響正逐漸減弱，然而在“小生產，大市場”的生豬養殖業空間格局下，短期內無法徹底根除[1]。因此，了解非洲豬瘟疫情的時空分布特征及發展趨勢，有助于在疫情常態化下加強防控，促進生豬產業健康可持續發展。

國內學者關于非洲豬瘟疫情的研究主要集中在以下3 個方面：一是流行病學研究，如張睿等[1]運用流行病學相關理論對非洲豬瘟在中國擴散的影響因素進行分析，提出了防控疫情的相關建議；二是有關免疫學的研究，如張洪亮等[2]總結國內外非洲豬瘟病毒免疫學及疫苗研究進展現狀，以期為非洲豬瘟疫苗的研發提供方法借鑒；三是以經濟角度展開非洲豬瘟疫情對我國生豬產業影響的研究，如孫志華[3]、朱增勇[4]、朗宇等[5]通過分析非洲豬瘟對我國生豬產業鏈各環節的影響，提出了優化生豬產業布局、加速生豬產業升級等建議。而有關非洲豬瘟疫情的空間分析研究相對較少。僅有盧易等[6]通過對非洲豬瘟疫點的時空聚類分析，分析疫病發病趨勢，限制疫情蔓延；石國寧等[7]在進行時空分析后采用地理探測法對影響疫情的時空變化因素進行探究。當前國內關于非洲豬瘟疫情的相關性分析多是以省級區劃為單位，對疫情的空間分析不夠充分。現階段，非洲豬瘟疫情雖然已經基本得到控制，然而疫情防控任重而道遠。為了有效預防和防控疫情，進一步研究非洲豬瘟疫情的時空分布特征并預測風險地區更具指導意義。基于此，本研究通過分析非洲豬瘟疫情的時空分布情況和演化趨勢，把握疫情演化規律；在市域空間尺度上分析豬瘟疫情的空間聚集情況，旨在提出疫情重點防控區域，以促進生豬產業健康可持續發展。

1 研究方法

由于其強而有效的數據管理分析、直觀的表達能力，時空演化分析被廣泛應用于家畜家禽傳染病風險分析中[8-9]。通過分析非洲豬瘟疫情在中國的時空演化特征，結合其時空聚類情況，選取局部熱點系數作為風險測度，可識別疫情高風險地區。

1.1 非洲豬瘟疫情時空演化相關分析 為了更清晰、直觀地表述，借鑒Rolesus、Gulenkin、Korennoy 等成功預測非洲豬瘟疫情分布的分析經驗[10-12]，運用核密度、地理中心、標準差橢圓方法分析非洲豬瘟疫情在中國的時空演化特征。

1.1.1 核密度分析 核密度分析可以反映研究對象的空間密度變化情況，其值的高低表示研究對象的聚集程度，公式如下：

式中，f（x，y）為非洲豬瘟疫情發生位置（x，y）的核密度值；n 為非洲豬瘟發病豬頭數；h 為帶寬；di（x，y）為研究對象i 到（x，y）的距離；K 為密度函數。

1.1.2 地理中心法 一組要素的空間地理中心可以反映要素總體的變化趨勢，常以中心要素、中位數中心與平均中心表示。增加權重可以更直觀地觀察疫情的地理中心：病豬發病頭數越高對統計結果產生的影響就越大。

①加權中心要素，公式如下：

式中：dj為第j 個地市到其他地市的歐式距離；xj和yj為第j 個地級市的經度和緯度；xi和yi為第i 個地級市的經度和緯度，ωi為第i 個地級市非洲豬瘟疫情的發病頭數。

②加權平均中心，公式如下：

③加權中位數中心，其計算是一個迭代過程[13]，公式為：

式中yi為當前近似中位中心點，yi+1為下一個點（第一個y 點選取算術平均數中心）；xi為點集中的每一個點，||xi－yi||表示xi和yi的歐式距離，ωi為第i 個地級市非洲豬瘟疫情的發病頭數。

1.1.3 標準差橢圓分析 標準差橢圓（Standard Deviational Ellipse,SDE）可以通過識別點數據分布的方向和趨勢，以此了解數據的特征；迄今為止被大量應用于社會學、人口學、生態學、地質學等領域[14]。運用公式如下：

式中：xj和yj為第i 個地級市的經度和緯度；ωi為第i個地級市非洲豬瘟疫情的發病頭數；為加權平均中心；θ為橢圓方位角；為i 地級市區位到平均中心的坐標偏差；σx，σy為x 軸和y 軸的標準差。

1.2 非洲豬瘟空間聚類分析 空間相關性常用于解釋研究區域內事物之間的聯系[15]。傳染病在空間相關性分析中被大量應用[16]。國內關于非洲豬瘟疫情的相關分析多是以省級區劃為單位，識別疫情的風險區域不夠具體。基于此，本文以市級行政區劃為單位運用全局自相關分析（Global Moran’I）、熱點分析法分析非洲豬瘟疫情的空間聚類情況，運用公式如下：

式中，n 為地級市數；xi為第i 個地級市的非洲豬瘟發病頭數；為xi的均值；S 為xi標準差；ωij為空間權重矩陣W 的（i，j）元素；本文W 采用基于空間數據拓撲屬性的鄰接矩陣，若地區i 與地區j 有公共邊則ωij=1，若地區i 與地區j 沒有公共邊則ωij=0。

2 非洲豬瘟疫情的時空分布情況和演化趨勢

2018 年8 月至2020 年12 月，農業農村部共報道178 例非洲豬瘟疫情。本研究把2018—2020 年發生非洲豬瘟疫情（采集自2018—2020 年農業農村部官網“非洲豬瘟防控專欄”中發布的疫情公告內容的發生時間、地點與發病頭數）的空間分布進行對比，以此分析非洲豬瘟疫情的時空分布特征。

2.1 有發散、減弱趨勢 運用ArcGIS10.6 繪制出2018、2019 年中國非洲豬瘟疫情發生地點的空間分布圖（圖1）。

圖1 2018—2020 年非洲豬瘟病例分布情況

由圖1 可知，疫情遍布在我國30 個省份，其中分布較多的是遼寧省（19 個）、貴州省（11 個）、云南省（10 個）。可以看出，疫情發病地點有逐年下降趨勢。發病地點覆蓋的區域逐年減少，并由最初的東北、中東部地區向西北地區轉移。結合2018 年8 月至2020 年12月新增疫點數（圖2）可以看出：2018 年疫情事件數發生較多，2019、2020 年疫情事件數有下降趨勢（除4 月份有所反彈）。表明非洲豬瘟疫情在時空分布上有發散、減弱趨勢。

圖2 2018 年8 月—2020 年12 月中國非洲豬瘟疫情事件發生數

2.2 發病中心向西北、西南地區轉移 運用ArcGIS Pro繪制出2018—2020 年非洲豬瘟疫情的核密度分布圖，如圖3 所示。

圖3 2018—2020 年非洲豬瘟核密度分析圖

熱力值的高低代表此地區病豬發病數量的集中程度，地圖中顏色較深的地區表明此地區病豬發病數量較為集中，稱為熱核中心。可以看出，2018 年熱核中心散布在我國東北、中東部地區，熱核中心點較多。表明2018 年我國疫情呈現局部地區發病集中、全局地區發病分散的特點。2019 年熱核中心點有所下降，但部分熱核中心熱力值較高，分別分布在我國東北、中東、南部地區。說明疫情雖然在局部地區發病集中度增加，但是全局發病分散度有所下降。2020 年熱核中心轉移至我國西北、西南地區，熱核中心點數增多，但熱力值較低，表明疫情有發散趨勢。

為探尋非洲豬瘟疫情的總體分布變化趨勢，計算出2018—2020 年以病豬發病數量為權重的非洲豬瘟疫情的中心要素、中位數中心與平均中心，如圖4 所示。

由圖4 看出，2018、2019 年疫情的地理發病中心集中分布在山東、江蘇省份。2018—2019 年，疫情雖然向內陸擴散，但由于東北地區病豬發病數量所占權重較高，致使平均中心北移。類似于傳統統計學的中位數，中位數中心可以有效避免部分極值的影響。中位數中心南移表明了疫情向內陸擴散的趨勢。非洲豬瘟疫情的中心要素在2 年間沒有發生明顯變化，都坐落在江蘇，表明此地區感染非洲豬瘟疫情的風險程度較高。2020 年，發病地理中心向西移動，分布在四川、甘肅、陜西的交界處。

圖4 2018—2020 年非洲豬瘟空間中心演化圖

綜上所述，疫情發病地點初期集中分布在我國東北、中東部地區。東北地區為疫情初期爆發地，經濟衛生條件相對落后[19]。我國生豬養殖主要集中分布在中東部地區，且中東部地區及西部的四川、云南等地中小規模豬場居多[20]。粗放的管理模式與相對聚集的生豬養殖業地理聚集特征促進了疫情的傳播，同時疫情前期防控的滯后性致使疫情迅速擴散。隨著非洲豬瘟疫情防控政策的落實，疫情有減弱趨勢。但由于生豬的違規禁運，使疫情發散并向西北、西南地區轉移。加權地理發病中心是疫情傳播的高風險地區，2020 年部分疫情追溯自2018、2019 年地理發病中心附近[21]。所以應加強2018—2020 年疫情地理中心附近防控力度，有效預防疫情。

另外，“吃禁果”是男女之情的隱喻，摩西說得過于委婉，可人們還是猜得出來，繁衍后代就等于生生不息，永遠不死了。

3 非洲豬瘟疫情的標準差橢圓分析

3.1 疫情分布由東北向西南、西北轉移 運用ArcGIS 10.6繪制出2018、2019 年中國非洲豬瘟疫情空間分布圖并運用SDE 分析法做出橢圓，如圖5 所示。

圖5 2018—2020 年非洲豬瘟疫情標準差橢圓分析圖

橢圓的長短軸分別表示非洲豬瘟疫情分布的方向與離散程度，長短軸的差值則表示非洲豬瘟疫情分布的方向性趨勢，橢圓重心可以看出疫情整體分布趨勢。2018—2019 年橢圓長軸呈東北-西南方向分布，其方向分布上趨于一致。相較于2019 年，2018 年橢圓短軸較短，表明：2018 年非洲豬瘟疫情分布的離散程度較為聚集；2019 年分布的離散程度較為分散，與前文敘述的疫情減弱發散、熱核中心減少的結論相一致。2019 年橢圓長短軸的差值相對較小，在同等方向趨勢下2018 年疫情的方向性更加明顯；疫情爆發后，各地出臺的相關“禁運”政策在一定程度上阻止了疫情向內陸的傳播。2020 年橢圓長短半軸差值較小，方向性較弱。

3.2 疫情有零星分布態勢 以病豬發病數為權重，計算2018 年8 月至2020 年12 月非洲豬瘟疫情標準差橢圓，結果見表1。

表1 中國非洲豬瘟疫情標準差橢圓參數

標準差橢圓的扁率、旋轉角度、面積可以有效反映數據分布的趨勢、方向和范圍。2018 年標準差橢圓的扁率相較于2019 年偏高，說明疫情在2018 年空間分布上有較高的方向性。2018 年8 月至2019 年2 月標準差橢圓旋轉角度大都在0°～90°之間波動，呈東北-西南方向分布；2019 年3 月至8 月標準差橢圓旋轉角大都在90°～180°之間波動，呈西北-東南方向分布。月度方向趨勢與前文敘述的年度擴散趨勢相一致。標準差橢圓面積總體上呈先擴張后收縮的態勢。2018 年橢圓面積在9—10 月簡短地收縮后，不斷擴張，表明2018 年疫情在我國開始大面積傳播。2019 年整體上呈收縮態勢并趨于穩定，表明疫情在我國已大體得到控制，呈零星分布態勢。由于2020 年部分生豬違規禁運導致疫情傳播范圍再次擴大。

為進一步探尋中國非洲豬瘟疫情分布的月度變化趨勢，運用ArcGis10.6 繪制出2018 年8 月至2020 年12月非洲豬瘟疫情月度橢圓分布中心趨勢圖，如圖6 所示。

圖6 2018 年8 月—2020 年12 月非洲豬瘟疫情標準差橢圓中心點軌跡

由圖6 可知，2018 年8 月加權橢圓中心點位于江蘇，說明在疫情傳播初期，南方地區的部分豬場已經感染了非洲豬瘟且病豬發病數占據一定權重。2018 年8 月至10 月，加權橢圓中心北移，此時以遼寧沈陽為中心的疫情初期爆發地的周邊病豬發病數量不斷增加，非洲豬瘟疫情開始爆發。2018 年10—11 月，加權橢圓中心東移，疫情由初期爆發地進一步向東北方向（黑龍江）擴散。2018 年11—12 月，我國中東部地區病豬發病數量不斷增加，致使加權橢圓中心由東北向西南移動，非洲豬瘟疫情的空間分布逐漸在我國各省大面積發散。2018年12 月—2019 年1 月，由于黑龍江、江蘇在1 月份生豬集中發病（發病數量分別為4 684 頭和2 452 頭），致使加權橢圓中心向東北方向移動。隨著東北地區疫情逐漸得到控制，疫情重心轉移至湖南；2019 年2—4 月，加權橢圓中心西移至云南，此時疫情集中發生在我國西南、西北地區。之后疫情零星分布，發病趨勢不斷減弱，致使加權橢圓中心從2019 年5—8 月在西南-東北方向反復移動。

綜上所述，疫情分布由東北向西南、西北方向轉移，且有發散趨勢，與疫情時空演化趨勢相吻合。疫情初期，由于我國豬產業格局呈現“南豬北養，東豬西調”趨勢，導致2018—2019 年橢圓長軸呈東北-西南方向分布，促使疫情向內陸傳播。后期疫情雖然有所控制，但由于生豬長途違規運輸導致疫情有零星分布態勢，使得疫情分布較為分散。結合2020 年疫情分布趨勢與地理加權中心，疫情分布向西北方向移動。

4 非洲豬瘟疫情的空間聚類分析

表2 中國2018 年8 月—2020 年12 月Moran’I 指數匯總表

考慮到疫情在多個月份的分布具有較強的隨機性，說明在研究非洲豬瘟疫情的空間分布時應考慮其特殊性，全局空間特征還受其他因素的影響。如疫情初期農業農村部發布的《農業農村部關于進一步加強生豬及其產品跨省調運監督的通知》，以及前文提及的我國獨特的生豬產業布局、生豬長途運輸，在一定程度上影響了其全局空間性。所以為進一步識別非洲豬瘟疫情的高風險地區，還需進行局部熱點分析。

4.2 熱點區域向西北、西南地區轉移 本文在市域空間尺度上對2018—2020 年疫情進行Getis-Ord 計算，運用ArcGIS10.6 繪制出2018—2020 年非洲豬瘟疫情熱點分布圖，如圖7 所示。

圖7 2018—2020 年非洲豬瘟疫情各地市熱點分布圖

2018 年，熱點區域主要集中分布在我國東北地區，是疫情初期爆發地。該地區氣溫較低、醫療衛生條件較為落后、生豬規模化程度低，加之在疫情初期防控的滯后性，使疫情迅速傳播。同時熱點地區多為我國生豬調出大省[22]，致使疫情在我國大面積傳播。2019 年“熱點區域”上移，空間聚集區域減少，表明非洲豬瘟疫情有減弱趨勢。但是由于非洲豬瘟病毒存在，所以該地區仍為疫情的熱點區域。2020 年，熱點區域的分布發生顯著變化，熱點區域由東北向我國西北、西南地區轉移，熱點區域面積迅速擴大。該地區與2020 年疫病發病中心的地理分布相吻合，印證了疫情零星分布的態勢，表明疫情高風險地區已由疫情初期爆發地轉移至西北、西南地區。

5 結論與建議

5.1 結論 2018—2019 年，非洲豬瘟疫情主要分布在我國東北、中東部地區，有發散、減弱趨勢。2020 年，發病中心向西北、西南地區轉移。疫情分布呈東北-西南-西北擴散，且有零星分布態勢。2018—2020 年，非洲豬瘟疫情空間聚集性減弱，疫情高風險地區（熱點區域）由東北地區向西北、西南地區轉移。

5.2 對策建議

5.2.1 提高疫點處置能力 疫情在兩年間遍布我國30 個省份，從疫點時空分布情況和演化趨勢可以看出：提高對生豬的無害化處理，加強豬場的生物安全防護至關重要。在抗擊疫情的過程中，一直未研發出有效的疫苗進行防控，所以提高疫點的處置能力是當前預防非洲豬瘟疫情的有效措施。

疫情發散、減弱的趨勢進一步說明了提高疫點處置能力的重要性。2018、2019 年，江蘇、山東是疫情的發病中心，這類地區是疫情二次傳播的高風險地區，2020 年部分非洲豬瘟病豬來自該熱點區域[19]。所以應對發病疫點進行評估，確保疫源被徹底清除，防止豬瘟疫情二次傳播。2020 年疫情發病中心移動至四川、甘肅、陜西的交界處，此地區小規模養殖戶居多且養豬區域相對聚集。應提供此類養殖戶防瘟的科學意識，有效防瘟，不做“無用功”。由于2020 年疫情傳播追溯均來自2018—2019 年地理發病中心附近，應加強新舊地理發病中心區域的防控，防止日后疫情的擴散。

5.2.2 加速豬肉供應由“調豬”向“調肉”轉變 從我國2018、2019 年非洲豬瘟疫情的方向特征可知，疫點分布的方向趨勢與我國“南豬北養，東豬西調”的生豬產業布局密切相關。疫情發生前，中國生豬跨運量巨大，全年跨省調運量約為1～1.2 億頭[23]。同時我國公路運輸的發展也為生豬長距離運輸提供了便利的條件。隨著我國公路運輸的發展，生豬的長途調運距離也越來越長；交通的便利促使了我國非洲豬瘟疫情的大面積擴散。非洲豬瘟疫情在2019 年整體分布上呈零星分布態勢，并在2020 年有所反彈，主要是由于生豬的違規運輸與違法屠宰造成的。我國生豬調運的溯源機制落后，追蹤病毒難，增加了疫情防控的難度。所以應完善生豬調運機制，加速豬肉供應由“調豬”向“調肉”轉變，鼓勵各省進行“點對點”生豬對接。

5.2.3 健全非洲豬瘟疫情防疫體系 疫情初期的大面積傳播與前期防疫的滯后性密切相關。疫情的空間聚集性有減弱趨勢，說明多地的防疫體系對于疫情的防控有一定成效。目前通過建立科學的非洲豬瘟疫情防疫體系可以有效嚴防非洲豬瘟疫情。健全非洲豬瘟防疫體系，應提高醫療衛生水平，優化病死豬的處理，嚴控泔水喂豬。在加強生物安全的同時，著重注意2020 年熱點省份（西北、西南地區），它們是今后疫情發生的高風險地區。健全非洲豬瘟防疫體系，有效預防和防控非洲豬瘟疫情的再次反彈。