新冠肺炎疫情影響下武漢老舊社區脆弱性研究

文／車妍穎 中國市政工程中南設計研究總院有限公司 助理工程師

宋彥杰 廣東省城鄉規劃設計研究院有限責任公司 注冊城鄉規劃師

引言

脆弱性概念最初起源于自然災害研究，彼得·提莫曼（P.Timmerman）在地學領域首先提出了脆弱性概念，之后在生態學、社會學等諸多領域得到廣泛應用，當前脆弱性研究已成為全球環境變化及可持續性發展關注的熱點問題和重要的分析工具，許多學者把脆弱性研究作為一門新興的科學[2]，其概念也已經演變為包含暴露度、敏感性、適應能力等多個要素在內的一個概念的集合[3]。

文章選取武漢老舊社區作為研究對象，分析疫情傳播的時空特征，按照暴露程度、敏感性和適應能力這三個脆弱性組成要素研究與老舊社區空間屬性因子的關聯性，得出影響老舊社區脆弱性的因素。

1 武漢老舊社區疫情空間特征

1.1 武漢老舊社區空間識別

為了便于采集疫情等相關數據，本文所研究社區特指我國城市（鎮）最小的基層管理單元，又可稱為居民委員會。根據國務院2020 年提出的《關于全面推進城鎮老舊小區改造工作的指導意見》以及武漢市住房保障和房屋管理局發布的《武漢市老舊小區改造三年行動計劃（2019—2021年）》中對老舊小區的定義，參照《武漢市2019年地理國情監測項目》中對舊城空間識別的判別標準，本文將老舊社區空間識別的判別標準定為含有2000 年以前居住用地的社區。

通過衛星影像解譯、GIS 空間分析、人工識別和校核等多種方法（圖1），識別結果如下：武漢老舊社區有428 個，其中一環線內共計137 個，所占面積17.4km2；一環線與二環線內共計130個，所占面積61.4km2；二環線與三環線之間共計128個，所占面積220.7km2；三環線外主城區內共計33 個，所占面積108.6km2（圖2）。

圖1 老舊社區識別步驟圖（圖片來源：作者自繪）

圖2 武漢市老舊社區空間分布圖（圖片來源：作者自繪）

1.2 武漢老舊社區疫情分布特征

利用python 軟件爬取了騰訊地圖疫情實時追蹤數據。截至2020 年2 月28 日共匯總了2752個居住區的30617 個確診病例數據，當日武漢市累計確診48557 例。本文所采集的病例數據達總確診人數的63.1%，且2752 個居住區均勻分布于武漢市內，因此可作為社區疫情分析的有效支撐。

將采集的2752 個樣本數據導入GIS 平臺，利用核密度空間分析工具對其進行可視化分析，再將識別出的428 個老舊社區的范圍進行疊加分析（圖3）。新冠肺炎確診病例核密度值越高，說明其聚集程度越高。由圖可知，確診病例集中分布于主城區內，其中硚口區利濟北路片區、江岸區黃埔路永清片區、江漢區漢興片區、武昌區武泰閘片區、洪山區光谷廣場片區、青山區鋼花村片區是新冠肺炎確診病例聚集程度最高的區域，同時也與識別的老舊社區范圍有較高的重合性。

圖3 武漢市老舊社區疫情分布圖（圖片來源：作者自繪）

1.3 武漢老舊社區疫情傳播特征

按照社區疫情發展過程，將疫情擴散特征大致分為點狀擴散、線性流動擴散、社區內部擴散三種。

1.3.1 點狀擴散傳播

武漢疫情早期為點狀擴散傳播，以疫情源頭或攜帶病毒患者的活動軌跡為中心，例如居住區、商業街、購物中心、市場、汽車站、地鐵站、火車站等場所，向周邊社區擴散。

1.3.2 線性流動擴散傳播

武漢疫情中期為線性流動擴散傳播，以軌道交通和主干道為軸線，向周邊社區傳播，在空間擴散趨勢上與人群流動一致。基于GIS 平臺利用核密度空間分析工具，對病例數據、地鐵線路以及主干道進行疊加分析，可以看出確診病例在地鐵線路和主干道周邊的集聚程度較高[4]（圖4）。

圖4 武漢市新冠肺炎確診病例核密度與軌道交通線路分布圖（圖片來源：作者自繪）

1.3.3 社區內部擴散傳播

武漢疫情后期為社區內部擴散傳播，以社區內無癥狀感染者及其活動軌跡為中心，在本社區內部傳播。在武漢市2020 年1 月23 日封城后，公共交通停止運行，新冠病毒的線性流動擴散傳播方式被遏制，大部分的發熱病例也被隔離，但社區內還存在大量的無癥狀感染者，這成為疫情后期病毒傳播擴散的主要源頭。

2 武漢老舊社區脆弱性評價

2.1 數據來源

本文中社區疫情數據來源于騰訊地圖提供的“疫情實時追蹤”服務平臺，除疫情以外的數據來源于《武漢市2020 年地理國情監測》。為詳細分析老舊社區脆弱性的影響因素，本文選取了舊城核心區的105 個老舊社區作為主要研究對象。依據脆弱性三要素的產生機制，結合新冠肺炎疫情的發展過程，本文整理了關于105 個老舊社區的確診病例確診日期、每日確診病例數量、進入無疫情社區批次、人口密度、建筑密度、容積率等數據（表1）。由于社區疫情屬敏感數據，官方未正式對外公布，分析所用數據與實際存在差距，因此分析結果僅作為參考。

表1 分析數據來源（表格來源：作者自繪）

2.2 評價方法

為全面系統地探索老舊社區脆弱性的影響因素，本文構建了暴露度、敏感性、適應能力與建筑密度、容積率、綠地率等老舊社區相關空間因子進行分析。其中暴露度用社區首次確診病例日期和首次確診人數來衡量，代表老舊社區在疫情初始階段表現出來的易感染性；敏感性用總確診人數和確診人數漲幅來衡量，代表老舊社區在疫情影響過程中表現出來的傳播強度；適應能力用無疫情社區批次來表示，代表老舊社區在疫情后期盡快實現恢復健康的能力。

分析采用SPSS 統計軟件對數據的相關性r 和顯著性p 進行分析。當r 為正數時，則為正相關；當r 為負數時，則為負相關；當r 的絕對值數值越接近1 時，則表明兩個變量的相關性越大。當|p|≥0.01時，表明關系一般顯著；當|p|≥0.02時，表明關系較為顯著；當|p|≥0.05 時，表明關系極其顯著（表2）。

2.3 評價結果

2.3.1 暴露度評價

暴露度評價包括首次確診病例日期和首次確診人數兩個衡量因子。分析結果顯示，首次確診病例與人口密度呈正相關，與建筑密度、綠地率、收入水平呈負相關；首次確診人數與容積率、社區面積呈正相關，與建筑密度、綠地率、老齡化率、人口密度、就業崗位密度呈負相關。綜合來看，老舊社區容積率越高，暴露度越低；綠地率越高，暴露度越低；老齡化率越高，暴露度越高；社區面積越大，暴露度越高。

2.3.2 敏感性評價

敏感性評價包括總確診人數和確診人數漲幅兩個衡量因子。分析結果顯示，總確診人數與建筑密度、收入水平、社區面積呈正相關，與容積率、綠地率、老齡化水平、人口密度、就業崗位密度呈負相關；確診人數漲幅與建筑密度、容積率、綠地率、收入水平呈正相關，與人口密度呈負相關。綜合來看，老舊社區建筑密度越大，敏感性越強；老齡化率越高，敏感性越弱；收入水平越高，敏感性越強；社區面積越大，敏感性越強；人口密度越大，敏感性越弱；就業崗位密度越大，敏感性越弱。

2.3.3 適應能力評價

敏感性評價由老舊社區所在無疫情社區批次來衡量，批次越早，說明適應能力越強。分析結果顯示，無疫情社區批次與綠地率、老齡化率、社區面積呈正相關，與建筑密度、人口密度呈負相關。因此，綠地率越高，適應能力越弱；老齡化率越高，適應能力越弱；社區面積越大，適應能力越弱；建筑密度越高，適應能力越強；人口密度越高，適應能力越強。

結語

由于本文所選取樣本數量較少，且疫情數據無法獲取官方數據，因此分析結果存在出入甚至相矛盾的情況。特別是關于人口密度和就業崗位密度的分析結果尤其明顯，其原因與疫情發生時正值歲末年初，老舊社區大量流動人口已返鄉過節，導致實際人口與平常人口差距較大。但綜合來看，老舊社區脆弱性與建筑密度、容積率、綠地率、老齡化率、社區面積等存在一定相關性，具體表現為：建筑密度越高，脆弱性越強；容積率越高，脆弱性越強；綠地率越高，脆弱性越低；老齡化率越高，脆弱性越強；社區面積越大，脆弱性越強。

因此，為降低老舊社區脆弱性，應合理降低老舊社區容積率和人口密度，增加綠地開敞空間，適當控制社區面積，此外應綜合運用拆除重建和微改造等手段，吸引年輕人居住和就業，改善社區居民年齡結構，進而建設更具抵抗能力和韌性的健康社區[5]。