基于AHP-熵權法的瑞麗市邊境線新冠疫情風險及防控部署研究

李益敏， 吳博聞， 劉師旖， 李盈盈， 袁 靜

(1.云南大學地球科學學院，昆明 650500； 2.云南省高校國產高分衛星遙感地質工程研究中心,昆明 650500)

0 引言

新冠病毒在全球爆發，中國政府采取及時有效的防控措施，使中國境內疫情基本得到控制，但國際上新冠病毒傳播形勢依然嚴峻。中國邊境地區仍面臨較高風險，防疫任務艱巨。瑞麗市作為中緬邊境重要的口岸城市，2020年9月、2021年3月、2021年7月、2021年11月、2022年3月接連爆發新冠疫情，導致瑞麗市多次對主城區實行封閉管理，實施全員免費核酸檢測、居民居家隔離等措施以阻斷疫情擴散傳播路徑，造成一定程度的經濟損失和社會不安，也影響了云南省的經濟、旅游及中國抗疫的穩定性。瑞麗市及時采取有效措施控制疫情，表明國家對疫情防控的高度重視，體現了中國制度的優越性。

瑞麗與緬甸山水相連，村寨相望，雖然瑞麗市目前已經實現對邊境線24小時全覆蓋、常態化巡邏值守，堵住一切可能導致疫情輸入的漏洞，但邊境疫情防控任務仍然艱巨，邊境巡邏檢查難度大，科學分析優化邊境線一帶查緝部署非常重要和緊迫，開展邊境線新冠疫情風險防控部署，對提高科學防控、調度布控水平具有重要意義。

地理信息系統(geographic information system,GIS)技術具有空間分析、綜合分析和地圖可視化能力，能為邊境疫情防控發揮重要作用。將GIS應用于傳染病疫情控制是地理信息科學中重要的研究分支之一。國外，Hernandez等[1]利用GIS對新奧爾良的新冠疫情軌跡進行了分析，以此對社區防控能力進行評價判斷； Mas[2]利用GIS軟件對莫斯科新冠疫情的暴發進行了跟蹤研究。程藝等[3]構建了邊境口岸地區傳染病境外輸入風險指數，以此評估中國邊境口岸地區傳染病境外輸入風險，然而該研究對于單個口岸的研究尚不夠深入。這些研究對疫情防控有很好的參考意義。當前，中國以瑞麗為代表的邊境地區疫情形勢較為嚴峻，疫情防控壓力大。李益敏等[4]曾利用ArcGIS軟件開展中緬邊境地區突發事件防控研究，但該研究在研究內容上主要側重于緬甸國內發生沖突時大規模邊民涌入邊境避難情景的模擬，與偷渡需要完全繞開邊境防控潛入境內行為不同，指標選取有差異性； 研究方法上，選取的指標和各指標間的權重確定上不夠全面。本文在前人的研究基礎上將GIS技術應用到瑞麗市邊境疫情風險評價中，結合ArcGIS的可視化分析——視域分析、視點分析，選取主要防控點，在一定程度上可緩解瑞麗市疫情防控壓力，增強疫情常態化防控能力，實現人防與技防有效結合，具有一定的社會效益與經濟效益，能夠為后續運用GIS技術進行疫情防控提供參考。

1 研究區概況及數據源

1.1 研究區概況

瑞麗市隸屬云南省德宏傣族景頗族自治州，人口21.05萬人，該市西北、西南、東南3面皆與緬甸相連，邊境線長達169.8 km(圖1)，有界碑(附碑)65座、大小渡口和通道36個，是云南邊境界碑最密集和渡口通道最多的地段。瑞麗市有2個國家級一類口岸(瑞麗口岸、畹町口岸)和2個國家級邊境經濟合作區(瑞麗邊境經濟合作區、畹町邊境經濟合作區)，瑞麗口岸是全國唯一實行“境內關外”海關特殊監管模式的邊境貿易區。隨著“一帶一路”倡議的推進，瑞麗市正逐漸成為中國通向東南亞的重要經濟樞紐。2020年，新冠疫情暴發，作為邊境重鎮的瑞麗市邊境防控能力也受到挑戰。瑞麗市邊境線區域村寨相連或以山地、河流為界，植被覆蓋率高，具有易入境、易隱蔽等特點，為境外人員偷渡入境提供了便利條件，也加大了邊境防控的難度。瑞麗市南部地形較平緩，中部存在較多高山，政治、經濟、文化中心集中于瑞麗南部和西部的戶育鄉、勐卯鎮和畹町鎮。瑞麗市南部與緬甸撣邦相鄰，北部與克欽邦接壤，土地覆被多為林地，居民點分布較為零散。瑞麗口岸及緬甸木姐口岸是南部邊境線上中緬兩國的主要居民點集聚地，畹町口岸及緬甸九谷口岸雖然人口經濟發展程度不及瑞麗口岸及木姐口岸，但仍然是研究區內重要的居民點集聚地。

(審圖號： 云S(2019)061號)

1.2 數據源及預處理

本文數據源主要包括瑞麗市Landsat8 OLI影像數據、瑞麗市土地利用數據、夜光遙感影像數據、數字高程模型(digital elevation model,DEM)數據(分辨率為30 m)、行政邊界矢量數據及路網數據。瑞麗市土地利用矢量數據由Landsat8 OLI數據決策樹監督分類并實地驗證得到； 夜光遙感影像采用武漢大學的“珞珈一號”衛星影像，該影像數據相比美國的NPP_VIIR衛星數據對國內建筑物的提取信息效果更好，能夠較好地反映人口密度和夜光數值之間的正比關系； 研究中選取的瑞麗市行政區范圍來源于國家地理信息公共服務平臺(http: //www.tianditu.gov.cn)，審圖號為云S(2019)061號的德宏傣族景頗族自治州地圖。行政邊界矢量數據來源于國家科技基礎條件平臺——國家地球系統科學數據中心(http: //www.geodata.cn)； 統計數據來自《云南統計年鑒》(http: //stats.yn.gov.cn/tjsj/tjnj/)和《中國口岸年鑒》(https: //data.cnki.net/Trade/yearbook/single/ N2018040123?z=Z029)。

2 中緬邊境地區疫情防控風險指標構建及量化

2.1 疫情防控風險評價指標體系構建

傳染病跨境傳播與社會、經濟、地理等各種因素息息相關，在中國當前境內防控制度完善的情況下，偷渡成為了陸地跨境傳播的主要因素。以瑞麗市為例，邊境地區自然屏障較少，具備了非法流動的條件，就業、通婚、遷居等目標都成為非法流動的推動因素[5]。Dudas等[6]利用引力模型得出，即使在關閉邊境的極端情況下，非法流動也會對疫情傳播造成惡劣影響，而疫情的傳播能力受邊境地區的地理狀況及邊境地區的人口密度影響較大。同時跨境疫情傳播也受到交通和水系影響[7]。考慮到瑞麗市邊境線地區地形和境內地區人口密度分布特征差異顯著，結合上述學者的研究成果，且綜合考慮偷渡者對偷渡行為需要考慮的隱蔽性和可達性，選取地形因子、交通因子、基礎因子作為目標層，地形因子包括植被覆蓋度、海拔、坡度，交通因子包括水系距離、交通密度，基礎因子主要包括人口密度和管控基礎設施，借助這些指標來構建中緬邊境地區邊民疫情防控指標體系(表1)。利用GIS空間加權疊加分析技術得到疫情防控點時空分布格局，并進行分級，對風險程度最高的防控區加大關注。

表1 瑞麗市邊境防控風險評估指標體系Tab.1 Risk assessment index system of borderprevention and control in Ruili City

2.2 防控指標的提取和量化

利用GIS技術對坡度、植被覆蓋度、海拔、水系距離、交通密度、人口密度和管控基礎設施等指標進行了信息提取并量化，以用于熵值權重計算和風險確定。

2.2.1 坡度

中緬邊界瑞麗段坡度不一，平坦的地方較適合偷渡者進入，因此本文選取坡度作為一項重要的衡量指標，坡度越小越易于偷渡者入境，防控風險越大。地形坡度分級標準為[0°,5°](平坡)，(5°,25°](斜坡)，(25°,35°](陡坡)，(35°,45°](急坡)，>45°(險坡)。根據瑞麗市的DEM(分辨率為30 m)數據得到坡度圖(圖2)。由圖2可以看到，邊界地區整體坡度較為平緩，東部部分地區存在陡坡。

圖2 瑞麗市坡度分級Fig.2 Slope classification map of Ruili City

2.2.2 植被覆蓋指數

本文植被覆蓋指數采用歸一化植被指數 (normalize difference vegetation index，NDVI )[8]，它能較好地反映植被生長狀態及植被蓋度，是當前比較常用的監測植被覆蓋情況和生長狀況的指數。植被覆蓋度越高的地方隱蔽性越強，偷渡者傾向于選這些地方入境，防控風險大。利用遙感圖像處理平臺軟件 (ENVI)對Landsat8 OLI影像進行輻射定標、大氣校正等預處理操作后，通過波段計算對研究區NDVI進行計算，得到研究區的NDVI值(圖3)。研究區內除了城市建成區植被覆蓋度較低外，其余地區植被覆蓋度較高，北部山區植被覆蓋度是全區域植被覆蓋度最高的區域。

圖3 瑞麗市植被覆蓋指數圖Fig.3 Vegetation coverage index map of Ruili City

2.2.3 交通密度及水系距離

交通發達的地區便于偷渡者入境，交通密度大的地區防控風險大，因此將路網密度作為交通因子里一項重要指標進行分析，利用ArcGIS軟件的歐式距離工具，可以計算出研究區內每一個點到鄰近公路的距離(圖4)。水路具有一定的隱蔽性，偷渡者可能通過水路進入瑞麗境內，通過水文工具從瑞麗市DEM中提取水系，對提取的水系進行緩沖距離，以此體現水系在防控體系部署中的作用。

圖4 瑞麗市交通密度圖Fig.4 Traffic density map of Ruili City

2.2.4 人口密度

參考瑞麗市3次疫情暴發案例，攜帶病情者都傾向于選擇人口密度較高的地方藏匿，這也是導致防控壓力增大的主要原因之一。由于統計年鑒上的人口按行政區劃統計，難以表達出人口的空間分布特征，因此借助夜光遙感影像數據，對人口的空間關系進行表達。已有研究表明，夜光遙感數據與人口空間分布、經濟發達程度具有較高的相關性[9-10]。利用ENVI的波段計算功能完成“珞珈一號”科學實驗衛星的夜光遙感影像的預處理，夜光遙感數據的DN值大小和當地人口密度成正比，因此通過夜光遙感數值對人口密度的強弱進行分析。通過ENVI對夜光遙感進行預處理后，采用重分類，以此得到的瑞麗市區人口密度如圖5所示。

圖5 瑞麗市人口密度圖Fig.5 Population density map of Ruili City

2.2.5 管控基礎設施

管控基礎設施(包括國門、公安局等)所在的位置都能對偷渡者造成一定程度的威懾，具備較高的疫情防控能力，疫情防控風險相對較低。利用開源wiki地圖(open street map，OSM)數據提取邊防站點，對這些點建立緩沖區，得到以邊防站點為中心形成的高警戒度區域。

2.3 基于AHP-熵權法的權重賦值方法

采用層次分析法(analytic hierarchy process，AHP)和熵權法對各個因子進行權重賦值。其中AHP法屬于主觀賦值方法，主觀賦值擁有較強的解釋性，與客觀權重賦值方法相結合，可以得到既客觀又符合常識判斷的權重賦值[11]。

AHP法通過人為主觀確定目標層和準則層，可以有效地對多目標進行決策分析。但是其具有一定主觀性，會導致結果出現偏差。本研究的目標層為地形因子、交通因子、基礎因子，準則層依照目標層被分為植被覆蓋密度、海拔、坡度、水系距離、交通密度、人口密度、管控基礎設施等7個因子，根據主觀判斷，兩兩比較兩個因子之間相互的重要性，以此獲取判斷矩陣，并依據該矩陣獲取各目標層和準則層的主觀權重。

熵權法屬于客觀賦值方法，相比主觀賦值方法，獲取的權重精度更高。熵是衡量系統無序程度的度量，通過衡量變量的無序程度，可以通過比較變量所擁有的信息量多少，獲取指標變量的權重[10]。防控疫情風險指標涉及多個因子，熵權法能準確獲取各個因子所擁有的信息量大小，在生態風險評價、管道風險評價中均起到了重要作用[12-13]。但是該方法容易因為某項指標離散程度過大導致權重失衡。

熵權法首先對原始數據進行標準化處理之后運用信息熵計算出指標的熵權，其中當指標為正向指標時，對其值Xij進行標準化處理的公式為：

(1)

當指標為負向指標時，其標準化處理公式為：

(2)

式中：Ximax和Ximin分別為指標的最大值和最小值；Yij為歸一化后的結果設定第j個影響防控的影響因子。對于某一影響因子j，其信息熵計算公式Ej為：

(3)

(4)

式中Pij為標準化數值Yij占標準化總值的比例。若影響防控的影響因子信息熵Ej越小，說明該因子變異性程度越小，樣本數據越有序，對評價對象的區分能力越大，因子提供的信息效用值越大； 對邊境防控的影響越大，權重也越大； 反之，信息熵Ej越大，說明該影響因子的變異程度大，因子提供的信息效用值越小，對邊境防控的影響越小，權重也越小。

根據計算出來的各因子的信息熵E1，E2，…，Ek，計算各個因子的權重Wj，公式為：

(5)

式中k為影響因子的個數。

在通過AHP法和熵權法分別獲取主觀權重和客觀權重后，利用線性組合法得到邊境防控評估的綜合權重。即AHP法獲得的權重Wi和熵權法獲取的權重Wj通過綜合，獲取得到組合權重Wij。該方法可以減少熵權法中波動較大的數據所帶來的擾動[14]。確定組合權重Wij的表達式為：

Wij=αWi+βWj，

(6)

式中：α和β分別為主觀權重與客觀權重的值，且滿足α+β=1 。同時引入主觀權重與客觀權重的距離函數D(Wi,Wj)，其表達式為：

(7)

該式通過對第m個指標主觀權重及客觀權重之間的距離進行分析，確保主觀權重與客觀權重的差異程度與α和β的差異程度一致，D(Wi,Wj)應滿足以下條件：

D(Wi,Wj)=(α-β)2。

(8)

再通過α+β=1這一預設條件，聯立方程組可以獲取α和β的分配值：α=0.61，β=0.389，以該分配值代入主觀權重和客觀權重，可以獲得各指標基于層次分析法和熵權法的綜合權重。以該法獲取的權重見表2。

表2 瑞麗市疫情防控指標綜合權重Tab.2 Comprehensive weight of COVID-19prevention and control index in Ruili

從權重計算結果可以看出，人口密度、交通密度、管控基礎設施的權重占比較大。人口密度權重較大與疫情傳播的引力模型相符，交通密度權重較大符合前人的研究結果，管控基礎設施權重較大符合常識判斷。DEM，NDVI和水系距離權重較低，說明疫情傳播受到地形因子相對交通因子、基礎因子較小，原因可能是因為該地區偷渡者入境目的主要是務工、通婚等，他們較多考慮交通、人口密度等因素，地形因素對其影響不大。

2.4 基于ArcGIS的邊境防控點部署分析

邊境防控點的部署需要綜合考慮人力、效果和成本。防控點的選址隸屬于覆蓋類選址問題[15]。該研究與前人的自然保護區監控研究具有共性,可以利用相似思路解決該問題[16]。關于解決覆蓋類選址問題，當前有最大覆蓋模型、概率覆蓋模型等多個模型。考慮到新冠肺炎疫情高傳染性的特性，以及邊境防控線過長，在常態防控的大背景下需要考慮防控成本等問題，因此本論文選用集合覆蓋模型，該模型由Toregas等[17]提出，用最少的數量點完成覆蓋所有的需求點。集合覆蓋模型通過建立目標函數，保證設施點數量最少，同時保證每一個需求點，至少有一個設施點可以對其進行服務。

利用GIS進行可視化視域分析有助于解決選址問題。本研究參考前人研究，設定視頻監控點的視距范圍為3 km，監控點的相對高度在5～50 m以上，監控點的設置成本相同，基于該假設進行以下研究： ①通過對邊境線進行風險評價，獲取邊境風險點； ②通過瑞麗市高程設置備選監控點； ③通過ArcGIS視域可視化分析，基于集合覆蓋模型確定監控點的選址,確保部署最少的設施點達到邊境線全覆蓋的目的。

3 邊境地區防控部署評估

3.1 瑞麗市境內地區防疫風險評估

瑞麗市邊境防控的目標是對邊境高風險區域進行監控,考慮到目前瑞麗市的防控壓力，不僅需要做到邊界線監控，還需要對瑞麗市境內整體監控，實現突發公共衛生事件時，快速有效地推測偷渡者的活動軌跡或者藏匿地點。通過AHP-熵權法綜合獲取各個指標的權重后，將歸一化的指標柵格化并進行波段合成，通過ArcGIS軟件的柵格計算器進行運算，得到邊境地區境內防控風險評價結果，如圖6所示。

圖6結果顯示： 瑞麗市中部和南部地區風險較低，這是因為中部地區位于高山地帶，該地區地形較為陡峭，不適宜入境； 而南部地區有口岸，邊防站點較多，風險較低。瑞麗市邊境風險較高的區域為瑞麗西南弄島鎮、姐相鄉，北部的勐秀鄉和東北畹町鎮區域。這些區域的坡度和地形較為平緩，植被覆蓋度良好，公路和水系相對密集，居民點密度較高適合藏匿，同時缺少邊境管控基礎設施，因此風險程度較高。東北畹町鎮區域是瑞麗市通向云南省內乃至全國的重要關口，對其的防控更是重中之重。西北區域居民點覆蓋度較高，坡度平緩，且該地區與瑞麗市中心城區有高山相隔，防控力度較弱，該區居民點較為分散，一旦偷渡者藏匿于該地區，搜尋成本較高，也需要重點防控。

3.2 瑞麗市邊境線疫情風險評估

瑞麗市邊境線疫情防控壓力大。將瑞麗市邊界與AHP-熵權法獲取的結果進行相交并對結果評分值進行分級，得到瑞麗市邊境線疫情評估結果圖(圖7)。

圖7 瑞麗市邊境線疫情防控風險評價Fig.7 Risk assessment map of epidemic prevention and control along the border of Ruili City

圖7結果顯示，邊境風險區域與境內風險區域區相似，瑞麗市西北部和東南部皆為高風險區域； 邊防站點較為密集的瑞麗口岸處邊境線風險較低，原因是因為該地區基礎防控設施較為密集，起到了較好的控制作用。但是相比境內評價結果，邊境風險評價結果表明西南部區域也存在較高的疫情防控風險。這種差異是因為西南部區域地形易于偷渡，但相比西北部，藏匿性較差。2020年9月瑞麗市的新冠突發公共衛生事件中，偷渡的楊佐某等人便是經由緬甸貢薩(南坎)地區進入瑞麗弄島鎮再進入市區的親戚家，該事件可佐證這一判斷。因此瑞麗西南地區邊境線上仍然需要重點防控。

邊境防控邊境線上風險度最高的區域為瑞麗市西北地區和瑞麗市東南地區。其中瑞麗西北部區域毗鄰緬甸克欽邦，此前克欽邦地區就由于民族政治原因戰亂頻繁[18]，導致大量邊民試圖通過非正常途徑涌入中國境內； 東南區域接壤的緬甸區域為撣邦高原地區，地形較高，且居民點較為破碎，交通較不發達，因此該地區相比瑞麗西北部地區，偷渡者選擇經由該處偷渡的可能性較低。但是，邊境交界區域地形平坦，植被覆蓋度較高，適合偷渡者偷渡入境，同時該地區城鎮雖然發達，但邊防站點較少，可能給偷渡者可乘之機，因此東南地區也是需要進行重點防控的區域。

3.3 基于視域可視化的邊境線防控點選址部署

上述研究表明，瑞麗市邊境高風險點分布雖然有集中趨勢，但是目前新冠疫情高傳染性、高危害性的特點決定了瑞麗抗疫仍需要做到全面有效防控，因此防控點的選址更加具有重要意義。

考慮到新型冠狀病毒肺炎傳染性強，變異能力強、風險程度高，因此選取的邊境防控點需要實現對邊境區域的監控全覆蓋。因為瑞麗市邊境線綿長，邊境防控成本較高，所以本研究盡可能選用最少的點達到邊境防控的目標，因此，利用ArcGIS軟件的可視性分析完成邊境線防空點選址部署。

由于當前的視頻監控設備監控范圍基本在3 000 m以上，因此將瑞麗市邊境線分為數個2 000 m×2 000 m的漁網，提取邊境線區域山頂點作為備選監控點，將DEM轉換為不規則三角網(triangulated irregular network,TIN)柵格，利用TIN柵格對備選防控點進行可視化分析，確定所選防控點的視野不會受到其他山體高度遮擋。對篩選后的備選防控點進行緩沖區分析，以點數量最少為原則篩選備選點，最后確定了35個邊境線防控點。

綜合考慮各個防控點視域范圍的邊境線高風險點的數量和密度，將防控點按監控重要程度從高到低依次分為一級防控點、二級防控點和三級防控點。其中包括22個一級防控點，8個二級防控點，5個三級防控點。一級防控點主要分布于西部海拔較高地帶和東部較為平緩地帶。二級防控點與三級防控點主要位于戶育鄉和瑞麗口岸附近，這些地區已經有較好的邊境防控能力，因此防控風險較低，結果如圖8。

圖8 邊境線防控點選址部署Fig.8 Location and deployment of border control points

4 討論與結論

4.1 討論

本文從地理因子、交通因子、基礎因子3個角度，選取海拔、坡度、植被覆蓋度、交通密度、水系距離、居民點密度、管控基礎設施等7個指標，利用AHP-熵權法建立了瑞麗市疫情風險防控體系。該指標體系具有一定的科學性，能為云南以及中國其他邊境地區疫情風險防控評價提供一定的參考作用。

AHP-熵權法可以有效避免主觀權重方法導致的權重失衡和空間分布過于平均,或者過于破碎導致客觀權重失衡的缺點，該方法較為科學、合理。利用ArcGIS軟件，基于地形分析和可視化分析工具，提取完整覆蓋邊境線的35個防控點作為瑞麗市疫情防控監測部署點，具有很好的參考應用價值，可為瑞麗市乃至云南省邊境風險防控點的部署提供參考。

偷渡是一種非正常入境行為，偷渡者的文化水平、社會觀念、身體狀況等不同，選擇的偷渡行為可能具有較大的差異性，因此，在指標選取上，雖然綜合考慮了多種因素選擇了包含地形、交通、基礎因子的7項指標，但肯定還存在遺漏的指標。該研究基于目前國外疫情依然嚴重的大環境，云南乃至中國邊境地區外防輸入任務依然艱巨的情況下，創新性地開展研究分析。相較于傳統防控部署研究傾向于定性分析或者傾向于對某一具體因素進行研究，該研究利用GIS技術，綜合多個因子綜合分析，在一定程度上從地理空間上對防控部署進行了定量研究。本研究具有一定的拋磚引玉的作用，希望更多學者一起開展更深入的交流研究。

論文的研究不僅對新型冠狀病毒肺炎疫情防控有借鑒意義，對于云南邊境地區販毒者入境、拐賣婦女兒童、非法移民入境等非法行為的防控也具有一定的借鑒和參考意義。

4.2 結論

本文利用GIS技術提取多項與防控相關的信息、數據的空間分布，并利用AHP-熵權法賦予各項指標用于計算其風險性的權重，利用GIS空間加權疊加分析技術，對瑞麗境內及邊境線都進行了邊境疫情防控風險分析，得到了以下結論：

1)瑞麗市境內西北部區域和東北部區域高風險區域密度較高，需要對這些區域進行重點防控。尤其是東北部區域，偷渡者可能從該地區進入境內，需要對這些地區進行嚴格防控，嚴防偷渡者藏匿。

2)考慮到緬甸地區目前的政治、經濟情況，與緬甸克欽邦接壤的瑞麗市西北、西南地帶均需要引起高度重視，避免偷渡者從這些地帶進入瑞麗市境內。

3)從地理學可視化視角，基于GIS技術開展了可視化分析，在滿足完整覆蓋邊境線且防控點可以完全觀測邊境線情況的前提下，建議部署35個防控點。其中，一級防控點占62.9%，主要分布于畹町鎮和弄島鎮區域。