浙江省新型冠状病毒肺炎（COVID-19）疫情时空演化与影响因素分析

徐婷婷，李钢，2，3*，高兴，王皎贝，王钰，张千禧

（1.西北大学城市与环境学院，陕西西安 710127；2.陕西省地表系统与环境承载力重点实验室，陕西 西安 710127；3.西北大学 地表系统与灾害研究院，陕西 西安 710127）

0 引言

2019 年年末，新型冠状病毒肺炎（coronavirus disease 2019，COVID-19）疫情随着春运大潮在国内蔓延，多地陆续启动突发公共卫生事件一级响应。全国人民共同抗疫数月，国内疫情得到有效控制，生产生活有序开展。但境外疫情于2020 年3 月全面暴发，截至2021 年4 月25 日，全球新冠肺炎确诊病例超1.4 亿例，累计死亡病例超300 万例，欧美地区疫情相对转好，印度、巴西两国疫情形势不容乐观，世界公共卫生安全面临极大挑战，全球疫情防控形势较为严峻。

疫情发生后，科研人员迅速响应，早期主要针对病原宿主、药物研发、诊疗救治、临床特征等开展研究。生物医学领域研究进展最为迅速，ZHOU 等［1］基于基因组序列研究，指出病毒来源可能为蝙蝠。WANG 等［2］指出瑞德西韦和磷酸氯喹能在体外有效抑制新型冠状病毒。随着中医药在疫情治疗中的作用突显，连花清瘟胶囊、藿香正气胶囊（丸、水、口服液）等药物被广泛应用于轻症患者治疗与恢复［3-4］。在传播预测方面，文献［5-7］借助SEIR 传染病动力学模型，预测疫情的发展走向及可能感染人群数量，同时提出政府管控能有效干预疫情传播。

重大疫情事件的发生与人类行为密切相关，是典型的时空演化现象与人地互动的地理过程，亟须从地理学视角开展研究。早前国外关于疾病的研究聚焦于描述疾病的时空分布格局、绘制疾病风险地图［8-9］。国内学者主要从历史地理和医学地理视角研究我国历史上疫灾的时空分布模式，如龚胜生［10］指出，我国疫灾变化与气候关系密切，且寒冷期为疫灾频发期；杨林生等［11］分析了我国鼠疫源地的分布状况，构建了150 a来我国鼠疫流行扩散简史。此外，文献［12-13］利用GIS空间分析手段，探讨了HIV/AIDS 的空间热点分布与影响因素。文献［14-16］探讨了全国以及北京、广州等地SARS 疫情的空间集聚模式与时空轨迹。可见，基于地理学视角的疫灾、疾病时空分布研究由来已久。在COVID-19 疫情研究方面，柴彦威等［17］提出了以时空行为方法助力公共卫生事件精细化管理。李钢等［18］分析了我国疫情的时空演变过程，并提出了5点防控策略。文献［19-20］基于省域尺度的疫情发生规律与空间差异研究，为疫情防控做了重大贡献；文献［21-22］基于市域尺度，解析了珠海市、深圳市的疫情演化特征与传播路径，提出了多尺度防控措施。

早期研究为疫情阻断及居民防疫提供了一定参考，但缺少对医疗机构、人群聚集点空间分布的解析以及对疫情背后影响因素的量化分析。另外，人口的高速流动与各城市间交通网的便利，导致疫情传播已不局限于邻近地域。截至2020年3月30日，浙江省确诊病例达1 218例，境外输入病例39例，确诊病例总数位居全国第4，对其开展研究具有重要的理论与现实意义。鉴于此，本文基于采集的浙江省确诊病例数据和人工判读的病例详细信息以及相关POI数据，借助文本分析、数理统计以及空间回归分析等方法，解析确诊病例的社会人口学特征与时空分布规律，通过优化模型，进一步分析社会经济因素对疫情发展的影响，为未来疫情深化研究和科学防疫提供参考。

1 数据与方法

1.1 数据来源

研究数据包括以下几类：（1）疫情数据，来源于浙江省各市卫健委网站，包括确诊人数、治愈人数、境外输入人数等，以及通过人工判读采集的病例性别、年龄、感染属性、空间迁移路径等信息，建立数据信息库（截至2020 年3 月30 日，共1 181 条信息）。（2）POI 数据，借助Python 从百度地图爬取，包括6个地级市、455 个疫情小区（出现确诊病例的小区或村庄）、246 个定点医疗机构（由各市卫健委公布，包括发热门诊机构和定点医疗机构）以及1 539 个人群聚集地（指距疫情小区3 km 范围内的超市、商场、农贸市场等人流密集地）。（3）社会经济数据，来源于各市统计局2019 年统计年鉴，其中老龄（65 岁及以上）人口数基于第六次人口普查数据。（4）空间数据，来源于国家基础地理信息中心提供的1∶400 万行政边界数据。

1.2 研究方法

1.2.1 探索性空间分析

探索性空间分析是对全局及局部范围内空间关系的检验和度量，旨在发现空间中各要素的关联模式和集聚现象［23］。引入全局空间自相关和局部空间自相关，测度浙江省确诊病例的空间集聚情况。

空间自相关的全局莫兰指数（Moran’sI）计算式为［24］

其中，n为确诊病例总数；xi，xj分别表示县（区）i，j的确诊病例数；为确诊病例数的平均数；wij为县（区）i和j之间的空间权重。

全局空间自相关不能明确表示集聚或异常值发生的具体空间位置，因此，借助局部空间自相关分析高值或低值要素的空间聚类。安瑟伦局部莫兰指数（Anselin local Moran’sI）计算式为［25］

统计数据的z值计算式为

其中，n，xi，xj，同式（1），E（I），var（I）分别为z（I）的期望值和变异系数。I为正，表示同时具有高或低的邻近要素，即高-高或低-低集聚；I为负，表示低-高或高-低集聚。

1.2.2 空间滞后模型构建

通常，一个地区的确诊病例数受相邻地区确诊病例数的影响，由于模型中因变量与误差项相关，普通最小二乘法（ordinary least squares，OLS）不再适用于参数估计，而空间滞后模型（spatial lag model，SLM）在OLS 模型的基础上整合了空间滞后因子，反映了周围邻近区域的地理空间单元对所研究地理空间单元的影响［26］。SLM 公式为

其中，y为确诊病例数；ρ为空间回归系数，反映各空间单元间的相互关系；wy为空间滞后因子，反映空间距离对各空间单元的影响；x为自变量，是影响确诊病例分布的因子矩阵；ε为误差项的随机变量，服从N（0，σ2）分布。

2 确诊病例的社会人口学特征

剔除13 例无性别信息记录的数据，以5 岁为间隔划分年龄段，分析确诊病例的性别、年龄结构（见表1），发现年龄分布跨度较大，最小为7 个月的男婴，最大为96 岁的女性，女性的平均年龄略高于男性。男女确诊人数相当，总体呈正态分布（见图1）。30～59 岁人群为主要感染群体（占68.1%），区间内各年龄段确诊人数均过百，该区间人群作为劳动力主体，出行强度高，感染概率相对较大。其中，30～34 岁（男女比1.3∶1）和40～44 岁（男女比1.7∶1）两个年龄段，男性确诊病例数远高于女性。而30 岁以下感染人群包括受基础教育的学生群体（0～18 岁，2.7%）和年轻一代工作群体（19～29 岁，8.8%），其防范意识较强，出行易于管控，感染数量整体较少。60 岁以上老年群体（占20.3%），由于身体原因，活动范围受限，感染人数较少。

表1 浙江省COVID-19 确诊病例性别、年龄分布Table 1 Gender and age pattern of the confirmed COVID-19 cases in Zhejiang province

图1 浙江省COVID-19 确诊病例性别-年龄结构Fig.1 Gender-age structure of confirmed COVID-19 cases in Zhejiang province

3 疫情时间演变特征

3.1 总体时间演变特征

自2020 年1 月21 日浙江省确诊首例武汉输入型病例以来，确诊病例数逐日增加，历经5 个时期（见图2）。（1）初发期（1 月21 日—25 日），此阶段疫情初步扩散，日确诊病例数呈小幅度波动上涨；仅1例被治愈。（2）暴发突增期（1 月26 日—2 月4 日），全国范围内疫情暴发，浙江省确诊病例数快速增加，1 月29 日单日确诊病例数达峰值（132 例），30 日确诊病例仍超百例。此后，2 月3 日出现次高峰，单日确诊病例达105 例；被治愈病例逐步增多。（3）稳步下降期（2 月5 日—21 日），确诊病例数逐日下降，2月20 日由于十里丰监狱确诊27 例，该日出现小幅度回升；而此阶段单日治愈病例在40 人上下波动。（4）内部稳定期（2 月22 日—3 月1 日），此阶段省内疫情得到有效控制，全省无新增确诊病例，治愈病例数仍在高值区间波动变化。（5）境外输入期（3 月2 日—30 日），治愈病例相继出院，出院率达99.8%；期间，境外疫情全面暴发，导致浙江省新增病例均为境外输入型，3 月2 日丽水市新增7 例意大利输入病例，3 月17 日起境外输入病例逐日出现，主要来自意大利、西班牙、法国、英国等国家。

图2 浙江省COVID-19 确诊病例随时间演变特征Fig.2 Daily pattern of confirmed COVID-19 cases in Zhejiang province

整体上看，浙江省确诊病例累计变化历经5 个时期，日确诊病例具有显著峰值；日确诊病例增长速度前期波动较大，后期趋于稳定；而日治愈病例在中期维持于高值区间。可见，尽早防控对阻止疫情蔓延有显著作用。

3.2 发病时间间隔变化

将发病前有湖北或外地旅居史的病例称为外地病例，其他类型称为本地病例。分析两类病例发病时间间隔变化特征，发现新增确诊病例通报时间与发病时间（以下简称通报-发病）间隔集中于0～6 d，最短时间间隔为0 d，最长时间间隔为23 d，中位数为11.5 d，见图3（a）。其中，外地病例通报-发病间隔为2～6 d（占比55.78%），峰值为3 d；本地病例通报-发病间隔在0～5 d（占比59.48%），峰值为1 d。即本地病例通报-发病间隔较外地病例短，原因在于本地病例的产生缘于同外地病例的接触，发病具有一定滞后性，政府的有力宣传提高了居民的安全意识，多数人出现症状后立即主动就医确认。

同时，进一步解析外地病例发病时间与离开原住地时间（以下简称发病-离开原住地）间隔，如图3（b）所示。0 d（占比19.68%）为发病-离开原住地间隔峰值，表明此类病例在发病当日选择离开原住地返回浙江；另有32.03%的人在离开原住地之前已经发病，此类人群多为疫情早期发病人群，无疾病传染意识，适逢年关回到浙江省，其空间流动一定程度上导致疫情在浙江省扩散。总体而言，返浙人群发病时间间隔为0～9 d，这对返浙人群开展针对性排查具有参考价值。

图3 浙江省COVID-19 确诊病例时间间隔Fig.3 Time intervals between confirmed COVID-19 cases in Zhejiang province

3.3 日发病人数构成比变化

图4 为每日发病人数的性别与年龄构成比，由图4 可 知，首例发病日期为1 月4 日，1 月10 日后每日均有人发病。初期与末期发病人数较少，中段暴发期仅有2天特殊：1月15日男女发病人数占比为1.6∶1；1月16 日男女发病人数占比为1∶4。对日发病人数的性别构成进行t检验，结果显示，日发病人数无性别差异（p=0.964＞0.05）。对日发病人数的年龄构成进行单因素方差分析，结果显示，年龄构成具有阶段性特征（p=0.027＜0.5）。其中，0～18 岁群体集中于1 月20 日—2 月6 日发病，此类群体多为中小学生，活动范围限于浙江本地，初期并无感染途径，故发病时间较晚。19～29 岁群体为青年，发病时间分布相对均衡，从疫情初期到末期均有分布。30～59 岁群体为本次疫情感染的主要群体，高发于疫情初期，多为外地返浙人群，在疫情末期占比下降。60岁及以上群体主要在1 月26 日后发病，该群体因与返浙人群接触或生活而被感染，发病日期相对滞后。

图4 浙江省COVID-19 日发病人数构成比Fig.4 The proportion of confirmed COVID-19 cases in Zhejiang province

4 疫情空间演变特征

4.1 空间数量分布特征

4.1.1 总体分布与演变

浙江省确诊病例县域空间分布（见图5）整体呈现“高发于温州，分散于多地”的特征。温州市乐清市、瑞安市以及宁波市海曙区为全省高发县（区），确诊病例均超过65 例，其中乐清市累计病例达170 例，居全省之最；杭州市余杭区，温州市鹿城区、瓯海区、永嘉县以及台州市温岭市形成5 个次高值县（区）；而低值区主要集中于以温州市为界限的浙江省北部县区；另外，杭州市淳安县，衢州市开化县、龙游县，丽水市遂昌县、龙泉市、云和县无确诊病例，这与地方政府管控，距离疫情中心较远等因素有关。

图5 浙江省COVID-19 确诊病例县域空间演化Fig.5 Spatial evolution of confirmed COVID-19 cases at county-level in Zhejiang province

为充分探究浙江省COVID-19 疫情传播扩散的空间格局演变特征，以时间变化规律中所显示的5 个时期为基础，分别绘制初发期、暴发突增期、稳步下降期、境外输入期的空间分布图，由于在内部稳定期（2 月22 日—3 月1 日）确诊病例未发生变化，故不做分析。总体上，（1）初发期，全省确诊病例处于较低水平，多个县区出现首例确诊病例，其中，台州温岭市出现12 例，为各县（市）之最。（2）暴发突增期，疫情持续发展，蔓延至全省多地，高发县域由台州的温岭市转至与其接壤的温州市乐清市，同时温州市永嘉县、瑞安市、鹿城区以及宁波市海曙区成为次高值区，而杭州市余杭区、西湖区为中值区。此阶段已基本奠定浙江省确诊病例“多地群发”的分布格局。（3）稳步下降期，全省日新增病例整体呈下降趋势。台州市临海市，杭州市临安区、滨江区，宁波市奉化区、江北区，丽水市缙云县等地无新增病例，而上一阶段高值区、次高值区新增病例均有所下降，仅温州市乐清市仍为次高值区（新增病例达54 例）。（4）境外输入期，2 月21 日后疫情得到控制，全省无新增病例，至3 月2 日丽水市青田县新增7 例意大利输入病例，此后湖州市德清县、嘉兴市海宁市以及温州市均出现输入型病例，全省境外输入型病例达39 例。

综上，1 月21 日—3 月30 日浙江省确诊病例呈由“单一散发”向“多地群发”再至“重点输入”的空间演变态势，省内疫情得到控制，境外输入成为疫情防控的新挑战。

4.1.2 空间自相关分析

浙江省疫情空间分布呈“东南-西北”走向，高发区位于东南沿海地区。通过全局自相关分析，计算该时段浙江省各县（区）确诊病例的Moran’sI值，结果见表2。由表2 可知，在疫情初发期和稳步下降期，确诊病例在空间上呈随机分布，无显著相关性；而在全阶段、暴发突增期以及境外输入期，Moran’sI值为正，表明这些阶段确诊病例在空间上呈正相关。进一步，通过LISA 局部自相关分析探究确诊病例的高、低集聚现象。如图6 所示，温州市瑞安市、鹿城区、瓯海区、永嘉县、乐清市，台州市温岭市为“高-高”集聚区，即此类地区为疫情高发区，且其周围也为高发区；而台州市玉环市、温州市洞头区为“低-高”集聚区，即此类地区确诊病例数相对较少，但被高发区所包围。

表2 浙江省COVID-19 确诊病例Moran’s ITable 2 Moran’s I of COVID-19 cases in Zhejiang province

图6 浙江省确诊病例LISA 聚集分布情况Fig.6 Cluster distribution of confirmed cases of LISA in Zhejiang province

4.2 流动迁移路径

空间迁移路径探析有助于追溯疫情的源头与传播路径。基于确诊病例的463 条空间迁移路径，将其分为3 类：跨省迁移、省内迁移和跨国迁移（境外输入）。如图7 所示，跨省迁移为主要迁移模式，主要路径为武汉-浙江（90.49%），其中以武汉-温州（33.04%）占比最高，其余路径有上海-杭州、哈尔滨-台州、合肥-嘉兴等，主要为由直辖市或省会城市向浙江省迁移。省内迁移主要以个体迁移为主，未形成规模。跨国迁移主要为由境外向温州迁移，如西班牙-温州、法国-温州、瑞士-温州等多条路径，这与温州商人遍布海内外有关；另外，意大利-丽水路径的迁移群体多为留学生，多数人途经的国家或地区超过3 个。长距离、多地区流动，致使感染概率与传播风险增加。总体看，浙江省确诊病例的路径迁移呈现明显的核心-边缘结构，迁出地以武汉市为核心的首位流显著。

图7 浙江省确诊病例流动迁移路径Fig.7 The flow migration path of confirmed cases in Zhejiang province

4.3 空间关系分析

疫情防控和病患救治与定点医疗机构分布、救治能力密切相关，而疫情的传播扩散则与人群聚集程度相关。基于杭州市、宁波市、温州市、金华市、嘉兴市、舟山市6 市455 个疫情小区、246 个定点医疗机构和1 539 个人群聚集地进行空间关系分析（见图8）。由图8（a）可知，定点医疗机构25 km 服务区内，行政区域面积覆盖率为54.48%，确诊病例疫情小区有442 个，覆盖率为97.36%；而定点医疗机构10 km服务区内，行政区域面积覆盖率为23.12%，确诊病例疫情小区有381 个，覆盖率为85.61%。可见，定点医疗机构的布局与疫情小区分布较为匹配，85%以上的确诊病例满足30 min（10 km）就医可达。由图8（b）可知，人群聚集地呈斑块状分布，集中分布于县（区）交界地带，包括温州市乐清-鹿城-瓯海片区，宁波市海曙-鄞州-江北片区以及杭州市西湖-拱墅片区；另外，金华市义乌-东阳片区和嘉兴市南湖-秀洲片区形成低一级人群聚集区。计算结果表明，疫情小区与人群聚集地的距离区间为［29，48 001］m，即各大超市、市场周围平均5 km 内存在疫情小区。因此，疫情期间提倡居民就近采购，减少远距离、不必要出行。

图8 定点医疗机构服务区、人群聚集地与疫情小区的空间关系Fig.8 Spatial relationship between designated medical institution service area，population gathering place and epidemic community

5 疫情的影响因素分析

5.1 变量选取与描述性统计

影响确诊病例分布的因素较多，基于以往文献对疾病影响因素的研究，综合考虑浙江省县（区）数据的可获得性，将各市区行政单位合并，共得到69个样本。为消除量纲影响，对自变量做方差标准化处理，经过相关性分析与逐步回归，剔除与确诊病例相关性不显著的变量。最终选取9 个变量（见表3），涉及人口、经济、交通以及与疫情重灾区武汉的空间距离，所有自变量VIF 值小于10，排除多重共线性。人口密度与老龄人口比反映各地区人口分布稀疏与人口结构对疫情的影响；人均GDP、一般公共预算收入、第三产业占比和规模以上工业企业数反映地区经济、城市活力和劳动力水平对疫情发生风险的影响；医疗卫生机构床位数反映医疗救治能力；县（区）公路里程反映地区的可进入性；与武汉市的距离衡量浙江省疫情分布与我国疫情重灾区的距离关系。

表3 变量描述性统计指标Table 3 Descriptive statistical indicators of variables

5.2 模型构建

首先，构建最小二乘回归模型，记为OLS 1，结果显示，人口密度、老龄人口比、人均GDP、第三产业占比、规模以上工业企业数、与武汉市的距离6 个因子通过显著性检验（见表4），R2为0.666 7，模型中Moran’sI为0.187 4，在99.9%水平上显著，表明区域残差存在高度空间正相关，即相邻地区的因子对本地区的确诊病例存在一定影响，且模型中拉格朗日乘数统计量（LM-lag）较为显著，因此，进一步构建空间滞后模型，记为SLM 1。对比OLS 1 和SLM 1，发现各变量系数和显著性水平均有所提升，SLM 1 中R2为0.717 4。根据MCMILLE［27］的评价标准，若赤池信息准则（AIC）下降值大于或等于3，则可比较同类模型的拟合显著性程度。SLM 1 中的赤池信息准则（AIC）和施瓦茨准则（SC）均明显下降，而自然对数似然函数（logL）有所上涨，统计量收敛进一步说明，SLM 的拟合度优于OLS模型。

表4 最小二乘回归和空间滞后模型的影响因素比较Table 4 The comparison results between the influencing factors of OLS and SLM

5.3 结果分析

为验证影响确诊病例分布的主导因素，将SLM 1 中通过显著性检验的5 个因子（老龄人口比、人均GDP、第三产业占比、规模以上工业企业数、与武汉市的距离）引入模型2，得到的SLM 2 依然优于OLS 2。且对比剔除变量前后的SLM 1 和SLM 2，发现SLM 2 较SLM 1 各变量系数变化不大，拟合度R2仅下降了0.025 9，表明进一步控制其他变量后，这5 个因子是影响确诊病例分布的主要因素。

5.3.1 老龄人口比的回归系数为负，表明地区确诊病例分布与老龄人口比存在负相关，老龄人口比越低，确诊病例越多，地区疫情越严重。65 岁及以上老龄人口虽体质较弱，为脆弱人群，但由于其活动范围受限，多限于本地，早期无感染途径，因此老龄人口比较高的地区，外地返乡人群占比较少，疫情发生风险相对较低。

5.3.2 人均GDP 的回归系数为负，且在99.9%水平上高度显著，人均GDP 越低，确诊病例越多。已有研究表明，人均GDP 高的城市通常具有更多的就业机会和更高的收入［28］，而高收入群体通常意味着高学历与高知识体系，其对疫情的认知与防范意识高于普通群体，因此人均GDP 较高的地区，对疫情的日常防控与佩戴口罩方式更到位，有效降低疾病传染和感染概率。

5.3.3 第三产业占比和规模以上工业企业数是衡量地区活力与吸引人口就业的指示器，二者回归系数均为正，对疫情分布具有正向促进作用。第三产业占比高，规模以上工业企业多的地区，劳动力相对集中，人口流动频率和人群接触机会增加，导致传染风险增加。

5.3.4 与武汉市的距离，即以样本县区和武汉市质心为坐标，用欧式距离计算两地间距离，该变量与浙江省疫情呈显著正相关，与武汉市距离越远，确诊病例分布越广。这与前文中确诊病例高值区集中于浙江省东南沿海地区（温州市、台州市）相契合。数据表明，外出经商，在武汉就业、上学的温州人口达18万，与武汉交流紧密，临近年关，返乡人群高于其他县区，受疫情感染风险较高。

综上所述，浙江省疫情传播从外源输入转向内部扩散再到境外输入，各地人口、经济、区位等因素的差异造成疫情传播与分布的空间异质性。其中，老龄人口比、人均GDP、第三产业占比、规模以上工业企业数、与武汉市的距离是影响确诊病例分布的主要影响因素，而人口密度、一般公共预算收入、医疗卫生机构床位数、县（区）公路里程为次要影响因素。

6 结论与讨论

6.1 结论

以浙江省为研究区，基于多源时空数据，综合运用文本分析、数理统计、空间回归分析等方法，解析确诊病例的社会人口学特征与疫情的时空演化特征，进而探索确诊病例县（区）域分布差异的因素。主要结论如下：

6.1.1 浙江省确诊病例的性别、年龄分布跨度较大，呈“中段大，两端小”的正态分布格局。男女人数相当，女性平均年龄略高于男性。

6.1.2 浙江省疫情发展时间演化历经5 个阶段。日确诊病例具有显著峰值；日确诊病例增长速度前期波动较大，后期趋于稳定；而日治愈人数在中期维持于高值区间。新增确诊病例通报时间与发病时间间隔集中于0～6 d，且外地病例通报时间与发病时间间隔长于本地病例。日发病人数的性别构成比无明显差异，年龄构成比具有阶段性特征。

6.1.3 浙江省确诊病例在空间分布上呈“东南-西北”走向，确诊病例高值区位于东南沿海地区，演化趋势从“单一散发”向“多地群发”到“重点输入”变化，具有“高-高”“高-低”集聚特征。确诊病例的路径迁移呈明显的核心-边缘结构，迁出地以武汉市为核心的首位流显著。定点医疗机构布局与疫情小区分布较为匹配，85%以上的定点医疗机构满足30 min（10 km）就医可达，人群聚集地与疫情小区的最近距离在5 km 以内。

6.1.4 采用最小二乘回归模型和空间滞后模型进行对比分析，结果表明，老龄人口比、人均GDP、第三产业占比、规模以上工业企业数、与武汉市的距离为影响确诊病例分布的主导因素。

6.2 讨论

本研究聚焦浙江省疫情，探讨疫情的时空演化与影响因素，旨在为后期省域间与市域内疫情时空演化的深入研究和相关部门决策提供参考。依据研究结果，提出以下几点防控建议：首先，重点排查30～59岁返浙群体，做好日常登记，建立居民健康档案；对60岁及以上居家老年群体，进行疫情防控宣传与定期检测，确保不漏检、不漏查。其次，由于国内疫情已得到有效控制，浙江省现处于境外输入阶段，应全面摸排各县（区）出国留学、工作人员信息，按户排查境外输入重点区域，如温州市、丽水市（青田县）等，做好宣传教育工作，确保境外返浙人员或病例得到及时隔离或救治，有效预防疫情输入性扩散。复工复学有序开展，学校、企业应做到实时监测，按时汇报学生（员工）身体状况信息，形成常态化监测防控机制。最后，全民自上而下普及疾病传播与公共卫生知识，建立健全防控机制，做好应对未来类似挑战的充分准备。

本文从地理学角度对浙江省疫情演化开展探索性分析，虽取得一定成果，但存在以下不足，未来还需深入研究和完善。（1）受限于数据获取难度，研究聚焦于影响确诊病例分布的外部因素，未考虑人口自身属性，如社会阶层特征、人群自身免疫力等因素，未来将综合分析外在和内生因素。（2）浙江省属疫情典型地区，未来将对比分析其与其他省份如广东省、河南省等地的差异，探究疫情中观尺度的地理分布模式。（3）疫情在人群与地域的传播扩散是典型的时空演化现象与人地互动的地理过程，未来将进一步探索疫情影响下易感人群-源汇地域的特殊人地关系及其综合地理画像，构建综合防范机制。