李益敏， 吳博聞， 劉師旖， 李盈盈， 袁 靜

(1.云南大學(xué)地球科學(xué)學(xué)院，昆明 650500； 2.云南省高校國產(chǎn)高分衛(wèi)星遙感地質(zhì)工程研究中心,昆明 650500)

0 引言

新冠病毒在全球爆發(fā)，中國政府采取及時有效的防控措施，使中國境內(nèi)疫情基本得到控制，但國際上新冠病毒傳播形勢依然嚴(yán)峻。中國邊境地區(qū)仍面臨較高風(fēng)險，防疫任務(wù)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(fā)新冠疫情，導(dǎo)致瑞麗市多次對主城區(qū)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(jīng)濟損失和社會不安，也影響了云南省的經(jīng)濟、旅游及中國抗疫的穩(wěn)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(xiàn)了中國制度的優(yōu)越性。

瑞麗與緬甸山水相連，村寨相望，雖然瑞麗市目前已經(jīng)實現(xiàn)對邊境線24小時全覆蓋、常態(tài)化巡邏值守，堵住一切可能導(dǎo)致疫情輸入的漏洞，但邊境疫情防控任務(wù)仍然艱巨，邊境巡邏檢查難度大，科學(xué)分析優(yōu)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(fēng)險防控部署，對提高科學(xué)防控、調(diào)度布控水平具有重要意義。

地理信息系統(tǒng)(geographic information system,GIS)技術(shù)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(fā)揮重要作用。將GIS應(yīng)用于傳染病疫情控制是地理信息科學(xué)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(jìn)行了分析，以此對社區(qū)防控能力進(jìn)行評價判斷； Mas[2]利用GIS軟件對莫斯科新冠疫情的暴發(fā)進(jìn)行了跟蹤研究。程藝等[3]構(gòu)建了邊境口岸地區(qū)傳染病境外輸入風(fēng)險指數(shù)，以此評估中國邊境口岸地區(qū)傳染病境外輸入風(fēng)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(dāng)前，中國以瑞麗為代表的邊境地區(qū)疫情形勢較為嚴(yán)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(qū)突發(fā)事件防控研究，但該研究在研究內(nèi)容上主要側(cè)重于緬甸國內(nèi)發(fā)生沖突時大規(guī)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(nèi)行為不同，指標(biāo)選取有差異性； 研究方法上，選取的指標(biāo)和各指標(biāo)間的權(quán)重確定上不夠全面。本文在前人的研究基礎(chǔ)上將GIS技術(shù)應(yīng)用到瑞麗市邊境疫情風(fēng)險評價中，結(jié)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(tài)化防控能力，實現(xiàn)人防與技防有效結(jié)合，具有一定的社會效益與經(jīng)濟效益，能夠為后續(xù)運用GIS技術(shù)進(jìn)行疫情防控提供參考。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)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(dá)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(jīng)濟合作區(qū)(瑞麗邊境經(jīng)濟合作區(qū)、畹町邊境經(jīng)濟合作區(qū))，瑞麗口岸是全國唯一實行“境內(nèi)關(guān)外”海關(guān)特殊監(jiān)管模式的邊境貿(mào)易區(qū)。隨著“一帶一路”倡議的推進(jìn)，瑞麗市正逐漸成為中國通向東南亞的重要經(jīng)濟樞紐。2020年，新冠疫情暴發(fā)，作為邊境重鎮(zhèn)的瑞麗市邊境防控能力也受到挑戰(zhàn)。瑞麗市邊境線區(qū)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(jīng)濟、文化中心集中于瑞麗南部和西部的戶育鄉(xiāng)、勐卯鎮(zhèn)和畹町鎮(zhèn)。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(jīng)濟發(fā)展程度不及瑞麗口岸及木姐口岸，但仍然是研究區(qū)內(nèi)重要的居民點集聚地。

(審圖號： 云S(2019)061號)

1.2 數(shù)據(jù)源及預(yù)處理

本文數(shù)據(jù)源主要包括瑞麗市Landsat8 OLI影像數(shù)據(jù)、瑞麗市土地利用數(shù)據(jù)、夜光遙感影像數(shù)據(jù)、數(shù)字高程模型(digital elevation model,DEM)數(shù)據(jù)(分辨率為30 m)、行政邊界矢量數(shù)據(jù)及路網(wǎng)數(shù)據(jù)。瑞麗市土地利用矢量數(shù)據(jù)由Landsat8 OLI數(shù)據(jù)決策樹監(jiān)督分類并實地驗證得到； 夜光遙感影像采用武漢大學(xué)的“珞珈一號”衛(wèi)星影像，該影像數(shù)據(jù)相比美國的NPP_VIIR衛(wèi)星數(shù)據(jù)對國內(nèi)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(shù)值之間的正比關(guān)系； 研究中選取的瑞麗市行政區(qū)范圍來源于國家地理信息公共服務(wù)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(shù)據(jù)來源于國家科技基礎(chǔ)條件平臺——國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心(http: //www.geodata.cn)； 統(tǒng)計數(shù)據(jù)來自《云南統(tǒng)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(qū)疫情防控風(fēng)險指標(biāo)構(gòu)建及量化

2.1 疫情防控風(fēng)險評價指標(biāo)體系構(gòu)建

傳染病跨境傳播與社會、經(jīng)濟、地理等各種因素息息相關(guān)，在中國當(dāng)前境內(nèi)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(qū)自然屏障較少，具備了非法流動的條件，就業(yè)、通婚、遷居等目標(biāo)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(guān)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(qū)的地理狀況及邊境地區(qū)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]?？紤]到瑞麗市邊境線地區(qū)地形和境內(nèi)地區(qū)人口密度分布特征差異顯著，結(jié)合上述學(xué)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(dá)性，選取地形因子、交通因子、基礎(chǔ)因子作為目標(biāo)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(chǔ)因子主要包括人口密度和管控基礎(chǔ)設(shè)施，借助這些指標(biāo)來構(gòu)建中緬邊境地區(qū)邊民疫情防控指標(biāo)體系(表1)。利用GIS空間加權(quán)疊加分析技術(shù)得到疫情防控點時空分布格局，并進(jìn)行分級，對風(fēng)險程度最高的防控區(qū)加大關(guān)注。

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

2.2 防控指標(biāo)的提取和量化

利用GIS技術(shù)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(chǔ)設(shè)施等指標(biāo)進(jìn)行了信息提取并量化，以用于熵值權(quán)重計算和風(fēng)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(jìn)入，因此本文選取坡度作為一項重要的衡量指標(biāo)，坡度越小越易于偷渡者入境，防控風(fēng)險越大。地形坡度分級標(biāo)準(zhǔn)為[0°,5°](平坡)，(5°,25°](斜坡)，(25°,35°](陡坡)，(35°,45°](急坡)，>45°(險坡)。根據(jù)瑞麗市的DEM(分辨率為30 m)數(shù)據(jù)得到坡度圖(圖2)。由圖2可以看到，邊界地區(qū)整體坡度較為平緩，東部部分地區(qū)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(shù)

本文植被覆蓋指數(shù)采用歸一化植被指數(shù) (normalize difference vegetation index，NDVI )[8]，它能較好地反映植被生長狀態(tài)及植被蓋度，是當(dāng)前比較常用的監(jiān)測植被覆蓋情況和生長狀況的指數(shù)。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(fēng)險大。利用遙感圖像處理平臺軟件 (ENVI)對Landsat8 OLI影像進(jìn)行輻射定標(biāo)、大氣校正等預(yù)處理操作后，通過波段計算對研究區(qū)NDVI進(jìn)行計算，得到研究區(qū)的NDVI值(圖3)。研究區(qū)內(nèi)除了城市建成區(qū)植被覆蓋度較低外，其余地區(qū)植被覆蓋度較高，北部山區(qū)植被覆蓋度是全區(qū)域植被覆蓋度最高的區(qū)域。

圖3 瑞麗市植被覆蓋指數(shù)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(fā)達(dá)的地區(qū)便于偷渡者入境，交通密度大的地區(qū)防控風(fēng)險大，因此將路網(wǎng)密度作為交通因子里一項重要指標(biāo)進(jìn)行分析，利用ArcGIS軟件的歐式距離工具，可以計算出研究區(qū)內(nèi)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(jìn)入瑞麗境內(nèi)，通過水文工具從瑞麗市DEM中提取水系，對提取的水系進(jìn)行緩沖距離，以此體現(xiàn)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(fā)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(dǎo)致防控壓力增大的主要原因之一。由于統(tǒng)計年鑒上的人口按行政區(qū)劃統(tǒng)計，難以表達(dá)出人口的空間分布特征，因此借助夜光遙感影像數(shù)據(jù)，對人口的空間關(guān)系進(jìn)行表達(dá)。已有研究表明，夜光遙感數(shù)據(jù)與人口空間分布、經(jīng)濟發(fā)達(dá)程度具有較高的相關(guān)性[9-10]。利用ENVI的波段計算功能完成“珞珈一號”科學(xué)實驗衛(wèi)星的夜光遙感影像的預(yù)處理，夜光遙感數(shù)據(jù)的DN值大小和當(dāng)?shù)厝丝诿芏瘸烧?，因此通過夜光遙感數(shù)值對人口密度的強弱進(jìn)行分析。通過ENVI對夜光遙感進(jìn)行預(yù)處理后，采用重分類，以此得到的瑞麗市區(qū)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(chǔ)設(shè)施

管控基礎(chǔ)設(shè)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(fēng)險相對較低。利用開源wiki地圖(open street map，OSM)數(shù)據(jù)提取邊防站點，對這些點建立緩沖區(qū)，得到以邊防站點為中心形成的高警戒度區(qū)域。

2.3 基于AHP-熵權(quán)法的權(quán)重賦值方法

采用層次分析法(analytic hierarchy process，AHP)和熵權(quán)法對各個因子進(jìn)行權(quán)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(quán)重賦值方法相結(jié)合，可以得到既客觀又符合常識判斷的權(quán)重賦值[11]。

AHP法通過人為主觀確定目標(biāo)層和準(zhǔn)則層，可以有效地對多目標(biāo)進(jìn)行決策分析。但是其具有一定主觀性，會導(dǎo)致結(jié)果出現(xiàn)偏差。本研究的目標(biāo)層為地形因子、交通因子、基礎(chǔ)因子，準(zhǔn)則層依照目標(biāo)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(chǔ)設(shè)施等7個因子，根據(jù)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(jù)該矩陣獲取各目標(biāo)層和準(zhǔn)則層的主觀權(quán)重。

熵權(quán)法屬于客觀賦值方法，相比主觀賦值方法，獲取的權(quán)重精度更高。熵是衡量系統(tǒng)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(biāo)變量的權(quán)重[10]。防控疫情風(fēng)險指標(biāo)涉及多個因子，熵權(quán)法能準(zhǔn)確獲取各個因子所擁有的信息量大小，在生態(tài)風(fēng)險評價、管道風(fēng)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(biāo)離散程度過大導(dǎo)致權(quán)重失衡。

熵權(quán)法首先對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理之后運用信息熵計算出指標(biāo)的熵權(quán)，其中當(dāng)指標(biāo)為正向指標(biāo)時，對其值Xij進(jìn)行標(biāo)準(zhǔn)化處理的公式為：

(1)

當(dāng)指標(biāo)為負(fù)向指標(biāo)時，其標(biāo)準(zhǔn)化處理公式為：

(2)

式中：Ximax和Ximin分別為指標(biāo)的最大值和最小值；Yij為歸一化后的結(jié)果設(shè)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(biāo)準(zhǔn)化數(shù)值Yij占標(biāo)準(zhǔn)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(shù)據(jù)越有序，對評價對象的區(qū)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(quán)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(quán)重也越小。

根據(jù)計算出來的各因子的信息熵E1，E2，…，Ek，計算各個因子的權(quán)重Wj，公式為：

(5)

式中k為影響因子的個數(shù)。

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

Wij=αWi+βWj，

(6)

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

(7)

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

D(Wi,Wj)=(α-β)2。

(8)

再通過α+β=1這一預(yù)設(shè)條件，聯(lián)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(quán)重和客觀權(quán)重，可以獲得各指標(biāo)基于層次分析法和熵權(quán)法的綜合權(quán)重。以該法獲取的權(quán)重見表2。

表2 瑞麗市疫情防控指標(biāo)綜合權(quán)重Tab.2 Comprehensive weight of COVID-19prevention and control index in Ruili

從權(quán)重計算結(jié)果可以看出，人口密度、交通密度、管控基礎(chǔ)設(shè)施的權(quán)重占比較大。人口密度權(quán)重較大與疫情傳播的引力模型相符，交通密度權(quán)重較大符合前人的研究結(jié)果，管控基礎(chǔ)設(shè)施權(quán)重較大符合常識判斷。DEM，NDVI和水系距離權(quán)重較低，說明疫情傳播受到地形因子相對交通因子、基礎(chǔ)因子較小，原因可能是因為該地區(qū)偷渡者入境目的主要是務(wù)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(hù)區(qū)監(jiān)控研究具有共性,可以利用相似思路解決該問題[16]。關(guān)于解決覆蓋類選址問題，當(dāng)前有最大覆蓋模型、概率覆蓋模型等多個模型?？紤]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(tài)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(shù)量點完成覆蓋所有的需求點。集合覆蓋模型通過建立目標(biāo)函數(shù)，保證設(shè)施點數(shù)量最少，同時保證每一個需求點，至少有一個設(shè)施點可以對其進(jìn)行服務(wù)。

利用GIS進(jìn)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(shè)定視頻監(jiān)控點的視距范圍為3 km，監(jiān)控點的相對高度在5～50 m以上，監(jiān)控點的設(shè)置成本相同，基于該假設(shè)進(jìn)行以下研究： ①通過對邊境線進(jìn)行風(fēng)險評價，獲取邊境風(fēng)險點； ②通過瑞麗市高程設(shè)置備選監(jiān)控點； ③通過ArcGIS視域可視化分析，基于集合覆蓋模型確定監(jiān)控點的選址,確保部署最少的設(shè)施點達(dá)到邊境線全覆蓋的目的。

3 邊境地區(qū)防控部署評估

3.1 瑞麗市境內(nèi)地區(qū)防疫風(fēng)險評估

瑞麗市邊境防控的目標(biāo)是對邊境高風(fēng)險區(qū)域進(jìn)行監(jiān)控,考慮到目前瑞麗市的防控壓力，不僅需要做到邊界線監(jiān)控，還需要對瑞麗市境內(nèi)整體監(jiān)控，實現(xiàn)突發(fā)公共衛(wèi)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(quán)法綜合獲取各個指標(biāo)的權(quán)重后，將歸一化的指標(biāo)柵格化并進(jìn)行波段合成，通過ArcGIS軟件的柵格計算器進(jìn)行運算，得到邊境地區(qū)境內(nèi)防控風(fēng)險評價結(jié)果，如圖6所示。

圖6結(jié)果顯示： 瑞麗市中部和南部地區(qū)風(fēng)險較低，這是因為中部地區(qū)位于高山地帶，該地區(qū)地形較為陡峭，不適宜入境； 而南部地區(qū)有口岸，邊防站點較多，風(fēng)險較低。瑞麗市邊境風(fēng)險較高的區(qū)域為瑞麗西南弄島鎮(zhèn)、姐相鄉(xiāng)，北部的勐秀鄉(xiāng)和東北畹町鎮(zhèn)區(qū)域。這些區(qū)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(chǔ)設(shè)施，因此風(fēng)險程度較高。東北畹町鎮(zhèn)區(qū)域是瑞麗市通向云南省內(nèi)乃至全國的重要關(guān)口，對其的防控更是重中之重。西北區(qū)域居民點覆蓋度較高，坡度平緩，且該地區(qū)與瑞麗市中心城區(qū)有高山相隔，防控力度較弱，該區(qū)居民點較為分散，一旦偷渡者藏匿于該地區(qū)，搜尋成本較高，也需要重點防控。

3.2 瑞麗市邊境線疫情風(fēng)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(quán)法獲取的結(jié)果進(jìn)行相交并對結(jié)果評分值進(jìn)行分級，得到瑞麗市邊境線疫情評估結(jié)果圖(圖7)。

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

圖7結(jié)果顯示，邊境風(fēng)險區(qū)域與境內(nèi)風(fēng)險區(qū)域區(qū)相似，瑞麗市西北部和東南部皆為高風(fēng)險區(qū)域； 邊防站點較為密集的瑞麗口岸處邊境線風(fēng)險較低，原因是因為該地區(qū)基礎(chǔ)防控設(shè)施較為密集，起到了較好的控制作用。但是相比境內(nèi)評價結(jié)果，邊境風(fēng)險評價結(jié)果表明西南部區(qū)域也存在較高的疫情防控風(fēng)險。這種差異是因為西南部區(qū)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(fā)公共衛(wèi)生事件中，偷渡的楊佐某等人便是經(jīng)由緬甸貢薩(南坎)地區(qū)進(jìn)入瑞麗弄島鎮(zhèn)再進(jìn)入市區(qū)的親戚家，該事件可佐證這一判斷。因此瑞麗西南地區(qū)邊境線上仍然需要重點防控。

邊境防控邊境線上風(fēng)險度最高的區(qū)域為瑞麗市西北地區(qū)和瑞麗市東南地區(qū)。其中瑞麗西北部區(qū)域毗鄰緬甸克欽邦，此前克欽邦地區(qū)就由于民族政治原因戰(zhàn)亂頻繁[18]，導(dǎo)致大量邊民試圖通過非正常途徑涌入中國境內(nèi)； 東南區(qū)域接壤的緬甸區(qū)域為撣邦高原地區(qū)，地形較高，且居民點較為破碎，交通較不發(fā)達(dá)，因此該地區(qū)相比瑞麗西北部地區(qū)，偷渡者選擇經(jīng)由該處偷渡的可能性較低。但是，邊境交界區(qū)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(qū)城鎮(zhèn)雖然發(fā)達(dá)，但邊防站點較少，可能給偷渡者可乘之機，因此東南地區(qū)也是需要進(jìn)行重點防控的區(qū)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(fēng)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(fēng)險程度高，因此選取的邊境防控點需要實現(xiàn)對邊境區(qū)域的監(jiān)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(dá)到邊境防控的目標(biāo)，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(dāng)前的視頻監(jiān)控設(shè)備監(jiān)控范圍基本在3 000 m以上，因此將瑞麗市邊境線分為數(shù)個2 000 m×2 000 m的漁網(wǎng)，提取邊境線區(qū)域山頂點作為備選監(jiān)控點，將DEM轉(zhuǎn)換為不規(guī)則三角網(wǎng)(triangulated irregular network,TIN)柵格，利用TIN柵格對備選防控點進(jìn)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(jìn)行緩沖區(qū)分析，以點數(shù)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(fēng)險點的數(shù)量和密度，將防控點按監(jiān)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(xiāng)和瑞麗口岸附近，這些地區(qū)已經(jīng)有較好的邊境防控能力，因此防控風(fēng)險較低，結(jié)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(jié)論

4.1 討論

本文從地理因子、交通因子、基礎(chǔ)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(chǔ)設(shè)施等7個指標(biāo)，利用AHP-熵權(quán)法建立了瑞麗市疫情風(fēng)險防控體系。該指標(biāo)體系具有一定的科學(xué)性，能為云南以及中國其他邊境地區(qū)疫情風(fēng)險防控評價提供一定的參考作用。

AHP-熵權(quán)法可以有效避免主觀權(quán)重方法導(dǎo)致的權(quán)重失衡和空間分布過于平均,或者過于破碎導(dǎo)致客觀權(quán)重失衡的缺點，該方法較為科學(xué)、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(jiān)測部署點，具有很好的參考應(yīng)用價值，可為瑞麗市乃至云南省邊境風(fēng)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(biāo)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(chǔ)因子的7項指標(biāo)，但肯定還存在遺漏的指標(biāo)。該研究基于目前國外疫情依然嚴(yán)重的大環(huán)境，云南乃至中國邊境地區(qū)外防輸入任務(wù)依然艱巨的情況下，創(chuàng)新性地開展研究分析。相較于傳統(tǒng)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(jìn)行研究，該研究利用GIS技術(shù)，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(jìn)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(xué)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(qū)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(jié)論

本文利用GIS技術(shù)提取多項與防控相關(guān)的信息、數(shù)據(jù)的空間分布，并利用AHP-熵權(quán)法賦予各項指標(biāo)用于計算其風(fēng)險性的權(quán)重，利用GIS空間加權(quán)疊加分析技術(shù)，對瑞麗境內(nèi)及邊境線都進(jìn)行了邊境疫情防控風(fēng)險分析，得到了以下結(jié)論：

1)瑞麗市境內(nèi)西北部區(qū)域和東北部區(qū)域高風(fēng)險區(qū)域密度較高，需要對這些區(qū)域進(jìn)行重點防控。尤其是東北部區(qū)域，偷渡者可能從該地區(qū)進(jìn)入境內(nèi)，需要對這些地區(qū)進(jìn)行嚴(yán)格防控，嚴(yán)防偷渡者藏匿。

2)考慮到緬甸地區(qū)目前的政治、經(jīng)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(jìn)入瑞麗市境內(nèi)。

3)從地理學(xué)可視化視角，基于GIS技術(shù)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(zhèn)和弄島鎮(zhèn)區(qū)域。