中国环境科学

作者：王玥瑶, 梁泽, 丁家祺, 孙福月, 李双成

单位：1. 北京大学城市与环境学院, 北京 100871;2. 北京大学地表过程分析与模拟教育部重点实验室, 北京 100871

关键词：人群发病率,自然因素,社会经济因素,XGBoost模型,全子集回归,SHAP

基金：国家自然科学基金资助重大项目（41590843）

在城市尺度上探究了2020年1月1日~3月5日期间城市规模、医疗资源水平等城市自然与社会经济因素对新冠肺炎人群发病率的影响.基于多种传统统计模型与机器学习方法识别了新冠肺炎发病率的关键影响因子.基于新兴的可解释机器学习框架,探究了发病率与关键影响因子之间的非线性联系.结果表明:城市新冠肺炎发病率受到人口迁入、城市规模、城市医疗资源水平等方面的多要素影响,其中武汉迁入率具有最高的相关系数(相关系数达到0.43),其次为人口增长率(相关系数为0.38);人口迁徙、城市规模以及医疗服务资源水平均为关键影响因子;关键影响因子与人群发病率存在非线性关系:武汉迁入率对新冠肺炎发病率的影响曲线呈现S形,在迁入率大于2%进入平台期,人口密度的影响近似线性;人均GDP的影响呈现出明显的倒U型曲线特征,以人均GDP超过10万元为拐点;城市建设需要适当控制人口密度,避免城市人口分布过于紧凑.提升高经济水平地区的经济发展,从而带来更多健康收益.

来源：2022年第3期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2022年第3期