本文主要是介绍COVID-19席卷全球，看看GIS建模可视化能做些什么，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
新冠疫情席卷全球，看看GIS建模可视化能做些什么
一、什么是GIS建模
简单来说，GIS建模是将时空要素及相关信息进行挖掘量化，得出结论以用作分析指导，通常情况下，结论会以可视化的方式呈现出来。
二、GIS建模历史
GIS建模分析最著名的例子，可以追溯到1854年的伦敦宽街霍乱爆发事件。
19世纪中叶，伴随工业化进程，大量人口涌入伦敦，但当时的城市并没有合格的卫生系统，人们习以为常的将生活污水与排泄物抛洒到街市上，政府再将这些污秽倾倒入泰晤士河。
整个伦敦臭气熏天，卫生糟糕，污水污染了生活饮用水，导致“英王国有史以来最严重的霍乱爆发了”，仅仅三天，就有127人死去，之后一周，霍乱爆发的苏活区居民逃离了四分之三。
当时人们认识不到霍乱的原因是生活饮用水被污染，一直以为是城市中的臭气导致的。
对此观点，内科医生约翰·斯诺持怀疑态度。
他对苏活区的居民进行了走访，在走访的过程中，发现居民们从固定的几个水泵取水，于是约翰·斯诺将苏活区内的公共水泵和霍乱病例居住点都标注在地图上。
（下图便是著名的约翰斯诺霍乱地图，如果以水泵分布建立泰森多边形，会发现，霍乱病例是围绕公共水泵聚集的。）
通过对病例和水泵的位置分析，约翰·斯诺确定位于宽街的公共水泵是霍乱爆发的一个源头，于是建议政府将水泵把手拆掉。这一举措，使得霍乱得以平息。
约翰·斯诺做了非常详尽的调查，他还发现了一个异常现象，宽街的雄狮酿酒厂的工人没有得霍乱的，因为他们直接引用啤酒，并不会去喝宽街水泵的水。这个异常反例，更加佐证了他的结论，污水使霍乱爆发。
再之后，人们在水泵附近发现了粪便细菌。
约翰·斯诺对霍乱事件的调查，是流行病调查学的发端，也是地理空间分析的发端。
随着科学技术的进步，GIS建模分析与流行病调查，与时空大数据结合得越来越紧密。
自新冠疫情爆发以来，业内学者就结合时空数据，对其进行了传播防控、抗疫效果的建模分析，不过国内的建模分析一般都是基于报告模式的，少有web可视化的应用。
现在北京新冠疫情有反弹，相关报道多次提及使用大数据分析进行风险研判，虽然语焉不详，也看不到图，不过猜测一下，采用的应该都是活动轨迹等位置大数据。
回到GIS建模分析的结果呈现，可视化是GIS建模分析很重要的一点，因为很多结论的感知，一张图胜于长篇大论。
三、COVID-19空间建模案例
我们接下来欣赏一些比较好的基于新冠疫情进行空间建模并展示的案例吧。
1、约翰斯·霍普金斯大学的COVID-19仪表盘
自新冠疫情世界范围爆发之后，约翰斯·霍普金斯大学时常见诸报端，各大官方报道都援引它的数据作为标准数据。
约翰斯·霍普金斯大学专门为新冠疫情做了一个网站，汇总了世界各主权地区的新冠病例数据，从累积确诊、现有病例、发病率、病死
这篇关于COVID-19席卷全球，看看GIS建模可视化能做些什么的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
