其中，Epidemic scale_it为i城市在t时间的疫情感染规模，infected_it为i城市在t时间的被感染人数，people_it为i城市在2017年的平均人口。

维度二：以疫情增幅分级衡量疫情增量状况。疫情增量直观反映了患病人数的改变情况，也反映了政府为抑制疫情扩散而进行社会管控的力度。本文选取每3日感染人数增幅为疫情增长率指标。

其中，Epidemic rate_it为i城市在t时间的疫情感染增幅，infected_it为i城市在t时间受感染人数，infected_it为i城市在t-3天时期的被感染人数。如果Epidemic rate_it>0，则表示疫情仍处于持续扩散阶段，如果Epidemic rate_it≦0，则疫情治理处于相对缓和状态。

（二）分类标准

参照陈秋玲等人（陈秋玲、张青、肖璐，2010）城市安全评估指标归一处理标准设定，本文以全国受感染城市“平均疫情规模”为中心参照值，将城市疫情规模区分为高规模城市（H）和低规模城市（L），以全国受感染城市“平均疫情增幅”为中心参照值，将城市疫情增幅区分为高增幅城市（H）和低增幅城市（L），由此中国城市新冠肺炎疫情治理风险可以构建出四象限分类模型（如图2）。定义低感染低增幅（LL）的城市属于A类地区（相对安全型），属于疫情防控治理效果良好类型。低感染高增幅（LH）的城市属于B类地区（预警型），高感染低增幅（HL）的城市属于C类地区（可控型），高感染高增幅（HH）的城市属于D类地区（高危型），未发生新冠疫情感染的城市为O类地区（未感染地区），属于疫情防控治理效果最优类型。

图2 中国城市新冠肺炎疫情治理风险分类的四象限模型

四、数据分析

（一）数据来源

本研究以中国367个城市为分析单元，文中涉及的新冠肺炎疫情确诊病例数、治愈病例数以及死亡病例数等数据，主要来源于各省市健康卫生卫委员会官方网站。城市疫情规模计算指标中涉及的城市人口规模数据来源于2018年《中国城市统计年鉴》。

（二）样本区间

系统分类分析的样本时间窗口聚焦在2020年1月30日-2月2日。主要基于以下考虑：首先，1月29日开始全国31个省、市、自治区（除港澳台地区）均启动一级响应，与此同时，日内瓦当地时间1月30日，世界卫生组织宣布中国新型冠状病毒肺炎疫情已经构成“国际关注的突发公共卫生事件”（PHEIC）。该决定有效期为三个月，如疫情发生重大变化，总干事有权提早召开会议，解除紧急状态。根据《国际卫生条例（2005）》规定，“国际关注的突发公共卫生事件”是按特殊程序确认的不寻常公共卫生事件，是世卫组织对流行病的一种较高级别的预警，意味着该事件“严重、突然、不同寻常、意料之外”。 其次，国务院办公厅将2020年春节假期延长至2月2日，2月3日各城市根据疫情发展态势合理有序复工。随着收假复工到来，部分城市迎来了第一轮人口流动，为排除大规模人口流动因素干扰城市疫情治理风险类型划分，本文选择2月2日作为样本截止日期。

（三）分类结果

表1是 1月30日-2月2日中国城市疫情风险类型的日变化数量与占比，并且对中国城市疫情治理风险分类进行可视化（如图2a、图2b）。数据显示，全国受感染城市数量在样本时间区间内出现增加，截止2月2日，15.07%的城市未受感染，低感染低增幅的A类城市（相对安全型）占比47.67%，低感染高增幅的B类城市（预警型）占比27.12%，高感染低增幅的C类城市（可控型）占比6.03%，高感染高增幅的D类城市（高危型）占比4.66%。

表1 1月30日-2月2日中国城市疫情风险类型每日变化数量与占比

数据来源：作者根据疫情规模、疫情增幅划分计算而得。

A类型城市：相对安全型城市。2020年1月30日至2月2日，相对安全型数量计174个，接近全国城市半数，呈增加态势。O类城市（未感染城市）数量由81个减少为55，反映出疫情扩散范围扩大，由于在地理位置与三个标准差椭圆范围内城市相距较远，经济联系紧密程度角度，人口流动规模小，西藏、青海、新疆、甘肃等西部省份中的O类城市（未感染城市）数量居多。

B类型城市：预警型城市。预警型数量计99个，包括最新出现疫情的广西贵港、贵州安顺、黑龙江黑河、云南临沧和甘肃甘南自治州。预警型城市典型特征表现为城市感染人数少但疫情患病人数的高增幅，其关键原因在于疫情开始扩散阶段缺少严格的筛查、排查、隔离监测等防控举措，增加了疫情防控治理难度。

C类型城市：可控型城市。规模可控型数量从1月30日的9个增加至2月2日的22个，占比6.03%，与1月30日0时相比，湖北省有明显增加，新增孝感、恩施、十堰、神农架等城市，浙江温州、江西南昌、广东中山由D类（高危型）转为C类（可控型）安徽省、云南省的D类城市也已全部转为C类（可控型），疫情增长率降到全国平均水平以下。浙江、广东等地城市采取的“一张网”防控、“一盘棋”统筹、“一竿子”到底的有力防控举措，使城市层面疫情增速有所下降，疫情治理举措逐渐呈现向好态势。

D类型城市：高危型城市。比较1月30日，高危型疫情风险的城市总体数量从22个减少到17个，占全样本数量的4.66%，包括湖北省10个、广东省4个（广州市、深圳市、珠海市、东莞市）、江西省1个（新余市）、湖南省1个（长沙市）、海南省1个（陵水黎族自治县），其中59%集中于湖北省，24%位于广东省。从整体趋势来看，D类城市进一步减少，除湖北省外主要位于广州、深圳、珠海、东莞，其余地区的D类城市呈零星分布特征。与1月30日0时相比，2月2日的城市疫情风险分类结果中，湖北十堰、孝感、恩施，浙江温州，安徽铜陵、亳州等地已不在D类行列，但广东省四个城市均为新增D类城市，反映出武汉封城前珠三角地区的感染者流入效应已经展现。

图2a 1月30日全国城市疫情风险型划分        图2b 2月2日全国城市疫情风险类型划分

五、系统分类治理：城市公共危机精准施策的策略选择

2020年1月27日，国务院联防联控机制印发《关于科学防治精准施策分区分级做好新冠肺炎疫情防控工作的指导意见》，提出了分类指导、分区施策的具体工作思路，在地区层面，科学细分疫情轻中重度风险地区。本文认为要实现公共危机精准施策需要采取针对性策略和措施，实施强化差异化的精准防控策略，本文选取了疫情扩散受人口流动、交通运输、生产生活等因素干扰最小的时间区间，探索性的构建了疫情“规模—增幅”的评估框架，认为可以将中国城市疫情治理风险分类进一步细分高危型、预警型、可控型、相对安全型与未感染型。

要实现对不同城市疫情风险的系统分类治理，需要在疫情不同发展阶段深入、详尽、全面监测，及时瞄准各类型城市疫情治理的“靶心”，做到因时而异，因城制宜。为了使各城市应急治理效果有标准可依、应急治理过程可追溯量化，需要选择科学合理的标准化分类框架，分析不同类型城市疫情治理中的条件与资源、难点与困境等情况，逐个类型制定差异化的应急治理举措，实现公共危机治理指向精准与模式精准，根据风险程度提出不同类型城市的差异化决策支持方案，避免疫情防控治理“一刀切”。

具体而言，A类城市（相对安全型）和O类城市（未感染型）在做好防控工作的同时，逐步加强生产生活恢复，努力为企业复工复产提供便利条件，提高企业复工审批效率，保证安全的前提下逐步放开和解除应急响应；B类城市（预警型）应提前预判由低感染高增幅升级为高感染高增幅的风险，在医疗资源等方面进行充分准备，如新建或改建集中收治医院等；C类城市（可控型）抓住有利时机加强人员筛查和医疗资源配置，适时进行防控策略调整；D类城市（高危型）的重点地区疫集中救治资源和防护资源，同时维持限制人口流动的措施，防止疫情向外扩散，严格疫情管控措施，避免出现新的疫情增长极。

本文至少有两点有待进一步突破，一是主要基于疫情“规模—增幅”两个维度对新冠肺炎疫情治理风险进行评估分析，但是这两个指标仅体现了风险危害性和风险控制程度下的疫情风险水平，随着疫情防控工作的进一步推动，未来疫情治理风险评估还需要关注和引入反映城市疫情治理能力指标，例如治愈率，死亡率、境外输入患病增长率等，进一步完善我国应急治理分区分类治理的分析思路和框架，二是本文选择在全国人口处于相对静止流动的疫情区间，但是如果处于复工复产带来人口流动的疫情治理中后期，则需要科学合理设置人口流动指标权重逐渐修改完善疫情治理风险分类框架。

 引用标识：吴建南,张阿城,许泽宁.应急管理如何精准施策？中国城市新冠肺炎疫情治理的实证研究[M]//吴建南.城市治理研究(第五卷).上海：上海交通大学出版社，2020.

参考文献

[1] 陈秋玲, 张青, 肖璐. 基于突变模型的突发事件视野下城市安全评估[J]. 管理学报, 2010, 7(6):891-895.

[2] 董艳, 李剑峰, 王连军等. 基于风险矩阵法与Borda排序法对某城区突发事件的风险评估研究[J]. 安全与环境学报, 2010, 10(4):213-216.

[3] 刘霞, 严晓. 我国应急管理“一案三制”建设:挑战与重构[J]. 政治学研究, 2011(1):96-102.

[4] 李大宇, 章昌平, 许鹿. 精准治理:中国场景下的政府治理范式转换[J]. 公共管理学报, 2017, 14(1):1-13.

[5] 吕孝礼, 朱宪, 徐浩. 公共管理视角下的中国危机管理研究（2012-2016）:进展与反思[J].公共行政评论, 2019, 12(1):169-196+216.

[6] 童星, 陶鹏. 论我国应急管理机制的创新——基于源头治理、动态管理、应急处置相结合的理念[J]. 江海学刊, 2013(2):112-118.

[7] 吴振宇, 李羽敏, 董升草, 洪浚扉. 手足口病流行的快速风险评估[J]. 浙江预防医学, 2015(10):1023-1025+1028.

[8] 吴家兵, 龚磊, 陈芳, 宋丹丹, 马婉婉, 侯赛. 洪涝灾害公共卫生风险评估指标体系的构建及应用[J]. 浙江大学学报（医学版）,2018(2):118-123.

[9] 吴建南.区域分级分类:大国应急治理的关键一招[J]. 科学学研究, 2020(3):390-391.

[10] 王春城. 政策精准性与精准性政策——“精准时代”的一个重要公共政策走向[J]. 中国行政管理, 2018, 391(1):53-59.

[11] 王坚, 陈刚, 黄相国等. 区域环境风险评估与风险区划——以沈阳市浑南区为例[J]. 环境保护科学, 2015(4):24-30.

[12] 薛澜, 钟开斌. 突发公共事件分类、分级与分期:应急体制的管理基础[J]. 中国行政管理, 2005(2):102-107.

[13] 杨涛, 李傅冬, 何凡. 浙江省人感染H7N9禽流感疫情半定量风险评估[J]. 浙江大学学报（医学版）, 2018(2):131-136.

[14] 杨云, 孙宏, 康正等. 卫生应急风险矩阵法与Borda序值法评估[J]. 中国公共卫生, 2016(6):815-817.

[15] 钟开斌. 回顾与前瞻:中国应急管理体系建设[J]. 政治学研究, 2009(1):78-88.

[16] 张艳军. 三峡库区突发性水环境风险分区应用研究[J]. 环境科学与技术, 2015, 38(11):77-81.

[17] Asch S M, Stoto M, Mendes M, et al. A review of instruments assessing public health preparedness. Public Health Reports, 2005, 120(5):532-542.

[18] Ferrier N, Haque C. Hazards risk assessment methodology for emergency managers: a standardized framework for application. Natural Hazards, 2003, 28(2):271-290.

[19] Michael S, Tse C. Clustering model for transmission of the SARS Virus: application to epidemic control and risk assessment. Physica A-statistical Mechanics & Its Applications, 2005, 351(2):499-511.

[20] Quarantelli E L . What is a disaster: perspectives on the question[J]. Disaster Prevention and Management: An International Journal, 1999, 8(5):370-452.

[21] Vescovi L, Rebetez M, Rong F. Assessing public health risk due to extremely high temperature events: climate and social parameters. Climate Research-Climateres. 2005(30): 71-78.

[22] Yang Y, Zhang Y, Fang L Q, et al. Household transmissibility of avian influenza a (H7N9) virus, China, February to May 2013 and October 2013 to March 2014. Eurosurvellance, 2015, 20(10):1-11.