近几年有关微博信息分布与传播的研究发展较快^[1]，已形成多个研究视角，与此同时丰富的城市地理研究文献也有力支持了微博信息时空研究的发展。

自流空间概念和流空间动态性被提出后，地理学者很快便将网络空间对接在实际地理空间上开展了地理网络空间的研究，较充分地揭示出网络空间信息流动的地理学性质，其中社交网络人际节点空间关系研究更为深入地解释了跨越遥远空间的网络信息交流的特征和地缘因素的影响以及信息流分布的形式^[2]。如王波等概括出微博用户对外连接的等级差异^[3]，张秋娈和路紫归纳出网站信息流多种形态的距离衰减^[4]。在上述研究过程中，对区域内基础设施在信息扩散中的作用进行了讨论，并将模糊社会网络分析方法、图论等方法创新性地引入^{[5, 6]}，最终认识到信息交互对信息扩散及其空间模式具有较大影响^[7]。流空间和信息流问题已成为地理网络空间研究的重要组成部分，社交网络人际节点空间关系研究提出的信息扩散近邻效应^{[5, 6]}、微博社会空间下网络信息联系研究提出的距离衰减性和等级差异性^{[8, 9]}，共同支持了基于等级与距离影响的地理学信息扩散理论。

信息空间流动和城市体系关系的研究成果丰硕，具体集中在城市网络的信息地理特征研究，以及城市形态演变和空间组织结构研究两个方面。前者如甄峰等以网络社会空间分析为切入点，发现微博社会空间下我国城市网络层级区分显著，城市网络信息联系强度与城市等级间存在相对一致性，具有明显的距离衰减性和不对称性^[8]。再如杨东等分析了我国城市节点间信息联系通达性的等级特征，发现因信息联系输出和输入不一致，而使传统城市等级间的正向对应关系发生偏转^[10]。后者如Valverde和Ricard通过研究网络理论和城市组织理论的关系后即认为城市在不断发展和演变中需要重建“静脉和动脉”，即内部网络和对外网络，以更好地生存与发展下去^[11]。再如Fusco Girard针对城市体系发展模式的长期可持续性问题，强调其实际执行中不仅取决于立法和技术改进，也取决于价值观与信息文化建设^[12]，并由此确定了一种可能的演变路径和新的开发范式。

在时空结合的研究上，不仅关注了时空自身演变规律也关注了相互转换规律^[13]，如王思思等提出了移动通信的时空转换原理，涉及到空间的时间转换、时间的作用和时空融合等，描述了随时随地在并行的时空间相互切换的行为^[14]。甄峰等基于移动通信技术分析了地理空间与网络信息空间结构的变化，强调时空概念的重新定义，展望了全新时空观的出现及研究范式、方法和内容的变化^[15]。针对一些具体研究问题学者们也较深入地分析了网络使用的时空发展过程及其区域差异，如席广亮等采用京东商城网上购物评论的用户信息数据对网络消费的时空演变趋势和区域联系特征进行了研究，解释了网络消费市场的空间组织关系^[16]。以上时空演变特征及与空间结构的关系研究，揭示了数量规模变化的时间周期性和跳跃性特征，以及空间集聚与扩散并存的特征，推进了对时空演变影响因素及其与城市空间以及消费者行为间关系的认知。

上述研究成果界定了网络空间和现实空间、网络使用者和使用行为、空间节点与空间体系、时间与时间过程、等级关系与距离关系等一系列重要概念，揭示出微博信息快速传播的方式和扩散的特征，为网络舆情事件时空分布研究奠定了认识论基础与方法论基础。但是就微博舆情事件中人际节点间信息分布与扩散而言，其具有怎样的时空分布关系及其不同类型间的特征差异、表现出怎样的扩散规律以及与传统扩散模式相比发生哪些改变、这种表现是否能反映为一种新的时空结构仍值得研究。舆情事件时空分布关系及其地理规则研究，一方面可以尝试解释以上这些理论问题，进而丰富人文地理学的信息扩散理论；另一方面，网络舆情迅速扩散已成为建设网络空间环境所面对的关键问题^[17]，总结其信息扩散时空规律也有助于完善网络空间环境建设，如舆情监督、互联网空间优化、公平信息扩散等。从舆情监督角度看，引起事件发生质变的峰值时间界点和关键空间节点均应成为研究重点^[18]。

为了说明不同类型舆情时空分布的差异性，研究中采用个案分析方式，依据微博用户自带的时空属性统计所有时间数据和地理位置数据论述时空分布关系^[19]。具体以新浪微博转发量为数据源，截取一段时间进行阶段性跟踪，通过评论、转发、“@”、赞等形式，运用百度指数、百度搜索风云榜、Alexa和微博风云榜等专业工具获取不同用户时空相关数据(各时间段转发次数和用户地理位置)，再结合传统地图加入地理实体要素进行舆情时空分布过程和特征解释。

为了较清晰描述微博舆情时空分布特征，研究中具体采用了ArcGIS软件自然断点分类法和空间倾向曲面法，前者能针对微博舆情事件信息空间偏态分布特征，用于实现“信息扩散节点城市”(微博被该城市用户转发的总量)等级划分：将3个微博舆情事件的空间分布数据植入相应城市后，利用ArcGIS软件的“Natural Breaks”功能，形成不同等级信息扩散节点城市空间分布图；后者是一种有效分析中心点的区域影响和要素空间扩散过程的方法，依据距离等值线，在ArcGIS软件支持下，可建构各时间段信息扩散节点城市等级与城市规模、至信息源城市距离的空间倾向图。研究中将微博传播时间分阶段、空间分等级，侧重网络信息空间与地理空间的关联，也关注不同用户的人群特征。

依据舆情差异选择了3类案例的不同用户为研究对象，旨在总结不同微博舆情类型时空分布特征的差异性，进而透视客观存在的地理规则。对4· 20雅安地震事件提取V用户和普通用户两篇微博的转发数据，进而说明重大社会舆情这类常规正向性典型事件的时空分布特征；对凤凰古城收费事件提取企业认证用户和个人认证用户(含微博达人、普通用户)多类型样本数据，进而说明公众生活舆情这类易受特定人群影响而发生变形事件的时空分布特征；对郭某某事件提取一次受众(直接分享“郭某某baby”微博粉丝)和二次受众(事件检索网络用户)基础数据，进而说明网络热点舆情这类娱乐成分较鲜明而空间概念较含糊事件的时空分布特征，特别是距离衰减特征。所有时间和空间数据均是在剔除不完善异常情况后加工整理使用的。

重大社会舆情时间分布特征研究的目的是考察其与传统新闻的一致性。选取4· 20雅安地震事件，在微博搜索栏中输入“雅安地震”对全部相关微博进行搜索并对检索到的微博内容进行高级搜索，统计转发量在1000次以上的微博，在收集到的符合要求微博中，分别从V用户和普通用户中选择转发量居中的微博，即慈善家“陈某某”(11310次)微博和“meaningless_批话多”(4454次)微博(图 1)。

图 1(Fig. 1)

图 1 4·20雅安地震事件V用户和普通用户微博转发量时间分布图 Fig.1 The Time Distribution of Transfer Amount Between V and Ordinary Users' Micro-blog in the Event of 4· 20 Ya'an Earthquake

由图 1可见，V用户和普通用户大部分微博转发量集中在微博发布首日，两条微博第一天转发量各占其总转发量的84.56%和83.86%，，表现为长尾型时间分布特征。重大社会舆情时间分布的这种长尾型扩散规律与袁立庠^[20]、方洁等^[21]曾提出的微博舆情事件爆发性扩散、微博节点原子裂变式扩散的观点是一致的：初期具有极大扩散速度。这种时间分布特征属于一种正向性常规事件的典型情景。

与时间轴对应，重大社会舆情的信息空间分布也应具有典型性。经高级搜索可分别记录转发用户的地理位置(转发用户的所属城市)，从而可按前述的两类用户分别研究其空间分布特征及其与微博转发长尾型时间分布形态的关系^[9]。运用ArcGIS软件自然断点分类方法，依据“微博信息转发到i节点城市的数量/微博转发总量”，在其比值差异相对较大的明显拐点位置处设置分类边界，进行相应信息扩散节点城市等级划分，由大到小分为第一至第三等级(见图 2)。

图 2(Fig. 2)

图 2 4·20雅安地震事件V用户和普通用户信息扩散节点城市空间分布示意图 Fig.2 The Spatial Distribution of Information Diffusion of the City Nodes Between V and Ordinary Users' in the Event of 4·20 Ya'an Earthquake

由图 2可见，两类用户微博信息空间分布均趋向于全国性大城市和事发地大城市，信息扩散强度、节点城市等级、城市数量之间的关系表现为两种趋向：高信息扩散强度—高节点城市等级—低城市数量，低信息扩散强度—低节点城市等级—高城市数量。第一和第二等级节点城市主要为全国性大城市和区域性大城市。前两等级节点城市数量在V用户占6%和15%，在普通用户占8%和13%，但其转发量均占60%以上，且前两等级节点城市均较固定，意味着微博中大部分转发量来自于少数大城市，为主要信息扩散—集聚地；而第三等级节点城市数量大、分布范围广、微博转发量少。其微博信息空间分布在节点城市间呈等级金字塔结构。

对长尾型时间分布与等级金字塔空间分布的关系研究，需要进行分时段的微博转发行为考察。通过3个时段(首日、次日、次日之后)两类用户信息扩散强度与城市数量关系分析以及各个信息扩散节点城市等级转发量统计分析(图 3)可见，信息空间扩散始终集中于少数较高等级节点城市，信息扩散强度等级与城市数量成反比(3个时段3个等级两类用户节点城市数量分别为2、17、280，1、19、232；1、18、169，1、19、161；1、19、86，1、17、59个)，可将这种所有时段均保持金字塔状态的现象称之为“始终金字塔”结构。

图 3(Fig. 3)

图 3 4·20雅安地震事件V用户和普通用户3个时段信息扩散节点城市等级与信息转发量比重 Fig.3 The Proportion of the Information Transfer Amount and Information Diffusion of the Node Cities Between V and Ordinary Users in Three Period in the Event of 4·20 Ya'an Earthquake

以上集中于全国性大城市和事件发生地大城市的微博信息空间分布既反映了城市信息扩散能力也反映了微博用户信息再扩散能力^[22]，人口流出地的微博用户对这种金字塔结构的形成发挥重要作用，微博文本分析显示4· 20雅安地震事件中四川省人口流动对微博信息扩散影响显著^[23]。微博用户个体所具有的地理属性和社会属性作为其微博信息空间分布的基础强化了大城市信息集聚。

公众生活舆情的时间分布特征因参与者众多、参与行为复杂且大多具有“地方性”需求(如该案例的本地居民和外地游客)而可能与前者有所不同，选取凤凰古城收费事件，使用前述的专业工具和资料处理方法获取事件微博转发量数据生成图 4。

图 4(Fig. 4)

图 4 凤凰古城收费事件参与者微博转发量时间分布图 Fig.4 The Time Distribution of Micro-blog Transfer Amount Among Participants in the Event of Charging in Phoenix Town

由图 4可以看出其时间过程经历政府、受众、传统媒体和意见领袖的共同作用。曾有诸多学者系统提出多因素影响的公共生活舆情发展过程，如Singer和Endreny曾论述媒体在舆情危机事件发生时的作用^[24]；谢科范等^[25]曾针对公众生活舆情中大众效应较强且阶段性较明显的特点^[26]，对其传播模式进行过时间阶段划分，概括出媒体初级传播阶段、非正式组织群体传播阶段和大众传播阶段。对本案例而言，公众生活舆情整体时间走势呈现一种山峰型时间分布。体现出以微博和传统媒体为主导、新闻和门户网站及线下受众相互作用、由意见领袖发布微博引爆巨大转发量的扩散转变机制。

针对以上特点，公共生活舆情的时间分析应主要集中于不同用户的表现。选取企业认证、个人认证、微博达人和普通用户4类各5名微博用户为样本，分别统计每个用户的时间转发量(图 5)可见，其时间分布表现出逐步加强的走势并与微博信息发布时间、信息转发持续时间有关。企业认证用户的时间表现较个人认证用户(包括微博达人、普通用户)为早。这种微博预热—传统媒体预热—微博热议—门户网站专题报道/传统媒体报道的传播链关系，使其微博转发量的时间分布不同于重大社会舆情的急性特征，而是表现为一种引发、预热、爆发、蔓延、消退的演变形式。

图 5(Fig. 5)

图 5 凤凰古城收费事件不同用户微博转发时间与微博转发量关系图 Fig.5 The Relationship of Transfer Time and Transfer Amount Among Different Micro-blog Users in the Event of Charging in Phoenix Town

依据公众生活舆情山峰型时间分布特征说明微博舆情的空间扩散过程也需要分开这5个时段去描绘。同上将微博转发者数量构成的信息扩散节点城市分为3个等级并构建不同时段的空间分布图。

由图 6可见，在不同时段由各等级节点城市数量反映的信息扩散存在伸缩(增—减)变化。引发期信息扩散节点城市数量较少且集中于全国性大城市和事件发生地大城市；预热、爆发和蔓延期因意见领袖出现使信息空间分布范围扩大、节点城市数量增多，且较高等级信息扩散节点城市在前期转发量较高的省份继续增加；向消退期过渡时信息扩散空间范围缩小但在事件发生地及周边省份信息扩散节点城市数量仍较多。整个伸缩过程中始终反映出城市等级作用，与前一个事件相同参与信息转发的高等级信息扩散节点城市仍具有较强的信息集聚功能。事件发生地与周边省份对事件的高关注度与事件相关者的自身权益有关，即公共生活舆情的微博空间分布具有一定的地方性覆盖特点。由上可见，公众生活舆情的空间分布与时间特征相对应表现为一种具有范围伸缩的城市等级“始终金字塔”结构，微博空间分布仍遵守等级模式。

图 6(Fig. 6)

图 6 凤凰古城收费事件引发、预热、爆发、蔓延、消退期信息扩散节点城市空间分布示意图 Fig.6 The Spatial Distribution of Information Diffusion of Triggered, Preheating, Outbreak, Spread, Fading Time Among Node Cities in the Event of Charging in Phoenix Town

网络热点舆情这一类娱乐性微博信息与前两类舆情的时间分布相比必然有较长阶段的延续。基于信息源“郭某某baby”新浪微博受众获得一次受众资料；选取郭某某事件最高等级词频的郭某某、郭某某baby、郭某某炫富事件、红十字会郭某某事件、郭某某不雅照5个关键词，利用百度指数实现二次受众基础数据构建，在生成时间与词语含义上层层递进串联事件发展过程(图 7)。鉴于受关注时间较前一个案例更长故需分别记录事件引发阶段(2010年12月至2011年6月)、事件形成阶段(2011年6月至2013年5月)、再次事件阶段(2013年5月至2013年7月) 3个时段的微博信息转发量并概括时间分布特征。

图 7(Fig. 7)

图 7 郭某某事件一、二次受众两类用户微博转发量事件分布图 Fig.7 The Time Distribution of Micro-Blog Transfer Amount Between the Firstly and Secondly Audience in the Event of Guo

与前面的长尾型和山峰型时间分布不同，网络热点舆情一、二次受众微博转发量均表现出峰谷相间的波浪型分布特征，细致比较各时段两类受众的转发量峰谷值可知，二次受众的波浪更明显，尤其是在事件引发阶段和再次事件阶段所表现出的波浪循环态势更明显，受众波谷值变化反映出信息时间分布具有一次受众—二次受众的次序关系。

网络热点舆情空间分布研究中，还特别需要考察其是否仍然体现地理性问题。为此，需对信息扩散节点城市等级(同上划分为3级，图 8)与“至信息源城市(北京)距离”并结合城市规模(据中国中小城市发展报告(2010)分为6等)建构空间倾向图。根据分级结果绘出受众所在城市至信息源城市(北京)距离的由近及远7条等值线，分别将城市规模以数字(规模由大到小为1到6)表示在图上，通过对3个时段和整个时段一、二次受众的空间化抽象表达，可以描述网络热点舆情信息扩散节点城市等级与城市规模、“至信息源城市(北京)距离”的空间关系(图 9)。

图 8(Fig. 8)

图 8 郭某某事件一、二次受众整个时段信息空间分布示意图 Fig.8 The Spatial Distribution of Information Between the Firstly and Secondly Audience Throughout the Period in the Event of Guo

图 9(Fig. 9)

图 9 郭某某事件一、二次受众各时段信息扩散节点城市等级与城市规模、至信息源城市距离的空间倾向图 Fig.9 The Space Tendency of Information Diffusion of Node Cities Level, City Scale and the Source Cities Between the Firstly and Secondly Audience at Different Period in the Event of Guo

通过信息扩散节点城市等级与城市规模相关分析可见：各时段信息空间分布均表现出随距离增加一级和二级节点城市数量减少、在较远距离等值线上一级或二级节点城市主要为规模较大城市的等级扩散特征。具体而言，一次受众整个时段信息空间分布表现为：随距离增加一级和二级节点城市递减(一级节点城市主要由前两等构成，二级节点城市主要由前三等构成，三级节点城市主要由第六等构成)，大城市集聚作用明显；二次受众整个时段在7条距离等值线上均存在多个一级或二级节点城市，进一步体现了大城市集聚作用。结合各时段3级和6等的数量关系可见，热点舆情事件信息空间分布也表现为集中于大城市的“始终金字塔”结构。各时段一次受众受城市规模因素影响更突出，在此可从区域引力和距离摩擦要素解释信息分布与城市规模的关系。比较以上3类舆情事件的信息扩散节点城市数量和等级关系可见，尽管较长周期网络事件的信息空间扩展性强于较短周期突发性事件，也产生了更多信息扩散城市和高密度区域，但其“始终金字塔”结构是稳定的。

在网络热点舆情这类地理性较弱的信息扩散中距离衰减问题尤其值得研究。通过对信息扩散节点城市等级与“至信息源城市(北京)距离”两要素相关分析可见：一次受众在事件形成阶段呈高度相关，再次事件阶段相关程度大幅下降，表明信息空间分布的金字塔特征在强化；而二次受众在事件引发阶段呈中度相关，事件形成阶段和再次事件阶段呈高度相关，表明信息空间分布的等级金字塔特征在弱化。可见，距离摩擦阻尼效应仍然影响网络空间的信息扩散并与城市规模效应共同发挥作用。该事件的一次和二次受众的信息空间扩散均表现为城市规模与距离要素共同作用下的等级金字塔结构。

选用多类型微博舆情案例，对接研究信息时间分布和空间分布两大系统，能较准确揭示其时空关系的差异性及其客观存在的地理规则。研究发现：3类网络舆情事件表现出不同的时间分布特征和相似的空间分布特征。重大社会舆情具有长尾型时间分布特征，与时间轴对应的空间分布呈现出信息扩散节点城市等级的“始终金字塔”结构。公共生活舆情具有山峰型时间分布特征，空间分布上在事件发展各阶段均趋向于高等级信息扩散节点城市，表现出信息扩散节点城市等级在范围伸缩基础上的“始终金字塔”结构。网络热点舆情具有波浪型时间分布特征，空间分布上的“始终金字塔”结构与距离影响并存。总体上，在时间基础上的空间分布均表现为信息扩散节点城市等级的“始终金字塔”结构。基于时间轴的网络信息空间扩散的地理规则是城市规模效应主导并与距离摩擦效应共同发挥作用。此外，网络舆情事件时空分布研究还显现出多种人本因素作用：微博用户类型及参与程度是信息时空分布的重要因素，微博用户的人际地域关系影响微博信息空间分布，致使信息扩散在事件相关区域大城市表现明显。

网络舆情时空分布研究展现出了信息扩散等级结构的特征以及信息交互过程的影响，但应用微博信息研究时空分布与扩散问题尚存在一定缺陷和不足，主要在于研究数据随用户量变化不断更新且更新过的数据很难找回，加之微博搜索工具限制致使每次数据搜索结果也并不完全一致，微博数据存在人为删除现象，在采集数据过程中一些无效数据的处理也限制了微博数据的精确使用。以后的研究中仍面临更全面更精确数据统计的挑战。