国际冲突网络与国际航空网络的时空演化与关联分析

邢玲丽; 秦昆; 刘东海; 喻雪松; 梁天祺; 乔治浩

doi:10.13203/j.whugis20240475

您当前的位置：

首页 >

文章列表页 >

国际冲突网络与国际航空网络的时空演化与关联分析

数智时代的社会遥感地理计算 | 更新时间：2026-11-05

- 国际冲突网络与国际航空网络的时空演化与关联分析
- Spatio-temporal Evolution and Association Analysis Between International Conflict Network and International Aviation Network
- 武汉大学学报（信息科学版） 2026年51卷第1期页码：126-144
- 作者机构：
  
  武汉大学遥感信息工程学院，湖北武汉，430079
- 作者简介：
  
  邢玲丽，硕士生，主要从事全球尺度地理多元流的网络化挖掘分析研究。xingll@whu.edu.cn
  秦昆，博士，教授。qink@whu.edu.cn
- 基金信息：
  
  国家自然科学基金(42171448);中央高校基本科研业务费专项资金(2042024kf0005);国家社科重大项目(21&ZD332)
- DOI：10.13203/j.whugis20240475
  中图分类号： P208
- 收稿：2025-10-10，
  
  纸质出版：2026-01-05
- 稿件说明：
移动端阅览
邢玲丽,秦昆,刘东海，等.国际冲突网络与国际航空网络的时空演化与关联分析[J].武汉大学学报（信息科学版）,2026,51(1):126-144.

XING Lingli,QIN Kun,LIU Donghai,et al.Spatio-temporal Evolution and Association Analysis Between International Conflict Network and International Aviation Network[J].Geomatics and Information Science of Wuhan University,2026,51(1):126-144.
邢玲丽,秦昆,刘东海，等.国际冲突网络与国际航空网络的时空演化与关联分析[J].武汉大学学报（信息科学版）,2026,51(1):126-144. DOI：10.13203/j.whugis20240475

XING Lingli,QIN Kun,LIU Donghai,et al.Spatio-temporal Evolution and Association Analysis Between International Conflict Network and International Aviation Network[J].Geomatics and Information Science of Wuhan University,2026,51(1):126-144. DOI：10.13203/j.whugis20240475

摘要

为了解构地缘政治冲击下全球系统的演化路径，剖析系统内部的耦合关系，构建了顾及时空特征的“复杂网络-关联分析”集成分析框架。首先构建国际冲突网络（international conflict network，ICN）和国际航空网络（international aviation network，IAN），然后融合复杂网络与非线性时间序列分析方法，对两种网络进行时空演化分析与关联分析，进而揭示特殊国际事件背景下地理多元流网络的时空演化规律，并剖析不同主题网络的关联性。结果表明：（1）两种网络对特殊国际事件的响应模式不同：ICN对特殊事件较为敏感，预警性较强；IAN表现出拓扑韧性。（2）以事件主体为核心的局部子网呈现相反的演化趋势：ICN子网逐渐繁荣，IAN子网逐渐凋敝。（3）因果分析实证结果表明，关键节点在双网系统中呈现非对称双向因果特征。

Abstract

Objectives

The international conflict network (ICN) reflects geopolitical conflicts manifested through news interactions among countries or regions. While the international aviation network (IAN) mirrors aviation relationships between countries or regions. We aim to reveal the spatial-temporal evolution of ICN and IAN

and further analyze the correlation between the two networks.

Methods

First

we utilize data from the global database of event language and tone and the official aviation guide of 2022. Then

we extract time-series data on news conflicts and air traffic in this year. The conflict between Russia and Ukraine in 2022 is a typical international emergency

with far-reaching impacts on the evolution of international relations. We construct the ICN and IAN respectively based on the different phases of the development of this event

so as to reveal the dynamic characteristics and association between the two networks. Specifically

the geometrically mapping inspired multivariate changepoint detection algorithm is used to define the various phases of the development of the special international event. On this basis

we employ heatmap technology to analyze the spatiotemporal evolution of network hotspots. From both global and local perspectives

we utilize correlation analysis methods including Jaccard similarity and correlation coefficients

as well as causal analysis methods including convergent cross mapping (CCM) and extended CCM (ECCM)

to reveal the association between the two networks.

Results

(1) The response patterns of the two networks to the special international event exhibit significant heterogeneity. The ICN is relatively sensitive to the special international event

with its hotspots gradually concentrating in Russia

Ukraine

Palestine and Israel. The IAN demonstrates topological resilience

with its hotspots consistently anchoring in Europe

North America

and the United Arab Emirates. (2) The evolving trends of local subnets centered on the special international event entities effectively reflect changes induced by the conflict. The two subnets demonstrate contrasting evolutionary patterns. The ICN subnet progressively expands

with its peak node count growing to 204.35% and peak edge count to 273.77% of pre-conflict levels. While the IAN subnet gradually contracts

decreasing to 82.67% of original nodes and 61.40% of edges. (3) Compared to traditional correlation-based network analysis methods

the causal inference framework enhances time-series analysis of complex networks.Traditional correlation metrics struggle to capture the evolution characteristics of the ICN and IAN

which are driven by nonlinear dynamic mechanisms. In contrast

the empirical dynamic modeling-based CCM and ECCM causal analysis frameworks

requiring no model equations

prove more suitable for complex network association analysis. (4) Causal analysis reveals asymmetric bidirectional causal relationships between key nodes. For example

the causal effect of Russia's international conflict intensity on international aviation intensity is 0.3

while the reverse causal effect is 0.7. This suggests that geopolitical conflict information has a limited impact on Russia's international aviation industry

but Russia's aviation crisis strongly influences its international public image. Notably

CCM requires no lag-time specification

while ECCM is better suited for detecting fixed-lag causal relationships.

Conclusions

We integrate complex network analysis with nonlinear time-series analysis to establish a "dynamic coupled network-association analysis" framework to reveal the global system evolution under geopolitical shocks. The revealed ICN-IAN evolutionary patterns under the special international event hold significant decision-making value for international conflict early warning and resilience governance of aviation networks.

关键词

Keywords

references

秦昆，许凯，吴涛，等 . 智能空间信息处理与时空大数据分析探索［J］. 地理空间信息， 2022 ， 20 （ 12 ）： 1 - 11 .

QIN Kun ， XU Kai ， WU Tao ， et al . Intelligent Spatial Information Processing and Spatio-temporal Big Data Analysis Exploration ［J］. Geospatial Information ， 2022 ， 20 （ 12 ）： 1 - 11 .

秦昆，罗萍，姚博睿 . GDELT数据网络化挖掘与国际关系分析［J］. 地球信息科学学报， 2019 ， 21 （ 1 ）： 14 - 24 .

QIN Kun ， LUO Ping ， YAO Borui . Networked Mining of GDELT and International Relations Analysis ［J］. Journal of Geo‑Information Science ， 2019 ， 21 （ 1 ）： 14 - 24 .

LIU D H ， YANG Z W ， QIN K ， et al . Spatial-Temporal Analysis of the International Trade Network ［J］. Geo‑spatial Information Science ， 2025 ， 28 （ 5 ）： 2567 - 2595 .

王增利，刘学军，陆娟，等 . 犯罪网络构建及其时空分析：以入室盗窃为例［J］. 武汉大学学报（信息科学版）， 2018 ， 43 （ 5 ）： 759 - 765 .

WANG Zengli ， LIU Xuejun ， LU Juan ， et al . Construction and Spatial‑Temporal Analysis of Crime Network： A Case Study on Burglary ［J］. Geomatics and Information Science of Wuhan University ， 2018 ， 43 （ 5 ）： 759 - 765 .

BARNETT G A ， NAM Y . A Network Analysis of International Migration： Longitudinal Trends and Antecedent Factors Predicting Migration ［J］. Global Networks ， 2024 ， 24 （ 2 ）： e12455 .

AZZAM M ， KLINGAUF U ， ZOCK A . The Accelerated Growth of the Worldwide Air Transportation Network ［J］. The European Physical Journal Special Topics ， 2013 ， 215 （ 1 ）： 35 - 48 .

秦昆，喻雪松，周扬，等 . 全球尺度地理多元流的网络化挖掘及关联分析研究［J］. 地球信息科学学报， 2022 ， 24 （ 10 ）： 1911 - 1924 .

QIN Kun ， YU Xuesong ， ZHOU Yang ， et al . Networked Mining and Association Analysis of Geographical Multiple Flows at a Global Scale ［J］. Journal of Geo‑Information Science ， 2022 ， 24 （ 10 ）： 1911 - 1924 .

BARABASI A ， ALBERT R . Emergence of Scaling in Random Networks ［J］. Science ， 1999 ， 286 （ 5439 ）： 509 - 512 .

WATTS D J ， STROGATZ S H . Collective Dynamics of ‘Small‑World’ Networks ［J］. Nature ， 1998 ， 393 （ 6684 ）： 440 - 442 .

栾学晨，杨必胜，张云菲 . 城市道路复杂网络结构化等级分析［J］. 武汉大学学报（信息科学版）， 2012 ， 37 （ 6 ）： 728 - 732 .

LUAN Xuechen ， YANG Bisheng ， ZHANG Yunfei . Structural Hierarchy Analysis of Streets Based on Complex Network Theory ［J］. Geomatics and Information Science of Wuhan University ， 2012 ， 37 （ 6 ）： 728 - 732 .

万幼，刘耀林 . 基于地理加权中心节点距离的网络社区发现算法［J］. 武汉大学学报（信息科学版）， 2019 ， 44 （ 10 ）： 1545 - 1552 .

WAN You ， LIU Yaolin . Community Detection Algorithm Based on Geographical Weighted Central Node Distance ［J］. Geomatics and Information Science of Wuhan University ， 2019 ， 44 （ 10 ）： 1545 - 1552 .

GAVINA M K A ， TAHARA T ， TAINAKA K I ， et al . Multi‑species Coexistence in Lotka‑Volterra Competitive Systems with Crowding Effects ［J］. Scientific Reports ， 2018 ， 8 ： 1198 .

LIU P Y ， WU B L ， HU Y F ， et al . TimeBridge： Non‑stationarity Matters for Long‑Term Time Series Forecasting ［EB/OL］. （ 2024-10-06 ）［ 2025-04-08 ］. https：//arxiv.org/abs/2410.04442 https://arxiv.org/abs/2410.04442 .

ELSEIDI M . Forecasting Temperature Data with Complex Seasonality Using Time Series Methods ［J］. Modeling Earth Systems and Environment ， 2023 ， 9 （ 2 ）： 2553 - 2567 .

梁文娟，李雪艳 . 基于ARIMA、LS-SVM和BP神经网络组合模型的航空运输飞行事故征候预测［J］. 安全与环境工程， 2018 ， 25 （ 1 ）： 130 - 136 .

LIANG Wenjuan ， LI Xueyan . Flight Incidents Prediction of Air Transportation Based on the Combined Model of ARIMA， LS‑SVM and BPNN ［J］. Safety and Environmental Engineering ， 2018 ， 25 （ 1 ）： 130 - 136 .

JAFARIZADEH S . Convergence Speed and Robustness Analysis of Epidemic Spreading Processes with Time‑Delay ［J］. IEEE Transactions on Network Science and Engineering ， 2023 ， 10 （ 6 ）： 3818 - 3833 .

SUN Y M ， WANG X Y ， ZHANG C ， et al . Multiple Regression： Methodology and Applications ［J］. Highlights in Science， Engineering and Technology ， 2023 ， 49 ： 542 - 548 .

RYAN O ， HASLBECK J M B ， WALDORP L J . Non-stationarity in Time‑Series Analysis： Modeling Stochastic and Deterministic Trends ［J］. Multivariate Behavioral Research ， 2025 ， 60 （ 3 ）： 556 - 588 .

LING X ， HUA B ， GUO N ， et al . Synchronization in Multilayer Networks Through Different Coupling Mechanisms ［J］. Chinese Physics B ， 2022 ， 31 （ 4 ）： 048901 .

王伟，李文杰，李佳晨，等 . 基于社交信息扩散的网络传染病传播防控研究［J］. 重庆医科大学学报， 2023 ， 48 （ 12 ）： 1393 - 1400 .

WANG Wei ， LI Wenjie ， LI Jiachen ， et al . Research on Prevention and Control of Network Infectious Diseases Based on Social Information Diffusion ［J］. Journal of Chongqing Medical University ， 2023 ， 48 （ 12 ）： 1393 - 1400 .

郑德铭，李思佳，郑健龙，等 . 跨社交平台耦合网络舆情传播建模与仿真研究［J］. 农业图书情报学报， 2024 ， 36 （ 8 ）： 69 - 81 .

ZHENG Deming ， LI Sijia ， ZHENG Jianlong ， et al . Modeling and Simulation of Coupled Network Public Opinion Propagation Across Social Media Platforms ［J］. Journal of Library and Information Science in Agriculture ， 2024 ， 36 （ 8 ）： 69 - 81 .

石磊，白永亮 . 要素集聚扩散、空间网络演变与城市功能定位：来自长江经济带108个城市数据的经验证据［J］. 区域经济评论， 2022 （ 3 ）： 107 - 117 .

SHI Lei ， BAI Yongliang . Factor Agglomeration and Diffusion， Spatial Network Evolution and Urban Function Orientation： Empirical Evidence from 108 Cities in the Yangtze River Economic Belt ［J］. Regional Economic Review ， 2022 （ 3 ）： 107 - 117 .

罗杭，李博轩 . 国际结构分析与国家权力测量：基于大数据的网络分析［J］. 世界经济与政治， 2021 （ 6 ）： 48 - 82 .

LUO Hang ， LI Boxuan . International Structure Analysis and National Power Measurement： International Relations Network Analysis Based on Big Data ［J］. World Economics and Politics ， 2021 （ 6 ）： 48 - 82 .

SADA S ， OIKAWA K ， IWASAKI F ， et al . International Cooperation Analysis of Asian Political Distance Network Constructed Using Event Data ［J］. Frontiers in Physics ， 2022 ， 10 ： 1007796 .

吴宜耽，孙宏，张培文，等 . 全球国际航空网络结构的复杂性及其社团特征［J］. 中山大学学报（自然科学版）（中英文）， 2022 ， 61 （ 5 ）： 22 - 30 .

WU Yidan ， SUN Hong ， ZHANG Peiwen ， et al . On the Structural Complexity and Community Characteristics of Global International Aviation Network ［J］. Acta Scientiarum Naturalium Universitatis Sunyatseni ， 2022 ， 61 （ 5 ）： 22 - 30 .

YUAN Y H ， LIU Y ， WEI G X . Exploring Inter-Country Connection in Mass Media： A Case Study of China ［J］. Computers， Environment and Urban Systems ， 2017 ， 62 ： 86 - 96 .

王帮娟，刘承良 . 航空网络结构和组织模式的演变：中美欧的比较分析［J］. 地理研究， 2024 ， 43 （ 1 ）： 66 - 85 .

WANG Bangjuan ， LIU Chengliang . Evolution of Airline Network Structure and Organizational Model： A Comparative Analysis Between China， America， and Europe ［J］. Geographical Research ， 2024 ， 43 （ 1 ）： 66 - 85 .

秦昆，张凯，阮建平，等 . 国际航空网络与国际关系网络的特征提取及关联分析［J］. 同济大学学报（自然科学版）， 2023 ， 51 （ 7 ）： 986 - 993 .

QIN Kun ， ZHANG Kai ， RUAN Jianping ， et al . Association Analysis and Feature Extraction of International Aviation Network and International Relation Network ［J］. Journal of Tongji University （Natural Science）， 2023 ， 51 （ 7 ）： 986 - 993 .

VERMA T ， RUSSMANN F ， ARAÚJO N A M ， et al . Emergence of Core‑Peripheries in Networks ［J］. Nature Communications ， 2016 ， 7 ： 10441 .

ZOU L ， REYNOLDS-FEIGHAN A ， YU C Y . Airline Seasonality： An Explorative Analysis of Major Low‑Cost Carriers in Europe and the United States ［J］. Journal of Air Transport Management ， 2022 ， 105 ： 102272 .

CHU C ， ZHANG H C ， ZHANG J Y ， et al . Assessing Impacts of the Russia‑Ukraine Conflict on Global Air Transportation： From the View of Mass Flight Trajectories ［J］. Journal of Air Transport Management ， 2024 ， 115 ： 102522 .

赵鹏军，赵桐，张梦竹，等 . 俄乌冲突背景下“一带一路”沿线原油海运网络结构特征及变化分析［J］. 热带地理， 2024 ， 44 （ 5 ）： 820 - 837 .

ZHAO Pengjun ， ZHAO Tong ， ZHANG Mengzhu ， et al . Structural Characteristics and Changes of Crude Oil Shipping Network Along the Belt and Road in the Context of the Russia‑Ukraine Conflict ［J］. Tropical Geography ， 2024 ， 44 （ 5 ）： 820 - 837 .

崔守军，杨宇 . 俄罗斯与乌克兰冲突的地缘政治渊源与地缘战略逻辑［J］. 地理研究， 2022 ， 41 （ 8 ）： 2065 - 2075 .

CUI Shoujun ， YANG Yu . The Geopolitical Origins and Geostrategic Logics of Russia‑Ukraine Conflict ［J］. Geographical Research ， 2022 ， 41 （ 8 ）： 2065 - 2075 .

梁晶，龚奕境，陈伟 . 基于WSR方法论的俄乌冲突对我国航运业影响分析［J］. 重庆交通大学学报（社会科学版）， 2023 ， 23 （ 1 ）： 51 - 59 .

LIANG Jing ， GONG Yijing ， CHEN Wei . Analysis of the Impact of Russia‑Ukraine Conflict on Chinese Shipping Industry Based on WSR Methodology ［J］. Journal of Chongqing Jiaotong University （Social Sciences Edition）， 2023 ， 23 （ 1 ）： 51 - 59 .

董政呈，方彦军，田猛 . 相互依存网络抗毁性研究综述［J］. 复杂系统与复杂性科学， 2017 ， 14 （ 3 ）： 30 - 44 .

DONG Zhengcheng ， FANG Yanjun ， TIAN Meng . Review on Invulnerability of Interdependent Networks ［J］. Complex Systems and Complexity Science ， 2017 ， 14 （ 3 ）： 30 - 44 .

ALTMAN N ， KRZYWINSKI M . Association， Correlation and Causation ［J］. Nature Methods ， 2015 ， 12 （ 10 ）： 899 - 900 .

盖晓平，王冬青，赵喜兰，等 . 利用概率统计特性的保护告警信息特征降维方法［J］. 电网技术， 2021 ， 45 （ 5 ）： 2017 - 2024 .

GAI Xiaoping ， WANG Dongqing ， ZHAO Xilan ， et al . Feature Reduction Method for Alarm Information Protection with Probability Statistical Characteristics ［J］. Power System Technology ， 2021 ， 45 （ 5 ）： 2017 - 2024 .

SPEARMAN C . The Proof and Measurement of Association Between Two Things ［J］. The American Journal of Psychology ， 1987 ， 100 （ 3/4 ）： 441 - 471 .

KARL P . LIII. on Lines and Planes of Closest Fit to Systems of Points in Space ［J］. The London， Edinburgh， and Dublin Philosophical Magazine and Journal of Science ， 1901 ， 2 （ 11 ）： 559 - 572 .

NIWATTANAKUL S ， SINGTHONGCHAI J ， NAENUDORN E ， et al . Using of Jaccard Coefficient for Keywords Similarity ［C］// International Conference on Internet Computing and Web Services ， Hong Kong， China ， 2013 .

高国华，潘英丽 . 基于资产负债表关联的银行系统性风险研究［J］. 管理工程学报， 2012 ， 26 （ 4 ）： 162 - 168 .

GAO Guohua ， PAN Yingli . Financial Interlinkages and Contagion Risk in the Interbank Market in China ［J］. Journal of Industrial Engineering and Engineering Management ， 2012 ， 26 （ 4 ）： 162 - 168 .

刘华军，刘传明，孙亚男 . 中国能源消费的空间关联网络结构特征及其效应研究［J］. 中国工业经济， 2015 （ 5 ）： 83 - 95 .

LIU Huajun ， LIU Chuanming ， SUN Ya’nan . Spatial Correlation Network Structure of Energy Consumption and Its Effect in China ［J］. China Industrial Economics ， 2015 （ 5 ）： 83 - 95 .

CHEUNG T K Y ， WONG C W H ， ZHANG A M . The Evolution of Aviation Network： Global Airport Connectivity Index 2006—2016 ［J］. Transportation Research Part E： Logistics and Transportation Review ， 2020 ， 133 ： 101826 .

SHOJAIE A ， FOX E B . Granger Causality： A Review and Recent Advances ［J］. Annual Review of Statistics and Its Application ， 2022 ， 9 （ 1 ）： 289 - 319 .

PEARL J . An Introduction to Causal Inference ［J］. The International Journal of Biostatistics ， 2010 ， 6 （ 2 ）： 7 .

PEARL J . Causal Diagrams for Empirical Research （with Discussions）［M］//GEFFNER H， DECHTER R， HALPERN J Y. Probabilistic and Causal Inference . New York ： Association for Computing Machinery ， 2022 ： 255 - 316 .

SUGIHARA G ， MAY R ， YE H ， et al . Detecting Causality in Complex Ecosystems ［J］. Science ， 2012 ， 338 （ 6106 ）： 496 - 500 .

YE H ， DEYLE E R ， GILARRANZ L J ， et al . Distinguishing Time‑Delayed Causal Interactions Using Convergent Cross Mapping ［J］. Scientific Reports ， 2015 ， 5 ： 14750 .

CLARK A T ， YE H ， ISBELL F ， et al . Spatial Convergent Cross Mapping to Detect Causal Relationships from Short Time Series ［J］. Ecology ， 2015 ， 96 （ 5 ）： 1174 - 1181 .

GAO B B ， YANG J Y ， CHEN Z Y ， et al . Causal Inference from Cross‑Sectional Earth System Data with Geographical Convergent Cross Mapping ［J］. Nature Communications ， 2023 ， 14 ： 5875 .

沈石，宋长青，程昌秀，等 . GDELT：感知全球社会动态的事件大数据［J］. 世界地理研究， 2020 ， 29 （ 1 ）： 71 - 76 .

SHEN Shi ， SONG Changqing ， CHENG Changxiu ， et al . GDELT： Big Event Data for Sensing Global Social Dynamics ［J］. World Regional Studies ， 2020 ， 29 （ 1 ）： 71 - 76 .

GOLDSTEIN J S . A Conflict‑Cooperation Scale for WEIS Events Data ［J］. The Journal of Conflict Resolution ， 1992 ， 36 （ 2 ）： 369 - 385 .

GRUNDY T ， KILLICK R ， MIHAYLOV G . High-Dimensional Changepoint Detection via a Geometrically Inspired Mapping ［J］. Statistics and Computing ， 2020 ， 30 （ 4 ）： 1155 - 1166 .

KILLICK R ， FEARNHEAD P ， ECKLEY I A . Optimal Detection of Changepoints with a Linear Computational Cost ［J］. Journal of the American Statistical Association ， 2012 ， 107 （ 500 ）： 1590 - 1598 .

几何映射多元变点发现算法的思路即参数选择策略［EB/OL］. （ 2023-06-15 ）［ 2024-12-15 ］. https：//blog.csdn.net/materX/article/details/148658112 https://blog.csdn.net/materX/article/details/148658112 .

The Idea and Parameter Selection Strategy of Geometrically Mapping Inspired Multivariate Changepoint Detection ［EB/OL］. （ 2023-06-15 ）［ 2024-12-15 ］. https：//blog.csdn.net/materX/article/details/148658112 https://blog.csdn.net/materX/article/details/148658112 .

NOAKES L . The Takens Embedding Theorem ［J］. International Journal of Bifurcation and Chaos ， 1991 ， 1 （ 4 ）： 867 - 872 .

DEYLE E R ， SUGIHARA G . Generalized Theorems for Nonlinear State Space Reconstruction ［J］. PLoS One ， 2011 ， 6 （ 3 ）： e18295 .

SUGIHARA G ， MAY R M . Nonlinear Forecasting as a Way of Distinguishing Chaos from Measurement Error in Time Series ［J］. Nature ， 1990 ， 344 （ 6268 ）： 734 - 741 .

央视网 . 美媒：拜登告诉西方盟友，俄罗斯可能在 2 月 16 日“入侵”乌克兰［EB/OL］. （ 2022-02-12 ）［ 2023-06-18 ］. https：//news.cctv.com/2022/02/12/ARTIpHvNbFFDIUguKCCRMvDz220212.shtml https://news.cctv.com/2022/02/12/ARTIpHvNbFFDIUguKCCRMvDz220212.shtml .

China Central Television Network . US Media： Biden Tells Western Allies That Russia May “Invade” Ukraine on February 16 ［EB/OL］. （ 2022-02-12 ）［ 2023-06-18 ］. https：//news.cctv.com/2022/02/12/ARTIpHvNbFFDIUguKCCRMvDz22 https://news.cctv.com/2022/02/12/ARTIpHvNbFFDIUguKCCRMvDz22

0212. shtml .

新华网 . 新闻背景：乌克兰局势发展时间线［EB/OL］. （ 2022-02-22 ）［ 2023-04-15 ］. http：//news.cn/world/2022-02/22/c_1128406953.htm http://news.cn/world/2022-02/22/c_1128406953.htm .

Xinhua Network . News Background： Timeline of Developments in the Ukraine Crisis ［EB/OL］. （ 2022-02-22 ）［ 2023-04-15 ］. http：//news.cn/world/2022-02/22/c_1128406953.htm http://news.cn/world/2022-02/22/c_1128406953.htm .

中国国防报 . 信息泄露，英承认向乌提供武器［EB/OL］. （ 2022-01-26 ）［ 2024-05-06 ］. http：//m.people.cn/n4/2022/0126/c24-15414173.html http://m.people.cn/n4/2022/0126/c24-15414173.html .

China National Defense News . Information Leak： UK Admits to Supplying Weapons to Ukraine ［EB/OL］. （ 2022-01-26 ）［ 2024-05-06 ］. http：//m.people.cn/n4/2022/0126/c24-15414173.html http://m.people.cn/n4/2022/0126/c24-15414173.html .

中国民航网 . 国际航协：俄乌冲突尚未显著影响国际航空业［EB/OL］. （ 2022-04-02 ）［ 2023-08-17 ］. http：//www.caacnews.com.cn/1/88/202204/t202 http://www.caacnews.com.cn/1/88/202204/t202

20402 _ 1342185 . html .

China Civil Aviation Network . IATA： The Conflict Between Russia and Ukraine Has not Significantly Affected the International Aviation Industry . ［EB/OL］. （ 2022-04-02 ）［ 2023-08-17 ］. http：//www.caacnews.com.cn/1/88/202204/t20220402_1342185.html http://www.caacnews.com.cn/1/88/202204/t20220402_1342185.html .

IATA . The Impact of the War in Ukraine on the Aviation Industry ［EB/OL］. （ 2022-03-25 ）［ 2024-12-26 ］. https：//www.iata.org/en/iata-repository/publications/economic-reports/the-impact-of-the-conflict-between-russia-and-ukraine-on-aviation/ https://www.iata.org/en/iata-repository/publications/economic-reports/the-impact-of-the-conflict-between-russia-and-ukraine-on-aviation/ .

CHEN Z Y ， XU M Q ， GAO B B ， et al . Causation Inference in Complicated Atmospheric Environment ［J］. Environmental Pollution ， 2022 ， 303 ： 119057 .

中国新闻网 . 俄乌局势进展：俄称两个军用机场遭乌无人机袭击乌关键基础设施遭打击［EB/OL］. （ 2022-12-06 ）［ 2023-12-21 ］. https：//www.china https://www.china

news . com . cn/m/gj / 2022 /12- 06 / 9909508 .shtml.

China News Service Online . Progress in the Situation Between Russia and Ukraine： Russia Said Two Military Airports Were Attacked by Ukrainian Drones and Key Infrastructure of Ukraine Was Hit ［EB/OL］. （ 2022-12-06 ）［ 2023-12-21 ］. https：//www.chinanews.com.cn/m/gj/2022/12-06/9909508.shtml https://www.chinanews.com.cn/m/gj/2022/12-06/9909508.shtml .

AALTO P . Russian Energy Diplomacy ［M］//TIESS G， MAJUMDER T， CAMERON P， et al. Encyclopedia of Mineral and Energy Policy . Heidelberg ： Springer ， 2023 ： 1 – 5 .

CHEN Y Y ， JIANG J X ， WANG L ， et al . Impact Assessment of Energy Sanctions in Geo-Conflict： Russian-Ukrainian War ［J］. Energy Reports ， 2023 ， 9 ： 3082 - 3095 .

俄罗斯卫星通讯社 . 欧盟放宽对俄航空业的限制［EB/OL］. （ 2022-07-21 ）［ 2024-02-26 ］. https：//big5.sputniknews.cn/20220721/1042634568.html https://big5.sputniknews.cn/20220721/1042634568.html .

Sputnik News Agency . EU Eases Restrictions on Russian Aviation Industry ［EB/OL］. （ 2022-07-21 ）［ 2024-02-26 ］. https：//big5.sputniknews.cn/20220 https://big5.sputniknews.cn/20220

721 / 1042634568 . html .

CEIC. 乌克兰出口总额［EB/OL］. （2025-02-20）［2025-06-21］. https：//www. ceicdata. com. cn/zhhans/indicator/ukraine/total-exports.

China Economic Information Center. Total Exports of Ukraine ［EB/OL］. （2025-02-20）［2025-06-21］. https：//www. ceicdata. com. cn/zh-hans/indi‑cator/ukraine/total-exports.

刘韡昊 . 乌克兰危机对全球地缘政治和经济格局的冲击和影响［J］. 西部学刊， 2024 （ 15 ）： 44 - 47 .

LIU Weihao . The Impacts and Influences of the Ukraine Crisis on the Global Geopolitical and Economic Pattern ［J］. Journal of Western China ， 2024 （ 15 ）： 44 - 47 .

曹旨昊，牟少敏，屈洪春 . 基于经验动态建模的因果检测研究综述［J］. 计算机科学， 2023 ， 50 （ S1 ）： 41 - 52 .

CAO Zhihao ， MU Shaomin ， QU Hongchun . Review on Causality Detection Based on Empirical Dynamic Modeling ［J］. Computer Science ， 2023 ， 50 （ S1 ）： 41 - 52 .

陈鎏鹏，谢帮生，周子渭，等 . 数字乡村建设是否推动了农村产业融合：基于双重机器学习的因果推断［J］. 金融与经济， 2024 （ 5 ）： 60 - 70 .

CHEN Liupeng ， XIE Bangsheng ， ZHOU Ziwei ， et al . Whether the Construction of Digital Villages Has Promoted the Integration of Rural Industries： Causal Inference Based on Double Machine Learning ［J］. Finance and Economy ， 2024 （ 5 ）： 60 - 70 .

MILLER S . Causal Forest Estimation of Heterogeneous and Time‑Varying Environmental Policy Effects ［J］. Journal of Environmental Economics and Management ， 2020 ， 103 ： 102337 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

顾及偏移参数先验信息的海底控制点贝叶斯估计模型

呼包鄂榆城市群草地脆弱性时空演变及因子可解释性分析

多尺度地理空间数据更新方法概述

星载温室气体激光雷达技术发展与展望

土壤水分机器学习遥感反演：进展与挑战