扩展功能
文章信息
- 岳玉娟, 鲁亮, 刘起勇
- YUE Yu-juan, LU Liang, LIU Qi-yong
- 基于遥感-地理信息系统的登革热疫情与环境要素的关系研究
- Study on relationship between dengue fever epidemic and geographical environmental factors based on remote sensing-geographic information system
- 疾病监测, 2017, 32(6): 458-461
- Disease Surveillance, 2017, 32(6): 458-461
- 10.3784/j.issn.1003-9961.2017.06.005
-
文章历史
- 收稿日期:2016-12-01
登革热是由登革病毒引起,通过伊蚊传播的急性传染病[1]。至今登革热在非洲、美洲、东地中海、东南亚和西太平洋100多个国家呈地方性流行,其中东南亚和西太平洋地区受登革病毒影响最为严重[2]。1978年广东省佛山市发生建国以来的首次登革热疫情,自此以后的30多年,登革热在广东省和海南省等地流行,迄今我国发生登革热暴发或流行以及本地感染病例的地区有云南省、广东省、广西壮族自治区(广西)、海南省、福建省、浙江省、河南省、中国台湾、中国澳门、中国香港等地区[3-6]。
研究表明,气温、空气湿度、降雨量和风力等气象条件、蚊虫密度、输入性病例、社会经济、人口等对登革热疫情有重大影响[7-12]。登革热疫情与土地利用类型之间关系密切,居民地、水体、农田等土地利用类型的登革热疫情较严重[13-16]。登革热空间分布主要取决于人口密度、城镇建设用地覆盖率、媒介伊蚊滋生的气候环境、植被的覆盖程度和小型水体密度[13]。在社区乡镇边界或城区登革热风险高。在交通发达地区或经济欠发达地区登革热风险高,过高或过低的人口密度和均一化植被指数(normalized difference vegetation index,NDVI)会导致登革热病例增多[17]。综上所述,以往登革热疫情研究所采用的数据源大多基于气象数据和实地监测数据(如蚊媒数据),而与地理空间环境的相关性分析大多是定性研究,本研究拟采用遥感和地理信息系统技术,探究广州市五区1 km格网空间尺度上的登革热疫情与地理空间环境之间的定量关系。
1 材料与方法1.1 数据1.1.1 登革热病例2014年广东省登革热疫情大暴发,登革热病例达40 000余例,而绝大部分病例聚集在广州市的白云区、荔湾区、越秀区、海珠区和天河区,因此重点研究该五区登革热疫情。登革热疫情数据来源于中国疾病预防控制信息系统。本次纳入统计的登革热病例共计30 553例。登革热病例分布具体见图 1,其中红色网格为1 km栅格格网。
![]() |
图 1 广州市登革热病例分布 Figure 1 Distribution of dengue fever cases in Guangzhou |
|
GF-1卫星是中国高分辨率对地观测系统的第一颗卫星,于2013年4月26日成功发射,开启了中国对地观测的新时代。基于2015年8月7日的空间分辨率为16 m的GF-1影像解译成土地利用类型(land use type,LUT,包括水体、植被和居民地3类)和均一化水体指数(normalized difference water index,NDWI),取值范围为-1~1的产品,并插值为1 km空间分辨率的相应产品。
1.1.3 MODISMOD05和MOD11A2产品MODIS (中分辨率成像光谱仪)是搭载在Terra和Aqua两颗卫星上的传感器。基于2014年79月的空间分辨率为1 km的MOD05可降水汽(precipitable water vapor,PWV; 单位为cm)产品求和,基于2014年9月和10月的空间分辨率为1 km的MOD11A2陆地表面温度[land surface temperature,LST。包括白天地表温度(LSTD)和夜晚地表温度(LSTN),单位为K]产品求均值。研究区PWV取值范围为182.86~231.11,LSTD取值范围为297.89~308.04,LSTN取值范围为293.83~298.75。
1.1.4 人口和国内生产总值(grossdomestic product,GDP)数据人口和GDP数据来源于中国科学院地理与资源研究所,是2010年的空间分辨率为1 km的栅格数据。研究区人口取值范围为0~45 930,单位为人;GDP取值范围为9.5°~50 149.6°,单位为元。
1.2 方法1.2.1 Spearman相关分析
![]() |
(1) |
式中:lpq表示x与y的离均差乘积和,lpp表示x之间的离均差乘积和,lqq表示y之间的离均差乘积和。Spearman秩相关系数rs,又称为等级相关系数,介于-1~1之间,rs<0为负相关,rs>0为正相关。
1.2.2 多重线性回归分析
![]() |
(2) |
其中,
利用ARCMAP 10.1空间分析和数据管理等功能,在广州市登革热疫情重点区白云区、荔湾区、越秀区、海珠区和天河区,进行空间单元1 km的格网划分,进一步统计每个格网所对应的登革热病例及环境要素信息,见表 1,从而采用Spearman法和多重回归法分析登革热疫情与LUT、NDWI、LSTD、LSDN、PWV、人口和GDP的相关关系。因数据源多,某些栅格单元存在缺失,特别是研究区边缘区域,为完成登革热和环境要素空间位置数据匹配,最终整理得出了758个数据条目,进一步基于该数据得出分析结果。
登革热 病例数 | 土地利 用类型a | 均一化 水体 指数 | 白天地 表温度 | 夜晚地 表温度 | 可降 水汽 | 人口 | 国内生 产总值 |
6 | 3 | 0.144 | 307.14 | 297.42 | 205.20 | 4 892 | 10 114.2 |
1 | 1 | 0.179 | 306.87 | 297.57 | 201.92 | 11 135 | 49 490.5 |
8 | 3 | 0.023 | 305.72 | 297.68 | 202.43 | 5 844 | 26 207.4 |
1 | 3 | 0.047 | 305.83 | 297.96 | 196.87 | 7 566 | 21 108.0 |
… | … | … | … | … | … | … | … |
注:a土地利用类型有3种类型:1表示水体,2表示植被,3表示建筑物 |
开展1 km格网的登革热病例与环境要素的线性相关关系分析,结果见表 2。
![]() | 土地利 用类型 | 均一化 水体 指数 | 白天地 表温度 | 夜晚地 表温度 | 人口 | 国内生 产总值 |
rs | 0.483a | 0.456a | 0.612a | 0.699a | 0.705a | 0.205a |
Sig.(2-tailed) | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 |
注:a在0.01的水平下显著相关 |
结果表明,登革热疫情与LUT、NDWI、LSTD、LSTN、人口和GDP高度显著正相关,相关系数分别为0.483、0.456、0.612、0.699、0.705和0.205。
2.2 多重回归分析开展登革热与环境要素的逐步回归分析,最终人口、LSTN、LUT进入模型,得到登革热疫情与人口、LSTN和LUT多重线性回归关系,见表 3。
变量 | 偏回归系数 | 标准误 | F值 | P值 |
截距 | -4 179.999 | 837.071 | -4.994 | 0.001 |
人口 | 0.003 | 0.000 | 8.101 | 0.001 |
夜晚地表温度 | 13.977 | 2.834 | 4.931 | 0.001 |
土地利用类型 | 20.632 | 4.912 | 4.201 | 0.001 |
方程如公式(3) 所示。整个方程的R2=0.278,整体F检验P=0.001。
![]() |
(3) |
式中,
本研究利用Spearman线性相关分析法和多重线性回归法,分析了登革热疫情与空间环境因子的相关关系。结果表明,登革热疫情与土地利用类型、水体指数、地表温度、人口和GDP高度显著正相关,其中与夜晚地表温度和人口的相关系数分别达0.699和0.705;并建立了登革热疫情与人口、夜晚地表温度和土地利用类型之间的多重线性回归方程;在多重线性回归中,人口对登革热疫情贡献较大。
登革热是人感染登革热病毒的急性传染病,与人口、社会经济、交通等因素密切相关[17]。本研究表明,登革热疫情与人口密度、GDP高度正相关。登革热的传播媒介伊蚊的生存繁衍离不开水环境,而人类活动与家庭住址、工作单位等活动场所密切相关,因此本研究中登革热疫情与土地利用类型、水体指数呈高度正相关,具备科学依据,与已有研究一致[13-16]。登革热的传播媒介,伊蚊生存、繁殖需要适宜的温度,因此登革热疫情与温度也是相关的。登革热疫情与日最低气温关系显著[7],相同空间位置夜晚地表温度通常低于白天地表温度,本研究中登革热疫情与夜晚地表温度相关系数较与白天地表温度相关系数稍大,进一步证实了以往的研究。
本研究中数据有待进一步挖掘,登革热疫情与环境因子之间的关系有待进一步研究。数据来源多种,包括GF-1影像的解译、MODIS产品以及人口和GDP的空间插值数据,在数据处理过程中,存在机器误差和人工误差,会使数据部分失真。后续工作将探索其他数据分析方法,进一步研究登革热疫情与环境因子的关系。
本次研究采用了国产高分辨率遥感影像GF-1卫星影像,是地理学与统计学的交融,是空间地理数据与卫生统计学的结合;与以往定性描述不同,定量得出了登革热疫情与人口、地表温度等环境要素之间的相关关系。
作者贡献:
ORCID:0000-0002-6949-6820
岳玉娟:数据获取、分析、组稿
鲁亮:数据获取
刘起勇:审稿修正
[1] |
Du JW, Pan XH.
Prevalent status and features of dengue fever in China[J].
Chinese Journal of Epidemiology, 2010, 31(12): 1429–1433.
(in Chinese) 杜建伟, 潘先海. 中国登革热流行概况与流行特征[J]. 中华流行病学杂志, 2010, 31(12): 1429–1433. DOI:10.3760/cma.j.issn.0254-6450.2010.12.025 |
[2] | WHO. Dengue fever and dengue hemorrhagic fever[R]. WHO Report No. 117. Geneva:WHO, 2005. |
[3] | Wu JY, Lun ZR, James AA, et al. Dengue fever in mainland China[J]. Am J Trop Med Hyg, 2010, 83(3): 664–671. DOI:10.4269/ajtmh.2010.09-0755 |
[4] |
Jing QL, Wang M.
Progress in research of dengue fever vector control[J].
Disease Surveillance, 2016, 31(10): 808–813.
(in Chinese) 景钦隆, 王鸣. 登革热媒介控制研究进展[J]. 疾病监测, 2016, 31(10): 808–813. DOI:10.3784/j.issn.1003-9961.2016.10.004 |
[5] |
Yue YJ, Ren DS, Liu QY.
Spatial-temporal distribution of dengue fever in the mainland of China, 2005-2013[J].
Disease Surveillance, 2015, 30(7): 555–560.
(in Chinese) 岳玉娟, 任东升, 刘起勇. 2005-2013年中国大陆登革热疫情时空分布[J]. 疾病监测, 2015, 30(7): 555–560. DOI:10.3784/j.issn.1003-9961.2015.07.008 |
[6] | Huang XY, Ma HX, Wang HF, et al. Outbreak of dengue fever in central China, 2013[J]. Biomed Environ Sci, 2014, 27(11): 894–897. |
[7] | Sang SW, Yin WW, Bi P, et al. Predicting local dengue transmission in Guangzhou, China, through the influence of imported cases, mosquito density and climate variability[J]. PLoS One, 2014, 9(7): e102755. DOI:10.1371/journal.pone.0102755 |
[8] | Fullerton LM, Dickin SK, Schuster-Wallace CJ. Mapping global vulnerability to dengue using the water associated disease index[M]. Hamilton: United Nations University, 2014. |
[9] | Goto K, Kumarendran B, Mettananda S, et al. Analysis of effects of meteorological factors on dengue incidence in Sri Lanka using time series data[J]. PLoS One, 2013, 8(5): e63717. DOI:10.1371/journal.pone.0063717PMID:23671694 |
[10] | Lai LW. Influence of environmental conditions on asynchronous outbreaks of dengue disease and increasing vector population in Kaohsiung, Taiwan[J]. Int J Environ Health Res, 2011, 21(2): 133–146. DOI:10.1080/09603123.2010.515670 |
[11] | Hagenlocher M, Delmelle E, Casas I, et al. Assessing socioeconomic vulnerability to dengue fever in Cali, Colombia:statistical vs expert-based modeling[J]. Int J Health Geogr, 2013, 12: 36. DOI:10.1186/1476-072X-12-36 |
[12] |
Jing QL, Luo L, Li XN, et al.
Associations of Breteau index, imported cases, and meteorological factors with the risk of local epidemic of dengue fever[J].
South China Journal of Preventive Medicine, 2015, 41(5): 401–406.
(in Chinese) 景钦隆, 罗雷, 李晓宁, 等. 布雷图指数、输入病例、气象因子与登革热本地流行的关系研究[J]. 华南预防医学, 2015, 41(5): 401–406. |
[13] |
Li S, Tao HY, Xu Y.
Study on spatial distribution modeling of dengue fever based on RS-GIS[J].
Geomatics & Spatial Information Technology, 2008, 31(5): 56–59.
(in Chinese) 李森, 陶海燕, 徐勇. 基于RS-GIS的登革热空间分布模型研究[J]. 测绘与空间地理信息, 2008, 31(5): 56–59. |
[14] | Cheong YL, Leitão PJ, Lakes T. Assessment of land use factors associated with dengue cases in Malaysia using Boosted Regression Trees[J]. Spat Spatiotemporal Epidemiol, 2014, 10: 75–84. DOI:10.1016/j.sste.2014.05.002 |
[15] |
Li S, Tao HY, Qin Y, et al.
Remote sensing and geoinformatics based environmental risk factors identification of dengue fever[J].
Chinese Journal of Disease Control & Prevention, 2010, 14(9): 869–873.
(in Chinese) 李森, 陶海燕, 秦雁, 等. 基于遥感与地理信息技术的登革热环境风险因子标识[J]. 中华疾病控制杂志, 2010, 14(9): 869–873. |
[16] | Tian HY, Huang SQ, Zhou S, et al. Surface water areas significantly impacted 2014 dengue outbreaks in Guangzhou, China[J]. Environ Res, 2016, 150: 299–305. DOI:10.1016/j.envres.2016.05.039 |
[17] | Qi XP, Wang Y, Li Y, et al. the effects of socioeconomic and environmental factors on the incidence of dengue fever in the Pearl River delta, China, 2013[J]. PLoS Negl Trop Dis, 2015, 9(10): e004159. |