简介:目的通过分析广州市2002年登革热疫情数据,采用遥感以及地理信息系统技术标识与登革热(DF)的流行风险相关的地表景观种类。方法首先,通过基于泊松模型的回顾式空间-时间分析方法获取疫情数据的时空聚集状况。其后,从MODIS卫星图像中提取地表景观信息,并逐月逐区计算各地类所占对应研究区的面积比例。最终,由广义线性模型分析确定DF病例的存在与否与地表景观种类面积比例的关系,并使用二态逻辑回归分析建立预测模型。结果最有可能的登革热聚集圈中心位于东山区,同时覆盖越秀区以及荔湾区,其时间窗为8月至10月。最佳预测模型对"某行政区在气候条件允许下是否存在登革热病例"的预测达到了91.1%的准确度。结论开放水域,以沼泽和湿地为主的湿草场,以水稻为主的农田以及开发用地被标识为与登革热病例存在与否最为相关的地类因子。
简介:目的应用地理信息系统探索安徽省钉螺和急性血吸虫病的时空分布和变化趋势.方法收集安徽省1980-2000年钉螺分布和急性血吸虫病发病资料,将1:1000000的数字化电子地图作为图形文件输入ArcView3.3.在ArcView3.3系统建立GIS数据库并进行相关分析.结果钉螺多分布于长江两岸地区,血吸虫病流行最严重的地区,也集中于长江流域,钉螺扩散主要见于未控制地区以及与未控制地区接壤的已控制地区.1989、1990、1991是急性血吸虫病爆发最严重的3年,当涂、东至、宿松是急性血吸虫病发生最严重的3个县,大多数急性血吸虫病病例分布于长江流域.结论地理信息系统可用于数据库和图形管理的工具,能够更加直接和清晰地揭示血吸虫病疫情现状,有助于管理者制定最合理的血吸虫病控制策略.
简介:目的分析烟台市艾滋病病毒(humanimmunodeficiencyvirus,HIV)感染者/艾滋病(acquiredimmunodeficiencysyndrome,AIDS)患者(HIV/AIDS)的空间分布特征,探索热点区域,为制订卫生政策,合理配置卫生资源提供依据.方法基于地理信息系统(geographicinformationsystem,GIS),运用全局空间自相关统计量Moran’sI和局域自相关统计量(localindicatorsofspatialantocorrelation,LISA)分析烟台市HIV/AIDS的空间聚集性,运用空间扫描统计量相对危险度(relativerisk,RR)探索烟台市HIV/AIDS热点区域.结果1992-2017年,共报告现住址为烟台市的HIV/AIDS病例1007人,以同性传播为主,在乡镇(街道)水平上呈空间自相关性(Moran'sI=0.2575,P
简介:目的探讨钉螺孳生环境和钉螺密度与遥感指数值之间的定量关系。方法选择鄱阳湖区有螺洲滩一块.采用系统(20m×10m)和环境抽样两种方法对洲滩进行钉螺调查,同时对查螺时间段的遥感影像进行影像解析.分别提取NDVI、GVI、GEMI、PVI、MSAV12指数,并结合螺情资料进行分析。结果不同指数值均能区别反映有螺孳生环境和无螺环境。钉螺密度的自然对数值与各指数值之问存在着正相关关系(P〈0.01):并建立了钉螺密度的自然对数值(Y)与综合指数值间(X)的综合数学模型。结论遥感数值能反映钉螺数量分布,但用综合指数建立的数学模型所反应的数据与实际调查结果更为接近。
简介:目的探讨皖北疟疾的发病率与地表温度(landsurfacetemperature,LST)、归一化植被指数(normalizeddifferencevegetationindex,NDVI)的关联性,评价用LST、NDVI对疟疾发病率自回归移动平均模型(autoregressiveintegratedmovingaveragemodel,ARIMA)预测结果进行校正的效果。方法以皖北五县为研究现场,收集各县2004-2011年的疟疾疫情数据及LST、NDVI等遥感图像资料,提取、合成遥感相关指标;运用SPSS17.0软件进行统计学处理。结果ARIMA模型对2010年各月份的预测结果较报告发病率高(平均误差=0.721/10万)。多因素分析结果显示,当地的疟疾发病率与近三个月的平均LST(lst_(_012),β=0.295)及之前两个月的平均NDVI(ndvi_(_12),β=0.280)有关联(P〈0.001);将二者作为校正因子(相对贡献为2∶1时)对2010年的预测结果进行校正,平均误差缩小为0.018/10万。以2004-2010年的发病率数据再次拟合并筛选ARIMA模型,并以2011年的疟疾报告发病数据为参照,再次评价lst_(_012)与ndvi_(_12)对模型预测结果的校正效果;发现校正后的预测误差(〈0.001/10万)低于校正前的误差(0.293/10万)。结论ARIMA模型能较好地用于该地疟疾发病率的拟合与预测,环境遥感替代指标LST、NDVI可在一定程度上改善ARIMA模型的预测效果。