中国媒介生物学及控制杂志  2023, Vol. 34 Issue (6): 799-803, 813

扩展功能

文章信息

孙钦同, 刘言, 韩英男, 胡巨凤, 王学军, 刘文杰, 曹馨月, 赖世宏, 何倩, 景晓
SUN Qin-tong, LIU Yan, HAN Ying-nan, HU Ju-feng, WANG Xue-jun, LIU Wen-jie, CAO Xin-yue, LAI Shi-hong, HE Qian, JING Xiao
气象因素对济南市城区蚊密度影响及滞后效应分析
Lagged effects of meteorological factors on mosquito density in urban areas of Ji'nan, China
中国媒介生物学及控制杂志, 2023, 34(6): 799-803, 813
Chin J Vector Biol & Control, 2023, 34(6): 799-803, 813
10.11853/j.issn.1003.8280.2023.06.017

文章历史

收稿日期: 2023-03-30
气象因素对济南市城区蚊密度影响及滞后效应分析
孙钦同1 , 刘言1 , 韩英男1 , 胡巨凤2 , 王学军1 , 刘文杰1 , 曹馨月1 , 赖世宏1 , 何倩3 , 景晓1     
1 山东省疾病预防控制中心消毒与病媒生物防制所/山东省预防医学科学院, 山东 济南 250014;
2 济南市儿童医院/山东大学附属儿童医院, 山东 济南 250022;
3 山东第一医科大学, 山东 济南 250000
摘要: 目的 分析气象因素对济南市城区蚊密度的影响与滞后效应,为进一步科学防制蚊虫及蚊媒传染病提供依据。方法 采用BG-trap捕蚊器法收集2021年济南市城区蚊虫监测资料和同期相应的气象资料,构建分布滞后非线性模型,研究气温、湿度、气压、降水对蚊密度的滞后效应。结果 共捕获31 018只蚊虫,其中库蚊属淡色库蚊22 436只,占72.33%,伊蚊属白纹伊蚊8 570只,占27.63%;阿蚊属骚扰阿蚊12只,占0.04%。在23.64 ℃时,滞后2 d时蚊密度效应最大,相对危险度(RR)=1.021[95%置信区间(CI):1.002~1.058]。在相对湿度为98.00%,滞后11 d时,蚊密度最高,RR=1.232(95%CI:1.002~1.514)。气压在984.99 hPa处,滞后17 d左右,蚊密度最高,RR=1.376(95%CI:1.205~1.559)。日降水量在21.25 mm,滞后8 d左右后,蚊密度效应达最高,RR=1.352(95%CI:1.133~1.590)。结论 气温、湿度、降水和气压对蚊密度具有非线性影响,存在滞后效应,蚊密度高峰期出现在雨热同期的夏季,较高温度和湿度会使蚊密度升高,有关部门应根据气象条件,及早采取干预措施,切实降低蚊传疾病的风险。
关键词: 媒介生物    蚊虫监测    气象因素    分布滞后非线性模型    
Lagged effects of meteorological factors on mosquito density in urban areas of Ji'nan, China
SUN Qin-tong1 , LIU Yan1 , HAN Ying-nan1 , HU Ju-feng2 , WANG Xue-jun1 , LIU Wen-jie1 , CAO Xin-yue1 , LAI Shi-hong1 , HE Qian3 , JING Xiao1     
1 Institute of Disinfection & Vector Borne Disease Control, Shandong Provincial Center for Disease Control and Prevention /Shandong Academy of Preventive Medicine, Ji'nan, Shandong 250014, China;
2 Children's Hospital of Ji'nan/Children's Hospital of Shandong University, Ji'nan, Shandong 250022, China;
3 Shandong First Medical University, Ji'nan, Shandong 250000, China
Abstract: Objective To analyze the lagged effects of meteorological factors on mosquito density in the urban areas of Ji'nan, China, so as to provide a basis for further scientific prevention and control of mosquitoes and mosquito-borne infectious diseases. Methods We collected the mosquito data monitored with BG-traps and the concurrent meteorological data in the urban areas of Ji'nan in 2021 to construct a distributed lag nonlinear model to study the lagged effects of air temperature, humidity, air pressure, and precipitation on the mosquito density. Results A total of 31 018 mosquitoes were captured, including Culex pipiens pallens (22 436/31 018, 72.33%), Aedes albopictus (8 570/31 018, 27.63%), and Armigeres subalbatus (12/31 018, 0.04%). When the air temperature was 23.64 ℃, the effect on mosquito density was maximum at a lag of 2 d (relative risk [RR]=1.021, 95% confidence interval [CI]: 1.002-1.058). When the relative humidity was 98.00%, mosquito density was highest at a lag of 11 d (RR=1.232, 95%CI: 1.002-1.514). When the air pressure was 984.99 hPa, the mosquito density was highest at a lag of around 17 d (RR=1.376, 95%CI: 1.205-1.559). When the daily precipitation was 21.25 mm, the effect on mosquito density peaked at a lag of around 8 d (RR=1.352, 95%CI: 1.133-1.590). Conclusions Air temperature, humidity, precipitation, and air pressure have non-linear and lagged effects on mosquito density. The peak of mosquito density occurs in hot and rainy summer since high temperature and humidity can increase mosquito density. Relevant departments should take early intervention measures according to meteorological cond itions to effectively reduce the risk of mosquito-borne diseases.
Key words: Disease vector    Mosquito monitoring    Meteorological factor    Distributed lag non-linear model    

气候变化是影响传染病发生的重要因素,媒介生物传染病的传播率受气候和气象因素的直接影响,不断变化的气候正在促进基孔肯雅病毒、寨卡病毒、日本脑炎病毒和裂谷热病毒在亚洲、拉丁美洲、北美洲和欧洲的传播[1]。蚊虫与人类疾病关系密切,可以传播多种疾病,如丝虫病、疟疾、流行性乙型脑炎、登革热等[2]。随着全球变暖,登革热、疟疾等虫媒传染病发病呈上升趋势,地理分布范围(甚至在高海拔地区)呈扩大趋势[3]。在中国,过去的半个世纪,登革热传播的气候适宜性已增加37%[4],2017年山东省暴发一起境外输入引起的本地登革热疫情[5]

气象因素对媒介生物密度的影响不是即时体现的,存在一定的滞后效应。分布滞后非线性模型(distributed lag non-linear model,DLNM)可以研究其暴露-反应关系,又可以描述延迟效应,近年来在公共卫生领域得到了广泛应用[6-8]。本研究通过分析2021年气象因素对济南市城区蚊虫密度的影响及其滞后效应,为蚊虫及蚊媒疾病的预测和防控提供科学依据。

1 材料与方法 1.1 调查地点、工具及方法

2021年4月7日-11月30日,在济南市某省直单位,依据国家标准《GB/T 23797-2020病媒生物密度监测方法蚊虫》,采用BG-trap法诱捕办公区域绿化带内成蚊,除周末和节假日外,每日早晚各收集1次蚊虫,共收集161 d。调查工具主要有BG-trap、BG-Lure、二氧化碳气瓶、蚊虫收集袋、遮阳防雨伞等。同期气象数据来源于中国气象科学数据共享服务系统(http://data.cma.cn)提供的济南市2021年4-11月的单日常规气象监测数据,包括每日平均气温、最高气温、最低气温、相对湿度、降水量等。

1.2 统计学分析

由于捕获的成蚊数占种群总数为小概率事件,故可以认为实际分布为准泊松分布。将蚊密度的广义相加泊松回归与分布滞后非线性模型结合,分析各种气象因素对蚊密度的影响。Excel 2010软件用于数据的录入和整理,采用R 4.1.3软件,加载dlnm、splines包进行DLNM分析[9]。其表达式如下:

式中:Yt代表t日监测时蚊虫密度,β为常数项,cb为包含了气象因素与滞后2个维度的交叉基函数。weather指气象因素,包括日均温度、相对湿度、气压、降水等,lag是最长滞后天数。ns代表自然立方样条,Xi是与研究目的气象因素相关的其他气象因素,df为自由度。time是时间变量,用来控制蚊虫密度变化的时间效应趋势,dowholiday是作为指标变量来控制星期几效应和节假日效应。

参考既往研究,改变各变量的自由度(2~5),最大滞后时间(14~30 d)、时间变量time的自由度(5~15),多次建模,并计算赤池信息准则(Akaike information criterion,AIC)值,以AIC值最小确定最优模型。经反复验证,最终确定日均气温、日均相对湿度、日均气压、日均降水量的自由度为3。考虑到蚊虫的生命周期,选取最长滞后天数(lag)为30 d。日均温度、日均相对湿度、日均气压、日均降水量的时间变量的自由度设为13、11、11和10。分别以各气象因素的中位数(M)作为参考值,计算不同气象因素在P5、P25、P50、P75、P95位置时不同滞后时间的相对危险度(RR)及其95%置信区间(CI),P < 0.05为差异有统计学意义。

2 结果 2.1 蚊虫监测情况

夜间捕获成蚊28 181只,白天捕获2 837只。其中库蚊属(Culex)淡色库蚊(Cx. pipiens pallens)22 436只,占72.33%;伊蚊属(Aedes)白纹伊蚊(Ae. albopictus)8 570只,占27.63%;阿蚊属(Armigeres)骚扰阿蚊(Ar. subalbatus)12只,占0.04%,夜间蚊虫平均密度为175.04只/(台·夜)。2021年济南市区蚊虫捕获季节变化情况见图 1

图 1 2021年济南市某城区BG-trap法调查蚊虫密度季节分布 Figure 1 Seasonal distribution of mosquito density surveyed by BG-traps in an urban area of Ji'nan, Shandong Province, 2021
2.2 主要气象因素情况

2021年济南市日均气温、日最高气温、日最低气温、气压、相对湿度、日平均降水量均值分别为21.21 ℃、26.83 ℃、15.60 ℃、995.97 hPa、68.08%和3.89 mm,蚊虫监测期间主要气象因素的分布情况见表 1图 2

表 1 2021年济南市主要气象因素 Table 1 Major meteorological factors in Ji'nan, Shandong Province, 2021
图 2 2021年济南市区蚊虫密度与气象因素的时间分布 Figure 2 Temporal distribution of mosquito density and meteorological factors in Ji'nan, 2021
2.3 不同气象因素和滞后时间下对蚊虫密度的滞后效应分析

分别以日均气温、日均相对湿度、日均气压、日均降水量与蚊密度风险、滞后天数构建三维效应图,分析不同气象因素对蚊虫密度的影响。见图 34

图 3 各气象因素在不同滞后时间的蚊密度相对危险度 Figure 3 Relative risk of mosquito density to each meteorological factors at different lag times
图 4 不同气象因素条件下不同滞后时间的蚊密度相对风险度 Figure 4 Relative risk of mosquito density under different meteorological factors at different lag times

日均气温:2021年4-11月,济南市日均气温范围是-2.14~31.33 ℃,以日均气温中位数23.40 ℃为参考。-2 ℃累积蚊密度最低,随着日均气温升高,蚊密度逐渐升高。在日均气温20~26 ℃,滞后20~25 d时,蚊密度较高,在23.64 ℃时,滞后2 d时蚊密度最大,RR=1.021(95%CI:1.002~1.058)。而在较低温度(9.18 ℃)时,滞后2~3 d后,蚊密度迅速下降,在24 d时到达最低值,RR=0.415(95%CI:0.201~0.858)。见图 3A图 4A

日均相对湿度:2021年4-11月,济南市日均相对湿度范围是25.77%~98.82%,以日均相对湿度中位数70.52%为参考。蚊密度最高值出现在日均相对湿度为98.00%,滞后11 d时,RR=1.232(95%CI:1.002~1.514)。随后蚊密度缓慢下降,但蚊虫密度仍维持在较高水平;较低湿度环境(58.76%)下,随着滞后时间延长,蚊密度逐渐升高,滞后27 d左右,蚊密度较高,RR=1.095(95%CI:1.016~1.182)。见图 3B图 4B

日均气压:2021年4-11月,济南市日均气压变化范围是977.80~1 019.88 hPa,以日均气压中位数994.23 hPa为参考。在984.99 hPa处,滞后17 d左右,蚊密度最高,RR=1.376(95%CI:1.205~1.559)。在989.35 hPa处,滞后20 d左右时,蚊密度较高,RR=1.175(95%CI:1.053~1.302)。见图 3C图 4C

日均降水量:2021年4-11月,济南市日均降水量变化范围是0~88.97 mm,以日均降水量中位数0.09 mm为参考。日均降水量在21.25 mm,滞后8 d左右时,蚊密度效应达最高,RR=1.352(95%CI:1.133~1.590)。见图 3D图 4D

3 讨论

气候因素是影响蚊虫孳生的重要因素,蚊虫的各个形态阶段均会被所处环境的温度、湿度、降水、气压等因素影响,进而影响蚊密度高低,二者之间存在一定的滞后效应[6]。适宜的温度条件下能够加快蚊虫的孳生和其体内病原体的增殖。本研究分析了济南市某城区的气象因素与蚊密度的关联,利用DLNM模型,探究气象因素对蚊密度的影响及其滞后效应。

当日均温度较高(15~26 ℃)时,滞后3 d后蚊密度随日均气温升高而上升,在23 ℃左右到达峰值,与谢博等[6]对浦东新区的研究结果不完全一致,这可能是由于两地处于不同的气候带,地理地貌等也不相同,除温度外的其他因素对蚊密度也产生了影响。温暖潮湿的气候既适合蚊虫的生长和繁殖,也适合蚊虫的吸血活动[10]。在温度较低(< 9.18 ℃)时,在滞后15~27 d,蚊密度受到抑制;在滞后24 d时,蚊密度达最低。温度过高或过低时,虫卵死亡率增大,并且幼虫体内代谢速率低,影响生长发育,更容易造成成虫死亡[11]

较高的日均相对湿度(92.27%)时,滞后3 d后蚊密度显著增加,随着滞后时间延长,蚊密度始终在较高水平,这可能是由于较高的湿度可以延长蚊虫寿命,从而提高了蚊密度[12]。而较低的日均相对湿度(58.76%)需滞后至27 d左右,蚊密度才能增加,湿度过低会导致蚊虫生存困难,使得蚊密度降低。

日均气压较低(984.99 hPa)时,滞后17 d后蚊密度最高,而日均气压值在989.35 hPa时,需滞后20 d左右,蚊密度达高值。气压对蚊密度的影响是负相关关系。这可能是由于气压与温度、湿度有关,而气温较高的夏季阴雨天气压明显低于晴朗干燥的秋冬季。

日均降水量较高(≥21.25 mm)时,滞后2~17 d会增加蚊密度,其中在滞后8 d时,蚊密度最高,较高的日降水量会增加蚊密度,推测这与降水的增加有利于形成蚊幼虫孳生地有关[11-12]

本研究收集济南市2021年4-11月逐日气象资料,并于每个工作日开展蚊密度监测,相比之前按照每旬开展蚊虫监测,更加精确,更有效体现气象因素对蚊密度的影响。由于受监测点数量和监测生境的限制,本研究结果需进一步探讨。

综上,2021年济南市各气象因素中,日均气温较高(15~26 ℃)、日均相对湿度较高(≥92.27%)、日均气压较低(≤989.35 hPa)、日均降水量较高(≥21.25 mm)均会增加蚊虫密度,并存在一定的滞后效应,可作为蚊虫及其传染病防制依据。为更好实现对蚊虫及蚊媒传染病的预防和控制,要提高居民的卫生健康意识,在雨季和高温来临前时做好防蚊、灭蚊工作,并通过气象因素和蚊虫密度的监测,减少蚊虫孳生及蚊媒传染病流行和暴发风险[13]

利益冲突  无

参考文献
[1]
黄存瑞, 刘起勇. IPCC AR6报告解读: 气候变化与人类健康[J]. 气候变化研究进展, 2022, 18(4): 442-451.
Huang CR, Liu QY. Interpretation of IPCC AR6 on climate change and human health[J]. Climate Change Res, 2022, 18(4): 442-451. DOI:10.12006/j.issn.1673-1719.2022.143
[2]
樊正伟. 中国库蚊及其传播疾病的地理分布研究[D]. 北京: 军事科学院, 2018.
Fan ZW. Study on the geographical distribution of the genus of Culex and the Culex-borne diseases in China[D]. Beijing: Academy of Military Sciences, 2018. (in Chinese)
[3]
Wu YR, Huang CR. Climate change and vector-borne diseases in China: A review of evidence and implications for risk management[J]. Biology, 2022, 11(3): 370. DOI:10.3390/biology11030370
[4]
Cai WJ, Zhang C, Suen HP, et al. The 2020 China report of the Lancet Countdown on health and climate change[J]. Lancet Public Health, 2021, 6(1): e64-e81. DOI:10.1016/S2468-2667(20)30256-5
[5]
Liu HM, Liu LH, Cheng P, et al. Bionomics and insecticide resistance of Aedes albopictus in Shandong, a high latitude and high-risk dengue transmission area in China[J]. Parasit Vectors, 2020, 13(1): 11. DOI:10.1186/s13071-020-3880-2
[6]
谢博, 冯磊, 顾盈培, 等. 气候因素对浦东新区蚊虫密度影响的效应分析[J]. 中国媒介生物学及控制杂志, 2019, 30(4): 430-433.
Xie B, Feng L, Gu YP, et al. An analysis of the effect of climatic factors on mosquito density in Pudong New Area, Shanghai, China[J]. Chin J Vector Biol Control, 2019, 30(4): 430-433. DOI:10.11853/j.issn.1003.8280.2019.04.017
[7]
徐苗苗, 苏通, 刘莹莹, 等. 石家庄市2017-2019年气象因素与手足口病发病相关性及其滞后效应分析[J]. 中华流行病学杂志, 2021, 42(5): 827-832.
Xu MM, Su T, Liu YY, et al. Analysis on influence and lag effects of meteorological factors on incidence of hand, foot and mouth disease in Shijiazhuang, 2017-2019[J]. Chin J Epidemiol, 2021, 42(5): 827-832. DOI:10.3760/cma.j.cn112338-20200930-01213
[8]
李文, 牛彦麟, 赵哲, 等. 气象因素对云南省西南地区恙虫病流行的影响与滞后效应研究[J]. 中华流行病学杂志, 2021, 42(7): 1235-1239.
Li W, Niu YL, Zhao Z, et al. Meteorological factors and related lag effects on scrub typhus in southwestern Yunnan[J]. Chin J Epidemiol, 2021, 42(7): 1235-1239. DOI:10.3760/cma.j.cn112338-20200828-01106
[9]
Gasparrini A. Distributed lag linear and non-linear models in R: The package dlnm[J]. J Stat Softw, 2011, 43(8): 1-20.
[10]
景晓, 康殿民, 王学军. 蚊媒传染病监测技术及应用[M]. 济南: 山东人民出版社, 2017: 86-91.
Jing X, Kang DM, Wang XJ. Monitoring technologies and their application of mosquito borne infectious diseases[M]. Ji'nan: Shandong People's Publishing House, 2017: 86-91.
[11]
杨迎宇, 王莹莹, 陈芸, 等. 上海市宝山区登革热媒介白纹伊蚊密度指数与气象因素的关系[J]. 中华疾病控制杂志, 2021, 25(4): 466-471.
Yang YY, Wang YY, Chen Y, et al. Study on the associations of density indexes of Aedes albopictus for dengue with meteorological factors in Baoshan district of Shanghai[J]. Chin J Dis Control Prev, 2021, 25(4): 466-471. DOI:10.16462/j.cnki.zhjbkz.2021.04.017
[12]
仲洁, 何隆华. 气象因素对蚊虫密度影响研究进展[J]. 中国媒介生物学及控制杂志, 2015, 26(1): 95-99.
Zhong J, He LH. Advances in research on impacts of meteorological factors on mosquito density[J]. Chin J Vector Biol Control, 2015, 26(1): 95-99. DOI:10.11853/j.issn.1003.4692.2015.01.028
[13]
侯祥, 刘可可, 刘小波, 等. 气候因素对广东省登革热流行影响的非线性效应[J]. 中国媒介生物学及控制杂志, 2019, 30(1): 25-30.
Hou X, Liu KK, Liu XB, et al. Nonlinear effects of climate factors on dengue epidemic in Guangdong province, China[J]. Chin J Vector Biol Control, 2019, 30(1): 25-30. DOI:10.11853/j.issn.1003.8280.2019.01.005