扩展功能
文章信息
- 黄星魁, 赵俊, 潘欢弘, 夏光辉, 张天琛
- HUANG Xing-kui, ZHAO Jun, PAN Huan-hong, XIA Guang-hui, ZHANG Tian-chen
- “3S”技术在鼠疫防控中的应用研究进展
- Research progress on the application of "3S" technology in plague prevention and control
- 中国媒介生物学及控制杂志, 2023, 34(6): 824-827
- Chin J Vector Biol & Control, 2023, 34(6): 824-827
- 10.11853/j.issn.1003.8280.2023.06.022
-
文章历史
- 收稿日期: 2023-08-15
2 江西省疾病预防控制中心, 江西 南昌 330029;
3 江西省疾病预防控制中心急性传染病防制所, 江西 南昌 330029
2 Jiangxi Provincial Center for Disease Control and Prevention, Nanchang, Jiangxi 330029, China;
3 Acute Infectious Disease Prevention Institute, Jiangxi Provincial Center for Disease Control and Prevention, Nanchang, Jiangxi 330029, China
“3S”技术是地理信息系统(geographic information system,GIS)、全球导航卫星系统(global navigation satellite system,GNSS)以及遥感(remote sensing,RS)技术的有机融合。在过去30年,“3S”技术展示出强劲的发展活力[1]。“3S”技术是以计算机科学、环境科学、现代信息技术、遥感技术、现代流行病学的理论为基础,在GIS与GNSS进一步融合更高分辨率RS资料的背景下,融合了多学科、多技术而产生的一门新兴技术。在疾病防控和公共健康领域,“3S”技术主要应用在对自然疫源性疾病、生物地球化学性疾病以及环境污染所致疾病的基础研究、监控和管理、预测预警以及流行病学规律研究。RS技术可以被用来监测疾病的气候和环境因素,并将这些因素纳入绘制风险图、创建预警系统和评估控制措施的决策过程,帮助卫生部门决策者在防控传染病中更好地分配资源[2]。“3S”技术可以获取登革热流行区的房屋密度、街道宽度和房屋屋顶面积等信息,再使用地理加权回归分析社会经济参数,构建预测模型用于登革热的风险区域划定[3]。我国充分应用“3S”技术分析时空格局和生态变化对血吸虫病传播的影响,建立监测和预警系统,设计和优化控制策略,在消除血吸虫病传播方面取得显著成就[4]。“3S”技术也被用于调查获取鼠疫疫源地相关空间信息,识别鼠疫风险因素,精准标定风险区域,帮助构建鼠疫预测预警模型,揭示鼠疫疫情发展趋势,为鼠疫风险评估提供新手段。本文梳理“3S”技术在鼠疫防控领域的实际运用和进展,旨在为探索鼠疫防控新技术和优化鼠疫防控策略提供参考。
1 “3S”技术概述“3S”技术包括GIS、GNSS和RS技术。
GIS是一种集成了地理信息数据管理、空间分析与建模、地图绘制和展示等功能的计算机软件系统。在各个研究领域,这项技术已被广泛运用。采用GIS来进行疾病追踪,可以即时且动态地呈现疾病的变化情况。更进一步,它可以展示出疾病在时间和地点上的分布,并将这些信息以图形化的方式呈现。在我国,GIS在传染病防控中的应用主要集中在研究和监控疟疾、血吸虫病、莱姆病、鼠疫和霍乱等疾病[5]。
GNSS由一组卫星、地面测控站和接收机组成。GNSS系统中的每个卫星都会广播一个精确的时间信号和其当前的位置。地面接收器捕获这些信号并计算确定接收器当前的经纬度和海拔高度。目前GNNS中比较成熟的系统包括美国的全球定位系统(Global Positioning System,GPS)、俄罗斯的格洛纳斯(Globalnaya Navigazionnaya Sputnikovaya Sistema,GLONASS)、欧盟的伽利略卫星导航系统(Galileo Satellite Navigation System)和中国的北斗导航系统(BeiDou Navigation Satellite System,BDS)。其中GPS应用最早、最多,因此在公共卫生领域的应用也最多。闫东等[6]把GPS技术融入了河北省的鼠疫防治工作中,利用GPS收集鼠疫监控和疫区处理过程的所有数据,使得抽样地点的确定更为精确,卫星导航功能可以迅速找到布放鼠夹的位置、先前调研过的样本地、历史疫点,从而提升鼠疫监测数据的精确度、科学性以及可信度。
RS是利用航空或卫星传感器获取地面物体的信息,并通过图像处理技术对这些信息进行分析和解释的科学技术。RS技术可以获取病媒生物生境的空间分布和时间变化信息,如媒介动物繁殖地、植被水体状况等。通过RS技术可以获取人口密度、建筑分布、交通状况等因素相关的地理信息,结合疾病传播的规律和模型,可以对疫病患者的分布和流动进行定位和追踪,有助于疾病防控部门及时掌握疫情,并采取相应的控制措施。RS数据可以与GNSS相结合,建立疫情传播的空间模型和模拟,预测不同区域的疫情传播速度和范围[7]。
“3S”技术在实践运用中多采取组合方式,使其充分发挥各自的优势,实现功能上的强大互补。
2 “3S”技术在公共卫生中的运用“3S”技术在卫生领域的应用随着信息技术的进步,与公共卫生的管理、决策的结合越来越紧密,在解决公共卫生问题方面可以发挥关键作用。
“3S”技术在媒介传播疾病研究中有许多应用。通过使用RS数据,科学家可以监测自然环境中的生态因素,例如湿地、水源、气候等,这些因素可能与媒介传播疾病的暴发有关,GIS和GNSS可以帮助确定潜在的疫源地点,并支持采取控制措施以减少媒介传播疾病的风险[8]。另外,“3S”技术还可以用于创建可视化的地图和图表,用于向公众传播关于媒介传播疾病的信息,包括传播途径、风险区域和预防措施,有助于提高公众的意识和卫生素养。
“3S”技术在环境卫生学中应用于监测环境状况、预测和预防环境健康问题,并支持环境管理和卫生干预。RS技术可以用来测量大气污染物的浓度,包括颗粒物、臭氧、一氧化碳等,这些数据可以用于创建实时的空气质量地图,帮助政府和卫生机构采取措施来减少污染物的暴露,从而改善公众呼吸道健康[9]。
“3S”技术可以帮助卫生部门和政府机构更好地监测、响应和管理突发公共卫生事件。GIS可以用于创建实时的疫情地图,显示感染者的地理位置和传播趋势。GNSS技术可以用于追踪患者的移动轨迹,帮助确定患者的接触史,识别潜在的传播链,并追踪患者的隔离情况。“3S”技术可以用于识别和评估医疗设施、隔离点和医疗资源的位置和可及性,帮助政府和卫生部门更好地分配资源,确保患者得到及时的医疗服务[10]。
“3S”技术的集成应用可以提高公共卫生部门的决策能力,加强疫情监测和响应,帮助改善健康服务的分布和可及性,尤其在应对疫情暴发和传播方面具有关键意义。
3 “3S”技术在鼠疫防控中的运用在国外,“3S”技术最早应用在鼠疫防控中是20世纪90年代的中期,美国疾病预防控制中心开始使用GIS进行鼠疫的监测,并利用GPS确定鼠群的地理位置,实现鼠疫监测结果的信息化和可视化[11]。Addink等[12]在哈萨克斯坦利用高解析度的RS进行鼠疫监测,并根据高解析度的卫星图像自动描绘出沙鼠洞穴分布的地图,可以定位新出现或者扩大的沙鼠疫源地以及测量沙鼠洞穴的密度,科学指导鼠疫的监测和管理工作。在国内,房静等[13]、徐成等[14]建立了达乌尔黄鼠(Spermophilus dauricus)鼠疫疫源地以及青藏铁路沿途的鼠疫GIS数据库,推动了“3S”技术在我国鼠疫防控中的应用。我国鼠疫自然疫源地类型丰富、分布广泛,到2022年已确定了12种鼠疫自然疫源地类型,共建立了43个国家级鼠疫监测点[15-16]。在已有的鼠疫防治管理信息网络系统的基础之上,结合“3S”技术建立高效的资料搜寻和分析系统,利用现有的自然环境、宿主、媒介及实际发生的动物鼠疫的信息,结合RS信息,可以更好地识别不同类型疫源地的特性[17]。总的来说,“3S”技术在预防和监控鼠疫中的应用,增强了鼠疫防控的科学性,推进了鼠疫监测信息化进程,提高了鼠疫管理水平。目前,“3S”技术在鼠疫防控中的应用主要分为以下3个方面。
3.1 鼠疫疫源地调查鼠疫属于自然疫源性烈性传染病,生态环境在其演化、暴发和流行中起着至关重要的作用。鼠疫疫源地是特定地理生态系统,由宿主、细菌、媒介生物及环境要素构成,并在这些要素的驱动下,引发动物鼠疫暴发[18-21]。Eisen等[22]在新墨西哥州利用包含了3种地理景观的GIS模型,确定鼠疫高风险区和主要监控区域。鼠疫存在于特定啮齿类动物的分布区域,且这些动物的分布受该区域纬度、海拔、地表状况、植被和土质等因素的极大影响[23]。利用“3S”技术解读鼠疫疫源地的地理属性,结合空间信息技术来识别这些属性,将有利于准确区分和定义不同类型和发展阶段的鼠疫疫源地。借助RS、GIS技术以及现场调查结果,对鼠疫疫源地和潜在鼠疫疫源性风险不明地区进行监测,依据鼠疫主要宿主生物的适宜生存环境和鼠疫常见的暴发地点,决定主要监测区的中枢位置以及监测的范围和时间,从而达到科学配置监测点的目的。上级部门可根据这些信息制定关键区域鼠疫监测规划,并对监测过程进行全面质量控制。
3.2 鼠疫风险因素识别及预测预警鼠疫的演化、发生、传播及流行均与鼠疫疫源地的生态环境紧密相关,可通过融合区域的多源RS数据和地理信息数据,采用回归统计和空间流行病学分析等方法探索分析气候、环境、生物等因素与鼠疫之间的相关关系,以此进行鼠疫风险因素识别并预测预警。应用“3S”技术研究表明,鼠疫在鼠间的传播主要受到年平均气温、年降水总量、年湿度均值以及年日照总时长等气候因素的影响,而海拔高度、植物种类繁多度、土壤类别多样度以及地形种类丰富度等景观元素则是次要的风险因素[24]。同时,蚤类数量等媒介宿主因素、人与鼠疫宿主动物接触的人为因素也起到了一定的作用[25]。闫东等[26]采用logistic回归筛选长爪沙鼠动物间疫情与气候环境相关危险因素,比较2种常用的生态位模型——最大熵模型(max entropy model,MaxEnt)和规则集遗传算法(genetic algorithm for rule-set production,GARP)模型在动物间鼠疫疫情潜在风险区预测中的应用效果,结果显示2种生态位模型预测均有较好的效果,MaxEnt模型预测结果更为准确,GARP模型预测范围更为广泛。Kausrud等[27]采用高分辨率气候数据去构建历史气候状况的气候模型,对鼠疫发生的气候因子进行了全面研究,他们发现气候和鼠疫疫情有高度的联系性,提出随着全球气候变暖,亚洲地区未来数十年的鼠疫活动可能会越来越频繁。Wu等[28]基于“3S”技术分析青海省喜马拉雅旱獭(Marmota himalayana)分布及鼠疫风险,开发了喜马拉雅旱獭信息采集系统,绘制了青海省喜马拉雅旱獭的预测空间分布图并进行验证,预测精度较高,高程、坡度、植被覆盖和草地类型是决定喜马拉雅旱獭空间分布的重要环境因子。
总之,基于“3S”技术在数字地图以及各卫星和航测照片中尽可能地计算该区域展示的自然地理特征值,然后运用这些数据制定出鼠疫的预测预警数学模型,并与其他对照区域的数据进行对比,从而找出鼠疫疫点的特征,进一步确认哪些区域满足这些特征,并分析这些地方是否可能成为鼠疫的潜在风险区。通过这种有效的监控方法,可以达到预测和预警鼠疫疫情的目的。
3.3 鼠疫风险评估过去,鼠防人员主要依赖监测信息进行风险分析。近年来,地理、气象等相关数据逐渐被融入到鼠疫风险评估工作中。“3S”技术主要运用于确定鼠疫发生高风险区域并识别鼠疫传播相关风险因素,为做好鼠疫风险评估提供技术支撑。在一项加州鼠疫的空间分析中,应用“3S”技术构建生态位模型,可以成为探索和绘制鼠疫活动对气候变化的潜在反应的有用工具;模型还表明,到2050年加州南部气候条件可能会降低鼠疫风险,而北部海岸的气候条件将增加鼠疫风险[29]。美国疾病预防控制中心利用GIS与GPS,构建了鼠疫宿主动物分布的电子地图[11]。同时,他们也将鼠疫动物和鼠疫人类疫点的相关信息输入这个电子地图,允许人们随时查询GIS,并在地图上查看搜索结果;根据美国几十年的鼠疫监测数据,构建了美国西南部的鼠疫风险空间模型,并根据海拔和植被类型等因素确定了高风险区域[30]。柴旭泽[31]应用“3S”技术采集剑川鼠疫监测点、历史疫点地理坐标把剑川县鼠疫疫源地地图数字化,建成剑川鼠疫疫源地空间数据库,进行加权适宜性空间分析,成功地提取出剑川鼠疫的高风险分布区域。未来,融合“3S”技术,建立鼠疫监测数据库和鼠疫空间信息数据库,结合空间分析方法,可实现鼠疫高风险区域识别和风险定量评估。
4 发展前景运用“3S”技术在鼠疫防控中具有以下优势:(1)以“3S”技术为空间分析基础,高度融合多学科知识与技术,为鼠疫的数据采集、整理和分析提供了多重手段,可进一步加强监控鼠疫流行趋势的能力。(2)在研究和分析鼠疫数据时,可实现高度数字化、智能化,分析结果数据输出多样化,可视性好,便于鼠防人员在工作中及时做出响应。(3)基于“3S”技术,数据共享及时、数据更新速度快,对鼠疫流行特征直观表达强,开展鼠疫研究周期短、分析效率高,可为鼠疫防控信息化发展提供动力。“3S”技术进一步运用于鼠疫防控工作主要依赖于“3S”技术及相关数字化技术发展,取决于“3S”技术与鼠疫防控工作融合程度。要使“3S”技术在鼠疫防控中更好发挥作用,首先要掌握“3S”技术原理及使用方法。由于鼠疫防控人员大多欠缺地理学、计算机学、RS、数学等学科知识,故在实际运用中可与信息技术专业人员联合开展分析。其次,需要打通信息共享壁垒。由于各部门间缺乏协作,鼠疫防控人员很难在第一时间获得常规监测资料,如环境资料和RS资料等。能否实现与气象、地质等部门的信息共享甚至实时共享成为该技术能否成功运用于鼠防工作的关键。此外,采集和储存鼠疫相关数据需要耗费大量的时间和人力资源。利用现有鼠疫监测系统虽能收集大量监测数据,但仍有鼠疫相关的空间信息数据未能获取。如果使用“3S”技术来构建专门针对鼠疫预防和控制的时空信息采集系统,创建各种数据平台,就能够使上述任务变得更为简洁、直接且实用。
利益冲突 无
[1] |
闫正龙, 高凡, 何兵. 3S技术在我国生态环境动态演变研究中的应用进展[J]. 地理信息世界, 2019, 26(2): 43-48. Yan ZL, Gao F, He B. Review on the application of 3S technologies in the dynamic evolution of ecological environment at China[J]. Geomatics World, 2019, 26(2): 43-48. DOI:10.3969/j.issn.1672-1586.2019.02.008 |
[2] |
Ceccato P, Ramirez B, Manyangadze T, et al. Data and tools to integrate climate and environmental information into public health[J]. Infect Dis Poverty, 2018, 7(1): 126. DOI:10.1186/s40249-018-0501-9 |
[3] |
Khormi HM, Kumar L. Modeling dengue fever risk based on socioeconomic parameters, nationality and age groups: GIS and remote sensing based case study[J]. Sci Total Environ, 2011, 409(22): 4713-4719. DOI:10.1016/j.scitotenv.2011.08.028 |
[4] |
Wang XY, He J, Yang K, et al. Applications of spatial technology in schistosomiasis control programme in the People's Republic of China[J]. Adv Parasitol, 2016, 92: 143-163. DOI:10.1016/bs.apar.2016.02.020 |
[5] |
黄翠, 陈晓晖, 谢峰, 等. GIS在传染病防控方面的应用[J]. 公共卫生与预防医学, 2017, 28(1): 77-80. Huang C, Chen XH, Xie F, et al. Application of GIS (geographic information system) in infectious diseases control and prevention[J]. J Pub Health Prev Med, 2017, 28(1): 77-80. |
[6] |
闫东, 史献明, 崔耀仁, 等. GPS在河北省鼠疫防治中的应用探讨[J]. 中国地方病防治杂志, 2009, 24(1): 62-64. Yan D, Shi XM, Cui YR, et al. Application of GPS on plague prevention and control in Hebei province[J]. Chin J Ctrl Endem Dis, 2009, 24(1): 62-64. |
[7] |
施迅, 王法辉. 地理信息技术在公共卫生与健康领域的应用[M]. 北京: 高等教育出版社, 2016: 251-258. Shi X, Wang FH. Applications of geospatial information technologies in public health[M]. Beijing: Higher Education Press, 2016: 251-258. |
[8] |
Eisen L, Eisen RJ. Using geographic information systems and decision support systems for the prediction, prevention, and control of vector-borne diseases[J]. Annu Rev Entomol, 2011, 56: 41-61. DOI:10.1146/annurev-ento-120709-144847 |
[9] |
路凤. 地理信息系统在空气污染暴露评估中的应用[J]. 卫生研究, 2014, 43(4): 680-684, 692. Lu F. Application of geographic information system in air pollution exposure assessment[J]. J Health Res, 2014, 43(4): 680-684, 692. |
[10] |
马倩倩, 张静杭, 杨土保. 地理信息系统在现代医学中的应用[J]. 实用预防医学, 2017, 24(7): 892-896. Ma QQ, Zhang JH, Yang TB. Application of geographic information system to modern medical science[J]. Pract Prev Med, 2017, 24(7): 892-896. DOI:10.3969/j.issn.1006-3110.2017.07.038 |
[11] |
沈尔礼, 张苇, 俞东征, 等. 关于美国、秘鲁鼠疫防治工作的考察报告[J]. 中国地方病防治杂志, 1998, 13(1): 54-56. Shen EL, Zhang W, Yu DZ, et al. Investigation report on plague control in the United States and Peru[J]. Chin J Ctrl Endem Dis, 1998, 13(1): 54-56. |
[12] |
Addink EA, De Jong SM, Davis SA, et al. The use of high-resolution remote sensing for plague surveillance in Kazakhstan[J]. Remote Sens Environ, 2010, 114(3): 674-681. DOI:10.1016/j.rse.2009.11.015 |
[13] |
房静, 周方孝, 张贵, 等. "3S"技术在达乌尔黄鼠疫源地鼠疫监测中应用[J]. 中国地方病防治杂志, 2008, 23(3): 192-195. Fang J, Zhou FX, Zhang G, et al. The application for new technical to use in plague surveillance of S. dauricus focus[J]. Chin J Ctrl Endem Dis, 2008, 23(3): 192-195. DOI:10.3969/j.issn.1001-1889.2008.03.013 |
[14] |
徐成, 张贵军, 张雁冰, 等. 青藏铁路沿线鼠疫疫情与监测地理信息系统的应用[J]. 中华地方病学杂志, 2008, 27(4): 464-467. Xu C, Zhang GJ, Zhang YB, et al. Plague epidemic situation and surveillance on geography information system in regions along the Qinghai-Tibet railway[J]. Chin J Endemiol, 2008, 27(4): 464-467. DOI:10.3760/cma.j.issn.1000-4955.2008.04.033 |
[15] |
于心. 新疆准噶尔盆地荒漠大沙鼠鼠疫自然疫源地调查研究概述[J]. 地方病通报, 2007, 22(2): 57-60, 67. Yu X. Outline of investigation on plague natural focus of Rhombomys opimus in Junggar Basin, Xinjiang[J]. Endemic Dis Bull, 2007, 22(2): 57-60, 67. DOI:10.3969/j.issn.1000-3711.2007.02.024 |
[16] |
陈磊, 张贵军. 2012―2021年鼠疫国家级监测点疫情流行病学分析[J]. 中国地方病防治, 2023, 38(1): 63-65. Chen L, Zhang GJ. Epidemiological analysis of epidemic at national surveillance sites for plague from 2012 to 2021[J]. Chin J Ctrl Endem Dis, 2023, 38(1): 63-65. |
[17] |
俞东征, 海荣, 丛显斌, 等. 鼠疫防控领域中最紧迫的10个研究方向[J]. 疾病监测, 2008, 23(3): 133-136. Yu DZ, Hai R, Cong XB, et al. The 10 most urgent research directions in the field of plague prevention and control[J]. Dis Surveill, 2008, 23(3): 133-136. DOI:10.3784/j.issn.1003-9961.2008.3.133 |
[18] |
方喜业, 许磊, 刘起勇, 等. 中国鼠疫自然疫源地分型研究Ⅰ. 生态地理景观特征[J]. 中华流行病学杂志, 2011, 32(12): 1232-1236. Fang XY, Xu L, Liu QY, et al. Eco-geographic landscapes of natural plague foci in China Ⅰ. Eco-geographic landscapes of natural plague foci[J]. Chin J Epidemiol, 2011, 32(12): 1232-1236. DOI:10.3760/cma.j.issn.0254-6450.2011.12.012 |
[19] |
方喜业, 周冬生, 崔玉军, 等. 中国鼠疫自然疫源地分型研究Ⅳ. 鼠疫耶尔森菌生物型生物学特征的探讨[J]. 中华流行病学杂志, 2012, 33(6): 626-629. Fang XY, Zhou DS, Cui YJ, et al. Eco-geographic landscapes of natural plague foci in China Ⅳ. Characterization of biovars of Yersinia pestis, China[J]. Chin J Epidemiol, 2012, 33(6): 626-629. DOI:10.3760/cma.j.issn.0254-6450.2012.06.019 |
[20] |
龚正达, 于心, 刘起勇, 等. 中国鼠疫自然疫源地分型研究Ⅵ. 鼠疫媒介生物学特征[J]. 中华流行病学杂志, 2012, 33(8): 818-822. Gong ZD, Yu X, Liu QY, et al. Ecological-geographic landscapes of natural plague foci in China Ⅵ. Biological characteristics of natural vectors of Yesinia pestis[J]. Chin J Epidemiol, 2012, 33(8): 818-822. DOI:10.3760/cma.j.issn.0254-6450.2012.08.014 |
[21] |
秦长育, 许磊, 张荣祖, 等. 中国鼠疫自然疫源地分型研究Ⅴ. 鼠疫宿主生物学特征[J]. 中华流行病学杂志, 2012, 33(7): 692-697. Qin CY, Xu L, Zhang RZ, et al. Ecological-geographic landscapes of natural plague foci in China Ⅴ. Biological characteristics of major natural reservoirs of Yesinia pestis[J]. Chin J Epidemiol, 2012, 33(7): 692-697. DOI:10.3760/cma.j.issn.0254-6450.2012.07.011 |
[22] |
Eisen RJ, Reynolds PJ, Ettestad P, et al. Residence-linked human plague in New Mexico: A habitat-suitability model[J]. Am J Trop Med Hyg, 2007, 77(1): 121-125. DOI:10.4269/ajtmh.2007.77.121 |
[23] |
张建宏. 3S技术在鼠疫疫源地研究中的应用进展[J]. 浙江预防医学, 2011, 23(6): 30-33. Zhang JH. The application of 3S technology in the research of plague focus[J]. Zhejiang Prev Med, 2011, 23(6): 30-33. DOI:10.3969/j.issn.1007-0931.2011.06.010 |
[24] |
王丽君, 周立志, 马勇. 中国鼠疫宿主鼠类丰富度格局及疫区环境因子分析[J]. 兽类学报, 2010, 30(4): 411-417. Wang LJ, Zhou LZ, Ma Y. Analysis on species richness pattern of plague host rodents and the environmental factor in plague epidemic areas in China[J]. Acta Theriol Sin, 2010, 30(4): 411-417. DOI:10.16829/j.slxb.2010.04.007 |
[25] |
Pham HV, Dang DT, Minh NNT, et al. Correlates of environmental factors and human plague: An ecological study in Vietnam[J]. Int J Epidemiol, 2009, 38(6): 1634-1641. DOI:10.1093/ije/dyp244 |
[26] |
闫东, 刘冠纯, 候芝林, 等. 利用两种生态位模型预测长爪沙鼠鼠疫疫源地动物间疫情潜在风险[J]. 中国媒介生物学及控制杂志, 2020, 31(1): 12-15. Yan D, Liu GC, Hou ZL, et al. Using two ecological niche models to predict the potential risk of epizootic situation in the foci of Meriones unguiculatus plague[J]. Chin J Vector Biol Control, 2020, 31(1): 12-15. DOI:10.11853/j.issn.1003.8280.2020.01.003 |
[27] |
Kausrud KL, Begon M, Ben Ari T, et al. Modeling the epidemiological history of plague in Central Asia: Palaeoclimatic forcing on a disease system over the past millennium[J]. BMC Biol, 2010, 8: 112. DOI:10.1186/1741-7007-8-112 |
[28] |
Wu H, Wu H, Wang Y, et al. Analysis of Himalayan marmot distribution and plague risk in Qinghai province of China using the "3S" technology[J]. Sci Rep, 2023, 13(1): 1924. DOI:10.1038/s41598-023-28414-5 |
[29] |
Holt AC, Salkeld DJ, Fritz CL, et al. Spatial analysis of plague in California: Niche modeling predictions of the current distribution and potential response to climate change[J]. Int J Health Geogr, 2009, 8: 38. DOI:10.1186/1476-072x-8-38 |
[30] |
Eisen RJ, Enscore RE, Biggerstaff BJ, et al. Human plague in the southwestern United States, 1957-2004: Spatial models of elevated risk of human exposure to Yersinia pestis[J]. J Med Entomol, 2007, 44(3): 530-537. DOI:10.1093/jmedent/44.3.530 |
[31] |
柴旭泽. "3S"技术在剑川齐氏姬鼠、大绒鼠野鼠鼠疫疫源地监测中的应用[D]. 大理: 大理学院, 2012. Chai XZ. The application of "3S" technology on plague monitoring in Jianchuan region[D]. Dali: Dali University, 2012. (in Chinese) |