中国媒介生物学及控制杂志  2014, Vol. 25 Issue (5): 405-407

服务

文章信息

周毅彬,冷培恩,顾君忠,龙春宇,陈鹏
ZHOU Yi-bin, LENG Pei-en, GU Jun-zhong, LONG Chun-yu, CHEN Peng
上海市白纹伊蚊密度与气象因素关系的研究
Study on relationship between population density of Aedes albopictus and meteorological factors in Shanghai, China
中国媒介生物学及控制杂志, 2014, 25(5): 405-407
Chin J Vector Biol & Control, 2014, 25(5): 405-407
10.11853/j.issn.1003.4692.2014.05.005

文章历史

收稿日期:2014-03-26
上海市白纹伊蚊密度与气象因素关系的研究
周毅彬1, 冷培恩1, 顾君忠2, 龙春宇2, 陈鹏2    
1. 上海市疾病预防控制中心病媒生物防治科,上海2003362. 华东师范大学
摘要目的 研究气象因素(组合)对白纹伊蚊密度的影响,及其在白纹伊蚊综合治理中的应用。方法 采用matlab多元 逐步回归和神经网络研究上海地区2005年1月至2008年12月白纹伊蚊密度变化与气象因素间的关系。结果 多元逐 步回归方程为y=-18.206 64x2+3.066 16x3-3.383 90x4+1.891 53x7+1.689 86x8+25.939 46x13+1.936 35x18-2217.100 90, 其中x2代表最低气温,x3代表20-20降雨量(前一日20:00到次日20:00总降雨量),x4代表日照时数,x7代表最低相对湿 度,x8代表日平均风速,x13代表20:00温度,x18代表08:00气压。回归方程获得较好的预测(拟合)结果,R-square为0.897 00, 采用神经网络的方法R-square为0.913 19,在此应用场景下神经网络比回归分析具有更好的实际效果。结论 与蚊虫密 度相关的气象因素主要为最低气温、20-20降雨量、日照时数、最低相对湿度、日平均风速、20:00温度和08:00气压。
关键词白纹伊蚊     成蚊密度     气象因素    
Study on relationship between population density of Aedes albopictus and meteorological factors in Shanghai, China
ZHOU Yi-bin1, LENG Pei-en1, GU Jun-zhong2, LONG Chun-yu2, CHEN Peng2    
1 Shanghai Center for Disease Control and Prevention, Shanghai 200336, China;
2 East China Normal University
Abstract:Objective To determine the fauna, population density, seasonality, and adverse impact of major vectors in the coastal areas of Jiangsu province, China, and to provide a scientific basis for the prevention of vector-borne diseases in Jiangsu coastal areas. Methods Six coastal counties/cities from Jiangsu province were chosen for surveillance of vectors, and cases of vector-borne diseases in the coastal areas in 2013 were retrospectively analyzed. Results The mean population densities of mosquitoes, flies, rats, and cockroaches in the study areas of Jiangsu province were 1.22 per light-hour, 19.78 per cage, 2.07%, and 0.33 per net, respectively, during June 2002 to 2013. Hemorrhagic fever with renal syndrome (HFRS), scrub typhus, and malaria were the most prevalent diseases in the coastal areas of Jiangsu. The incidence rates of the three diseases in 2013 (1.09/ 100 000, 1.53/100 000, and 0.76/100 000) were all higher than the average levels in Jiangsu province during the same period. Conclusion The climate and habitat changes in Jiangsu coastal areas may have significant influence on vectors and vector- borne diseases. We need to strengthen publicity and education of HFRS, scrub typhus, and malaria, promote vaccination, and develop pest control in coastal areas. The above measures can effectively reduce the incidence of vector-borne diseases.
Key words: Coastal area     Vector     Hazard    

气象因素、环境因素和人为因素是影响白纹伊蚊 (Aedes albopictus)密度变化的主要因素[1]。白纹伊蚊 作为登革热的主要传播媒介属于半家栖型,在居民区 和野外都比较常见,主要孳生于小型水体(盆景、树洞 和石穴等)。总的来说,蚊虫密度的变化会受到某些气 象因素的影响,如:温度、降雨量、蒸发量、相对湿度、风 速、日照时间和强度。某些特殊天气现象(大幅度降 温、降雪和冰雹等)也会影响到蚊虫的密度、分布和叮 咬活动。从已有的统计学分析研究结果看,对蚊虫密 度、蚊虫活动性影响最大的气象因素是气温。降雨量 对蚊虫密度影响较为复杂,相关文献的研究结果也不 一致[2,3]。虽然蚊虫发育的前3个阶段(卵、幼虫和蛹) 都需要水生的环境,但是降雨量、蒸发量、日照时间和 强度等多个气象因素都会间接地影响蚊虫的水生 环境。

本研究应用统计学方法分析气象因素对白纹伊蚊 种群密度的影响及其影响程度。采用matlab软件进行 多元逐步回归并使用神经网络预测[4,5],分析和预测中 考虑了气温、降雨量、日照时间、相对湿度、风速等共 20项气象因素与蚊虫密度的相关性。 1 材料与方法 1.1 白纹伊蚊密度

上海市的白纹伊蚊多出现在每 年的4-11月。本研究的白纹伊蚊密度数据来源于上 海市疾病预防控制中心,于2005-2008年采用人工小 时法监测的蚊虫密度数据。 1.2 气象资料

气象资料来源于上海市气候中心。 1.3 分析方法

数据统计分析使用matlab软件,以各 月气温、降雨量、日照时间、相对湿度、风速等共20项 气象因素为因变量,对数据进行统计学分析,判断白纹 伊蚊月平均密度与同期气温、降雨量等气象因素的关 系及密切程度。本研究主要使用了多元逐步回归和 BP神经网络来研究气候因素与蚊虫密度、蚊虫活性之 间的关系。 2 结果 2.1 气象因素分析

2005-2008年上海地区年平均 气温为17.6 ℃;7月最热,月平均气温为29.7 ℃;1月最 冷,月平均气温为4.7 ℃。气温从1月开始逐步上升,至 7月达最大值后逐步下降(图 1)。上海地区降雨量的变 化规律不明显,年降雨量平均为1149 mm,其中约70% 集中在4-9月,6-8月降雨量较多,分别为147、190和 169 mm,3、10和12月较少,分别为48、56和24 mm(图 1)。

图 1 2005-2008年上海市月平均气温及月平均降雨量 Figure 1 The mean monthly air temperature and precipitation in Shanghai during 2005-2008
2.2 回归分析

表 1中总结了气候因素(组合)对于 白纹伊蚊月平均密度的影响。首先分析了单一气候因 素(表 1中编号1~20的单一气象因素)对蚊虫密度的 影响。其中影响程度最大的是气温(最低气温>20:00 温度>日平均气温>最高气温),然后是气压(08:00 气压>日平均气压);之后是相对湿度和20-20降雨量 (前一日20:00到次日20:00总降雨量);风速和日照时 数的影响程度很小。

表 1 回归分析结果 Table 1 The results of regression analysis

在对单一气象因素进行分析的基础上,结合对气 象因素进行主成分分析的结果,选取不具有相关性的 气象因素进入组合测试分析集,本研究对选取的气象 因素所能形成的气象因素组合的影响程度进行分析。 发现编号为23的气象因素组合(2、3、4、7、8、13、18)对 蚊虫密度、蚊虫活性的影响程度最大。具体来说编号 为23的气象因素组合对应的气候因素为最低气温、 20-20降雨量、日照时数、最低相对湿度、日平均风速、 20:00温度、08:00气压。回归方程为y=-18.206 64x2+ 3.066 16x3-3.383 90x4 + 1.891 53x7 + 1.689 86x8 + 25.939 46x13+1.936 35x18-2217.100 90,其中x2代表最 低气温,x3代表20-20降雨量,x4代表日照时数,x7代表 最低相对湿度,x8 代表日平均风速,x13 代表20:00 温 度,x18代表08:00气压。回归方程获得了较好的预测 (拟合)结果,R-square为0.897 00。其中虽然存在2个 气温因素(最低气温和20:00温度),而且2个气温因素 之间存在一定的自相关,类似结果也出现于其他相关 研究中[6]2.3 神经网络

BP神经网络可以非线性地表示输入 和输出之间的关系,因此在专家系统、模式识别、组合 优化和预测等很多领域中获得广泛应用。然而对于神 经网络的内部结构还没有公认的最优组合,这就需 要在具体的应用中,找出适合特定领域的内部结 构。表 2中列举了不同内部结构神经网络的预测效果 (以R-square作为衡量指标,R-square值越大,说明模 型预测效果越好)。

表 2 不同内部结构神经网络的预测效果 Table 2 Predictive effects of the neural networks with different internal structures

在使用神经网络进行预测之前,本研究对隐层数 量以及每层神经元数量进行了实验。从实验结果中可 以看出,每层中神经元的数目太少或者太多都容易造 成预测结果的不稳定。同时,隐层数量(1层或者2层) 对结果的影响也比较大。表 2中2隐层每层8个神经 元为当前最好的结果(0.913 19)。对于所使用的训练 函数来说,traingdm函数的预测结果整体上比较好,过 程平滑,但训练时间很长,迭代次数也比较多。 traingdx函数的训练时间较短,迭代次数较少。 2.4 实验对比

经过上述分别采用回归分析和神经 网络建立的模型,当读入对应年月份的气象数据时获 得的白纹伊蚊月蚊虫密度的预测结果如图 2所示。从 图 2可以看到,神经网络预测的结果比回归分析预测 结果更接近于实际监测中的数据。而2 种方法的 R-square结果神经网络为0.913 19,回归分析为0.897 00。 综上可以看到在此应用场景下神经网络比回归分析具 有更好的实际效果。

图 2 不同模型实验结果比较 Figure 2 Experimental result comparison between different models
3 讨论

由分析可知,20-20降雨量、最低相对湿度、日平 均风速、20:00温度、08:00气压与蚊虫密度有一定的 正相关关系,其中20:00温度对蚊密度的影响最大,之 后是最低相对湿度和08:00气压,20-20降雨量和日平 均风速的相关程度不明显;当前对于降雨量如何引入 方程尚存争议,相关文献的研究结果并不一致[7,8],本 研究结果显示降雨量对蚊虫密度产生了一定影响。 此外,采用matlab 软件进行相关性分析,可以看到 20:00温度与最低温度具有极强的共线性,但是引入 20:00温度能够对于整个预测具有比较好的效果。

目前多数研究是从气象因素的日平均值来研究 气象因素与蚊虫密度的关系,本研究在此之外,还对 不同时段的值(02:00、08:00、14:00和20:00)进行了 细致研究。

通过多元逐步回归分析,发现了与蚊虫密度相关 的主要气象因素,并建立了对应的多元回归方程,为 蚊虫密度的预测提供了可靠模型。本次尝试通过神 经网络对蚊虫密度进行预测,也取得很好的结果,其 预测结果好于多元线性回归,为将来进一步的工作提 供了思路。由于影响蚊虫密度的因素十分复杂,因此 还需要进行更深入的研究。

参考文献
[1] 周毅彬,冷培恩,曹辉,等. 气温和降雨量对白纹伊蚊密度影响的研究[J]. 中华卫生杀虫药械,2010,16(2):105-107.
[2] 闵继光,顾品强,顾正权,等. 上海奉贤三带喙库蚊13年首次出现气象分析[J]. 中国媒介生物学及控制杂志,2003,14(1):36-40.
[3] 奚国良. 气象因素对蚊虫密度的影响研究[J]. 中国媒介生物学及控制杂志,2000,11(1):24-26.
[4] 何正风. MATLAB概率与数理统计分析[M]. 北京:机械工业出版社,2012:275-302.
[5] Hastie T,Tibshirani R,Friedman J. The elements of statisticallearning:data mining,inference,and prediction[M]. New York:Springer,2009:347-369.
[6] 杨维芳,孙俊,徐燕,等. 三带喙库蚊发生量与气象因子相关性初步分析[J]. 中国媒介生物学及控制杂志,2010,21(1):49-50.
[7] 易彬樘,张治英,徐德忠,等. 气候因素对登革热媒介伊蚊密度影响的研究[J]. 中国公共卫生,2003,19(2):129-131.
[8] 秦正积,罗超,孟言浦,等. 气温、湿度、降雨量对蚊密度的影响统计分析[J]. 中国媒介生物学及控制杂志,2003,14(6):421-422.