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
2 East China Normal University
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)。
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。
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)。
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。
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。
[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. |