文章信息
- 王梅, 雒涛, 赵坚, 王启果, 李博, 阿扎提, 张渝疆, 李群. 2014.
- Wang Mei, Luo Tao, Zhao Jian, Wang Qiguo, Li Bo, Azhati, Zhang Yujiang, Li Qun. 2014.
- 基于生态位模型预测新疆准噶尔盆地大沙鼠适生区分布及风险评估
- Study on the spatial distribution and related risks of Rhombomys opimus,based on the ecological niche modeling in Junggar Basin,Xinjiang
- 中华流行病学杂志, 2014, 35(9): 1037-1041
- Chinese Journal of Epidemiology, 2014, 35(9): 1037-1041
- http://dx.doi.org/10.3760/cma.j.issn.0254-6450.2014.09.015
-
文章历史
- 投稿日期:2014-4-15
2 新疆维吾尔自治区疾病预防控制中心
2 Xinjiang Uygur Autonomous Region Center for Disease Control and Prevention
鼠疫是我国甲类传染病,其暴发、流行、潜伏均 与特定区域的地理生态环境密切相关[1,2,3]。鼠疫菌 存在于自然疫源地宿主动物中,由此而生的宿主生 态位假说(host niche hypothesis)认为鼠疫分布依赖 于宿主动物的分布,特定宿主动物物种的发现有可 能扩大鼠疫菌的潜在分布范围[4]。因此,可通过研 究宿主动物的分布,确立鼠疫自然疫源地等并预测 鼠疫的发生风险。我国目前已确定12个鼠疫疫源 地[5,6,7]。其中2005年新疆准噶尔盆地大沙鼠鼠疫疫 源地有12个县(市)发生动物鼠疫流行,确定克拉玛 依、博乐、吉木萨尔和奇台为鼠疫疫源县(市)。准噶 尔鼠疫疫源地属盆地荒漠地貌景观,疫源地动物、媒 介组成复杂,生态系统稳定,主要宿主动物为大沙 鼠。了解其宿主动物大沙鼠的分布,有利于做好鼠 疫防控工作。
空间信息技术主要包含遥感(RS)、地理信息系 统(GIS)和全球定位系统(GPS),即“3S”技术。采用 GPS准确掌握鼠疫宿主动物发现点的位置,RS快速 大范围获取地表生态环境参数,利用GIS对地表复 杂多要素进行综合分析,对动物鼠疫暴发早期预警 以及分析鼠疫的传播风险具有重要意义。有学者基 于空间信息技术和生态位建模原理预测和评估媒介 生物的潜在分布[4,8]。为此本研究拟基于“3S”技术, 在生态位理论框架下,建立模型预测新疆准噶尔盆 地大沙鼠适生区潜在分布,并划分宿主动物潜在分 布风险等级以及受该疫源地威胁的人口空间分布, 为该疫源地实施动物鼠疫监测提供依据。 资料与方法
1. 大沙鼠生境调查:选择准噶尔盆地作为研究 区域(面积约为597363km2)。大沙鼠分布区域即疫 源地的范围,但其空间分布可能有所不同或分隔成若 干地段[9]。2012年5、9月现场调查石河子、吉木萨尔 等21个县(市),共记录569个点,其中发现点391个, 未发现点178个。现场发现有大沙鼠鼠洞或捕获到 大沙鼠的地区定义为大沙鼠发现点,相反则为大沙鼠 未发现点。为了去除大沙鼠发现点和未发现点的空 间聚集性,本研究采用空间自相关统计方法,即 Global Moran’sⅠ为主要统计指标,Moran’sⅠ越小 说明点与点之间离散性越好,越接近随机分布。剔除 点与点间聚集性后剩余共获得189个发现点。
2. 环境变量:研究中使用高程、坡度、坡向、土地 覆盖物、归一化植被指数(NDVI)[10]、生物气候数据 (bio1~bio19)共24个环境变量。其中“高程”来源 于美国国家航空航天局航天测绘数据集SRTM30 (http://www2.jpl.nasa.gov/srtm/);使用ESRI ArcGIS Desktop9.3计算“坡度”和“坡向”;“地表覆盖物”数 据来自欧洲航天局提供的GlobCover Land Cover version V2.2(http://www.esa.int/esaEO/SEMXB7TTGOF_ index_0.html);“NDVI”来 自2011年 最 大 化 合 成 SPOT-VGT S10旬 值 数 据(http://free.vgt.vito.be); “bio1~bio19”来自世界气候数据网站(http://www. worldclim.org/)。人口分布来自地球系统科学数据 共享平台2003年全国1km网格人口数据(http:// www.geodata.cn/Portal/metadata/viewMetadata.jsp? id=100101-38)。考虑变量间可能存在自相关,计 算24个变量间spearman相关系数,除去| r|≥0.8的 变量用于建立预测模型[11]。
3. 建立生态位模型(ENM):基于生态位理论, 将物种分布数据与限制该物种分布的环境变量进行 统计学关联,建立分布与环境变量的关系,预测物种 的地理分布或者潜在栖息地。ENM分为presenceabsence模型和presence-only模型,后者中以Maxent 模型的评价效果及稳定性较好[12,13,14],故本研究采用 Maxent模型预测大沙鼠适生区分布。利用GPS获 得大沙鼠分布点经纬度信息,结合RS获取环境变 量,在GIS支持下对大沙鼠分布点和环境变量图层 进行除聚集性、投影转换、裁切等处理,最后利用 Maxent软件建模。
4. 统计学分析:使用基于最大熵原理的Maxent V3.3.3软件。建立Maxent模型时,随机抽取10000 个背景点作为伪未发现点,在189个空间独立的旱 獭发现点样本中,随机选取142个点(75%)用于建立 ENM,得到预测概率P∈(0,1)的连续型预测图,用 受试者工作特征(ROC)曲线及曲线下面积(AUC) 值评估预测结果。每个栅格的预测概率值即为可能 存在大沙鼠,变量的响应曲线显示随着环境变量的 变化对大沙鼠活动适宜性的改变。对适宜阈值划分 为3个风险等级,并将预测概率P∈(0,1)的预测图 转换为风险分级预测图。利用未参与建模的其余 25%发现点和2012年补充调查的未发现点验证模 型。利用叠加分析预测结果和人口分布,得到受大 沙鼠威胁的人口数及分布范围。 结 果
利用新疆准噶尔盆地大沙鼠发现点资料和遥感 环境数据,在生态位理论框架下建立预测大沙鼠生 境适宜性模型。在大沙鼠发现点去除空间自相关, 得到189个独立样本;24个遥感环境数据去除变量 之间的自相关,得到坡度、坡向、NDVI、土地覆盖、 bio2(平均周温度变化)、bio3(等温性)、bio4(温度 季节性变化)、bio7(平均年温度变化)、bio9(最干季 平均温度)、bio11(最冷季平均温度)、bio13(最湿月 降雨量)、bio15(降雨量的季节性变化)以及bio19 (最冷季降雨量)共计13个变量。随机选取142个 (75%)阳性点建立Maxent模型。模型的判别能力 和拟合优度较高(AUC=0.968),见图 1。得到大沙 鼠适生区预测概率P∈(0,1)的预测结果(图 2)。
未参与建模的25%大沙鼠发现点和大沙鼠未发 现点验证预测模型,采用约登指数最大时对应的栅 格值作为阈值建立模型评价四格表计算各项指标, 结果灵敏度为91.4%,特异度为63.3%,准确度为 73.8%,阳性预测值为59.7%,阴性预测值为92.6%, Kappa系数为0.495。
为了准确评估准噶尔盆地大沙鼠潜在分布风 险,基于阈值法划分大沙鼠潜在分布的风险等级,划 分阈值分别为敏感性最大时对应的栅格值和约登指 数最大时对应的栅格值。敏感性最大时的阈值为 0.06,代表大沙鼠潜在分布最大范围,定义为中风险 区;约登指数即敏感性+特异性-1,最大时的阈值为 0.4,该阈值划分后的敏感性和特异性均较高,为大沙 鼠可能存在的最大区域,定义为高风险区(图 3)。
大沙鼠潜在分布的中风险区域非常广泛,覆盖 了准噶尔盆地及其周边大部分的区县,面积约为12 万km2,约占总面积的20%;高风险区域则相对集 中,主要在准噶尔盆地的核 心地区,面积约37304km2, 约占总面积的6.2%。从图 3 可见,5个分布较为集中的高 风险区域,分别位于精河县 北部地区,白碱滩区、乌尔禾 区及和布克赛尔县南部地 区,玛纳斯县北部地区,米东 区、阜康市和吉木萨尔县,奇 台县和木垒县。其中吉木萨 尔县、阜康市、和布克赛尔 县、奎屯市、乌鲁木齐市米东 区及克拉玛依市辖区、乌尔 禾区、白碱滩区的中风险地 区分布面积较广,占区县总 面积的60%以上;高风险地 区主要分布在昌吉回族自治 州、乌鲁木齐市米东区及克拉玛依市,其中米东区、 克拉玛依市辖区及乌尔禾区的分布较广,占总面积 的56%以上(表 1)。
在风险预测结果的基础上叠加人口分布,获 得了大沙鼠主要分布区人口分布风险预测结果 (图 4)。其中中风险地区人口约144万,分布于 3582km2区域;高风险人口约12万,分布于261km2 区域。其中需要特别关注乌鲁木齐市、五家渠市、克 拉玛依市、博乐市、精河县、奎屯市、阜康市、吉木萨 尔县及木垒哈萨克自治县。
讨 论本研究利用新疆准噶尔盆地现场调查获取的大 沙鼠分布数据结合遥感环境信息,在生态位理论框 架下,基于Maxent模型建立了分析大沙鼠自然疫源 地环境特征、预测大沙鼠潜在分布风险模型。预测 结果表明该模型判别能力和拟合优度较高(AUC= 0.968)。由于大沙鼠分布的空间特异性较低,仅采 用单一指标划分很可能将大部分大沙鼠潜在分布概 率较高的地区未划分到大沙鼠发现点内,因此建立 的模型利用约登指数和阳性预测值将预测概率划分 为高、中、低3个等级的风险分布,这样既保证了与 实际调查相符,又可标 示出重点关注的高风 险地区。
准噶尔盆地大沙 鼠分布区主要包括博 乐、精河、乌苏、沙湾、 托里、和布克赛尔、克 拉玛依、石河子、玛纳 斯、呼图壁、昌吉、米泉 (现米东区)、阜康、吉 木萨尔、奇台、木垒、富 蕴、福海和乌鲁木齐19 个市(县)[7]。其中有16 个被预测为高风险地 区,博乐县和富蕴县为 中风险地区,石河子市 为低风险地区。另外, 塔城市、裕民县、额敏 县、托克逊县、吐鲁番 市、青河县、吉木乃县、 布尔津县、阿勒泰市、 奎屯市、新源县、尼勒 克县、伊宁县、巴里坤 哈萨克自治县的部分 区域也被预测为大沙 鼠潜在分布的中风险 地区。本文结果与文 献报道的大沙鼠地理 分布基本一致[15]。
为了解大沙鼠潜 在分布区域对人类的 影响,本研究将预测结 果和人口分布叠加,获 得大沙鼠分布区人群 风险预测结果。19个 大沙鼠分布市(县)的 总面积约为25万km2,而本研究预测的高风险地区 仅3.7万km2,只占20%(实际上对人类产生威胁的 地区只有261km2,仅为0.1%)。因此本文结果还提 示应合理配置鼠疫防控资源。
综上所述,基于生态位理论和遥感环境数据可 以预测鼠疫自然疫源地大沙鼠潜在适生区,其结果 极大缩小重点关注的高风险地区,为鼠间鼠疫监测 提供参考。
[1] Fang XY, Wang GM. The plague[J]. Bulletin of Biology,2006,41(9):1-4. (in Chinese) 方喜业,王光明. 鼠疫[J]. 生物学通报,2006,41(9):1-4. |
[2] Halpern BS,Walbridge S, Selkoe KA, et al. A global map of human impact on marine ecosystems[J]. Science,2008,319(5865):948-952. |
[3] McGranahan G, Balk D, Anderson B. The rising tide:assessing the risks of climate change and human settlements in low elevation coastal zones[J]. Environ Urban,2007 ,19:17-37. |
[4] Muriuki G,Seabrook L,McAlpine C,et al. Land cover change under unplanned human settlements:a study of the Chyulu Hills squatters,Kenya[J]. Landscap Urban Plan, 2011,99:154-165. |
[5] Ji SL, He JG, Sun X,et al. The Plague[M]. Beijing:People's Medical Publishing House,1988:44-130. (in Chinese) 纪树立,贺建国,孙玺,等. 鼠疫[M]. 北京:人民卫生出版社,1988:44-130. |
[6] Liu ZC, Hai R. The discovery and study of Microtus fuscus nature plague foci in Qinghai-Tibet Plateau[J]. Chin J Control Endemic Dis,2001,16:321-327. (in Chinese) 刘振才,海荣. 青藏高原青海田鼠鼠疫自然疫源地的发现与研究[J]. 中国地方病防治杂志,2001,16:321-327. |
[7] Zhang YJ,Dai X, Abulimiti, et al. Study on the situation of plague in Junggar Basin of China[J]. Chin J Epidemiol,2008,29(2):136-144. (in Chinese) 张渝疆,戴翔,阿不力米提,等. 准噶尔盆地鼠疫调查[J]. 中华流行病学杂志,2008,29(2):136-144. |
[8] Wittemyer G, Elsen P, Bean WT, et al. Accelerated human population growth at protected area edges[J]. Science,2008,321(5885):123-126. |
[9] 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. (in Chinese) 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. |
[10] Qian Q. Predicting the transmission risk of plague and the spatial distribution of plague foci based on enrironmental factors[D]. Beijing:Academy of Military Medical Sciences of the Chinese PLA,2010. (in Chinese) 钱全. 基于环境因素预测鼠疫自然疫源地空间分布格局及鼠疫传播风险[D]. 北京:中国人民解放军军事医学科学院,2010. |
[11] Liao JS. Study on the potential transmission risks of Schistosomiasis japonica in China Based on Ecological Niche Models[D]. Hunan:Central South University,2011. (in Chinese) 廖吉善. 基于生态位模型研究血吸虫病在中国的潜在传播风险[D]. 湖南:中南大学,2011. |
[12] Guisan A, Thuiller W. Predicting species distribution:offering more than simple habitat models[J]. Ecol Letters,2005,8(9):993-1009. |
[13] Elith J,Graham CH,Anderson RP,et al. Novel methods improve prediction of species' distribution from occurrence data[J]. Ecography,2006,29(2):129-151. |
[14] Danl W,Stephanie NS. Ecological niche modeling in Maxent:the importance of model complexity and the performance of model selection criteria[J]. Ecol Applicat,2011,21 (2):335-342. |
[15] Zhou LZ,Ma Y,Li DQ. Distribution of great gerbil (Rhombomys opimus) in China[J]. Acta Zool Sinica,2000,46(2):130-147. (in Chinese) 周立志,马勇,李迪强. 大沙鼠在中国的地理分布[J]. 动物学报,2000,46(2):130-147. |