鼠、蚊、蝇及蜚蠊是人居环境中最常见的病媒生物，可传播肾综合征出血热（HFRS）、疟疾等多种媒介生物传染病^[1]。媒介生物传染病发病风险与病媒生物的空间分布和季节消长密切相关。病媒生物密度高峰期和气候、生态环境、土地利用等地理环境因素直接影响病媒生物的时空分布特征和密度高低变化，从而影响媒介生物传疾病的发生和流行^[2]。因此，开展病媒生物监测和分析是媒介生物传染病防控基础性工作^[3]。

空间分析是基于地理信息系统（geographic information system，GIS）的一门学科。其中地统计学的克里金插值是以区域化变量为基础，借助变异函数对随机过程/随机场进行空间建模和预测（插值）的回归算法，得到区域化变量的空间分布特征，从而预测该区域中未开展监测地区的空间分布信息^[4]。空间自相关分析可描述变量的整体分布特征，分析变量是否存在时空聚集性，从而反映疾病等危险因素的聚集性地理区域等特征^[5]，目前已广泛应用在传染病的空间分布特征领域^[5]，并开始逐渐应用于病媒生物的空间分布、热点探测、聚集性分析等方面^[4-6]。本研究基于2024年合肥市主城区在鼠、蚊、蝇及蜚蠊密度高峰期的监测数据，采用普通克里金插值和空间自相关等方法来分析病媒生物密度的空间分布特征及以街道为尺度的空间聚集性，为优化防制措施及媒介生物传染病防控提供参考依据。

来源于合肥市主城区4个区65个街道在病媒生物（鼠、蚊、蝇和蜚蠊）密度高峰期获取的现场监测点数据。每个街道在不同病媒生物密度高峰期根据2016版《全国病媒生物监测实施方案》（中疾控传防发〔2016〕56号）和《合肥市病媒生物监测方案》（合疾控发〔2016〕73号）选取监测生境后，再按照随机原则在既有的国家级及省级监测点基础上补充监测点，保证每个生境至少有1处监测点。

在合肥市既往监测^[7]获得的不同病媒生物密度高峰期开展监测，即5月开展鼠类监测，6月开展蚊虫和蝇类监测，7月开展蜚蠊监测。

鼠类监测时，选择城镇居民区和特殊行业2个生境，其中特殊行业要包含≥2种环境类型（餐饮、食品制售、建筑工地、农贸市场、超市等）。每处监测点采用夹夜法和粘鼠板法布置鼠夹（板）（江西贵溪捕鼠器械厂），晚放晨收。每个生境布放≥200有效夹（板）；成蚊密度监测时，在每个街道选择居民区、公园、医院3种生境，每处监测点采用诱蚊灯法放1台诱蚊灯（武汉吉星医疗科技有限公司）诱捕成蚊；蝇类监测时，在每个街道选取农贸集市、餐饮外环境、绿化带和居民区4种生境，每处监测点采用笼诱法布放1个捕蝇笼（上海农利化工有限公司）捕蝇；蜚蠊监测时，每个街道分别在农贸市场、超市、餐饮环境、宾馆、医院和居民区6种生境中设监测点，每处监测点采用粘捕法放置≥10张有诱饵的粘蟑纸（北京绿叶世纪日化用品有限公司），1张/标准间（按15 m²/间换算），晚放晨收。

建立合肥市主城区街道级行政边界地理数据，将现场获取的监测点坐标信息通过QGIS 3.34.8软件导入，建立监测点的病媒生物密度GIS数据库。同时，将监测点数据汇聚到街道层面，并通过共用字段（街道编码）与上述街道级行政边界地理数据匹配、关联，建立以街道为尺度的病媒生物密度GIS数据库。所有图层使用“EPSG：4326-WGS 84”地理坐标系和“EPSG：3857-WGS 84/Pseudo-Mercator”投影坐标系。

普通克里金插值是常见的克里金插值技术，是地统计分析的主要方法之一。它以半变异函数理论和结构分析为基础，在区域化变量间存在空间自相关的前提下，设区域化变量二阶平稳或内蕴假设，根据插值点和其周围影响范围内已知样本点的距离及空间关系拟合模型确定权重，实现区域内已知样本点的区域化变量属性值对插值点进行最优线性无偏估计，完成“点”数据向空间连续分布的“面”数据的转换^[8-9]。插值前首先剔除数据中的异常值，正态性检验，空间相关性分析；插值时分别用“指数模型”“球形模型”“高斯模型”和“线性模型”等4种半变异函数模型进行拟合，通过不断调整参数和留一交叉验证法筛选出精度最高的函数模型，最终生成病媒生物密度的面状空间分布栅格图像。半变异函数拟合结果通过块金值C₀、基台值C₀+C和变程等3个重要参数来判断，其中变程表示区域化变量存在空间自相关性的最大距离^[10]。本研究采用的留一交叉验证法是按顺序每次留下1个监测点不参与插值，利用其他监测点数据插值生成该监测点的预测值，将其与实测值进行比较。通过模型预测值与实际观测值之间相关程度的决定系数（R²）和预测值与实际观测值之间差异的均方根误差（root mean square error，RMSE）、平均误差（mean error，ME）来评价模型的拟合优度和预测精度。评价时优先比较RMSE，值越小精度越高，当RMSE相等时，ME越小精度越高。ME、RMSE值越小，R²值越接近1时，预测精度越高，拟合度也越高^{[8, 11]}。

空间自相关分析包括全局空间自相关（global spatial autocorrelation，GSA）与局部空间自相关（local indicators of spatial association，LISA）。采用GSA统计量Moran's I指数来度量病媒生物密度在主城区整个空间中是否聚集和聚集性大小，取值范围为-1~1。当Moran's I值> 0时存在空间正相关，值越大越相关；Moran's I值< 0时空间存在负相关，值越小，空间差异性越大；Moran's I=0时表示空间上无聚集性，呈随机分布。Moran's I值的显著性检验采用标准化统计量Z检验和P值。LISA分析通过LISA聚集图可视化，用以明确病媒生物密度在空间单元上的聚集模式和聚集区域。聚集区域有“高-高（HH）”“低-低（LL）”“低-高（LH）”和“高-低（HL）”等4种空间关联模式^{[6, 12]}。

利用Excel 2019和SPSS 25.0软件进行数据整理和分析。计数资料分析采用率或构成比之间的χ²或Fisher's检验。使用QGIS 3.34.8软件进行空间矢量地图和栅格图像的可视化。使用GeoDa 1.18.0软件对以街道为尺度的病媒生物密度进行空间自相关分析。使用QGIS 3.34.8软件进行普通克里金插值。P < 0.05为差异有统计学意义。

主城区设262处鼠类监测点，鼠密度介于0~11.43%（平均密度为0.91%），鼠密度位于0、> 0~0.91%和 > 0.91%的3个密度区间的监测点构成比分别为35.50%、18.32%和46.18%。203处成蚊密度监测点的蚊密度介于0~22.00只/（灯·夜），平均密度为3.50只/（灯·夜），蚊密度位于0、> 0~3.50和 > 3.50只/（灯·夜）3个密度区间监测点的构成比分别为19.21%、46.31%和34.48%。269处蝇类监测点的蝇密度介于0~26.00只/笼（平均密度4.54只/笼），蝇密度位于0、> 0~4.54和 > 4.54只/笼3个密度区间的监测点构成比分别为12.64%、47.96%和39.40%。400处蜚蠊监测点的蜚蠊密度介于0~0.80只/张（平均密度0.05只/张），蜚蠊密度位于0、> 0~0.05和 > 0.05只/张3个密度区间监测点的构成比分别为37.00%、23.25%和39.75%。除蚊外，鼠、蝇和蜚蠊密度监测点在3个密度区间的构成差异均有统计学意义（均P < 0.01）。见图 1。

注：图中圆点代表每个监测点具体地理位置及对应的病媒生物密度，圆点越大代表密度越高，红色原点表示该病媒生物密度高于平均密度。 图 1 安徽省合肥市主城区病媒生物密度高峰期的点分布模式 Figure 1 Point-based distribution pattern of vector density during peak period in the main urban area of Hefei, Anhui Province

图选项

普通克里金插值确定鼠、蚊、蜚蠊密度的最优半变异函数模型是高斯模型，蝇密度是指数模型。经交叉验证比较，鼠、蚊、蝇和蜚蠊密度高峰期的半变异函数模型决定系数（R²）分别为0.78、0.86、0.71和0.66，RMSE分别为0.24、0.28、0.28和0.53，ME分别为0.001、0.004、0.002和0.003。病媒生物的拟合值和分布依次为：鼠密度介于0.03%~3.22%，主城区东北部和西南部偏高，重点是瑶海区4个街道；蚊密度介于0.04~13.80只/（灯·夜），主城区东部的瑶海区和包河区偏高，重点涉及瑶海区4个街道和包河区2个街道；蝇密度介于0.33~11.05只/笼，东部和南部偏高，尤其是从主城区中部向东南延伸、涉及包河区5个街道的高密度带；蜚蠊密度介于0.00~0.14只/张，主城区东北部和北部偏高，重点是瑶海区3个街道。见表 1、图 2。

表 1 安徽省合肥市主城区病媒生物密度半变异函数模型的预测性能评价指标 Table 1 Prediction performance evaluation indicators of the semi-variogram model for vector density in the main urban area of Hefei, Anhui Province

表选项

图 2 安徽省合肥市主城区病媒生物密度高峰期的普通克里金插值图 Figure 2 Ordinary Kriging interpolation map of vector density during peak period in the main urban area of Hefei, Anhui Province

图选项

主城区65个街道的鼠密度在0~2.91%，鼠密度位于0、> 0~0.91%和 > 0.91% 3个密度区间的街道构成分别为3.08%、50.77%和46.15%；蚊密度在0~15.67只/（灯·夜），蚊密度位于0、> 0~3.50和 > 3.50只/（灯·夜）3个密度区间的街道构成分别为3.08%、60.00%和36.92%；蝇密度均 > 0只/笼，密度 > 4.54只/笼的街道占36.92%；蜚蠊密度在0~0.19只/张，位于0、> 0~0.05和 > 0.05只/张3个密度区间的街道构成比分别为1.54%、46.15%和52.31%。经Fisher确切概率法检验，以街道为尺度，鼠、蚊、蝇和蜚蠊密度分别在3个密度区间的构成差异均有统计学意义（均P < 0.05）。GSA分析显示，以街道为尺度，主城区病媒生物密度的聚集性高低依次为鼠 > 蜚蠊 > 蚊 > 蝇，Moran's I指数分别为0.51、0.42、0.35、0.21，均呈现正相关聚集性分布（均Z > 0，P < 0.01）。见表 2。

表 2 安徽省合肥市主城区病媒生物密度高峰期以街道为尺度的全局空自相关分析结果 Table 2 Global spatial autocorrelation analysis of vector density during peak period at street scale in the main urban area of Hefei, Anhui Province

表选项

LISA分析显示，主城区局部存在空间聚集现象，除少数存在鼠、蚊、蝇和蜚蠊的高-低和低-高聚集区，扫描到低-低聚集区共涵盖24个街道，形成从主城区北部、中部到东南部的连片区域；高-高聚集区共涵盖16个街道，主要分布在主城区东北部。高-高和低-低聚集区具体情况为：鼠类的高-高聚集区包括瑶海区9个街道和庐阳区2个街道，低-低聚集区覆盖蜀山区6个街道和包河区3个街道，蚊虫的高-高聚集区涉及瑶海区5个街道和包河区1个街道，低-低聚集区覆盖蜀山区10个街道和庐阳区5个街道；蝇类的高-高聚集区由瑶海区5个街道组成，低-低聚集区涉及蜀山区9个和庐阳区2个街道；蜚蠊的高-高聚集区包括瑶海区5个街道和庐阳区2个街道，低-低聚集区涵盖主城区东部瑶海区7个街道及包河区5个街道。见图 3。

图 3 安徽省合肥市主城区病媒生物密度高峰期以街道为尺度的局部空间自相关分析 Figure 3 Local spatial autocorrelation analysis of vector density during peak period at street scale in the main urban area of Hefei, Anhui Province

图选项

本研究分别在鼠、蚊、蝇和蜚蠊的密度高峰期采取街道全覆盖的方式布置监测点，避免既往监测点布设的数量有限、覆盖面相对不足等局限性^[3]，较准确地反映了主城区病媒生物的密度峰值。从监测结果看，主城区高峰期不同病媒生物监测点密度的波动范围较大，除鼠类平均密度略高于合肥市2022年高峰期的平均密度外，蚊、蝇、蜚蠊平均密度均低于2022年高峰期平均水平^[7]，这说明主城区不同病媒生物高峰期密度整体处于较低水平，但空间分布存在不均匀性。不同病媒生物有34.48%~46.18%的监测点密度超过平均密度，且鼠、蝇和蜚蠊密度监测点分别在不同密度区间的构成差异均有统计学意义（均P < 0.01），说明鼠、蝇和蜚蠊的空间分布差异明显，提示病媒防制要突出重点区域。

本文对合肥市主城区病媒生物密度高峰期进行了普通克里金插值拟合，与不同病媒生物实际结果相比，拟合值均有所下降，波动范围缩小，可能是普通克里金插值为降低由于监测点分布不均匀或密度较低所产生的估计误差，在平滑处理实际离散性数据时平滑掉了一些有意义的异常带。这结果与彭振仁等^[12]、尹哲等^[13]研究结论一致，也提示为提升插值效果，优化监测点布设时常选择半变异模型变程的1/4~1/2作为最佳距离^[14]。由于插值打破了行政边界限制^[12]，其平滑效果直观展现整个主城区区域不同病媒生物密度的空间分布差异明显，整体呈现东高西低、北高南低的空间格局。且拟合值的分布与实际密度分布基本一致，从而可以明确主城区病媒生物防制和媒介生物传染病的重点区域，为适当调整和完善防制措施提供了依据。既往研究认为，有效控制HFRS发病的鼠密度应控制在1%（阈值）左右^[5]，因此主城区东北部和西南部区域需关注HFRS的发病风险。

本文还对病媒生物密度进行了以街道为尺度的空间自相关分析，以明确聚集模式中某一街道与相邻街道的相关程度^[15]，从而识别病媒生物密度的风险区域。GSA结果显示主城区鼠、蚊、蝇和蜚蠊密度以街道为尺度均呈正相关聚集分布。LISA分析发现，鼠类和蜚蠊的高-高聚集区基本重叠，与鼠和蜚蠊密度的空间分布基本吻合，主要分布在主城区东北部，可能是由于该区域属于老工业区，区域内环境适合鼠类和蜚蠊生存繁殖。蚊虫高-高聚集区也与其空间分布特征基本一致，一部分分布在主城区东部，且包含在鼠密度高-高聚集区内，说明重叠区内同时存在适合蚊虫生存繁殖的社会和自然环境；另一部分在主城区东南部，可能是该区域内水体和绿化多，容易孳生蚊虫。蝇类的高-高聚集区与老工业区毗邻，且为主城区的客运枢纽，环境脏乱差。由于LISA探测到的高-高和低-低聚集区表示某一街道与相邻街道的密度同为高/低值^[15]，故高-高聚集区所覆盖的街道需关注HFRS等媒介生物传染病的发病风险。建议采取突出重点、重点联动、差异化的防制措施，必要时开展应急性的防制措施。

本研究将普通克里金插值和空间自相关分析结合分析了合肥市主城区2024年病媒生物密度高峰期的空间分布特征和空间聚集性，发现了发生HFRS等媒介生物传染病风险的重点区域和重点街道，可作为在病媒生物防制及基于监测的媒介生物传染病风险评估等方面数据收集的补充手段。但本研究也存在一定的局限性，即横断面监测数据不能满足病媒生物密度时空变化趋势的分析需求；不同病媒生物监测点的密度值范围差别大，导致RMSE和R²不同。

利益冲突  无