基于GIS 空间统计分析在动物流行病监测中应用.docVIP

基于GIS的空间统计分析在动物流行病监测中的应用 李 林1，董 婧1，董家耕2，余 波2，彭继昌2，何剑斌1* （1沈阳农业大学畜牧兽医学院，辽宁 沈阳 110866；2辽宁辉山控股集团，辽宁 沈阳 110164） 摘要：目前在动物流行病监测中由于监测点数量较少，监测数据非常有限。而利用有限的动物疾病监测数据，分析动物疾病的整体空间分布情况，需要建立符合动物疾病发展规律的空间监测预测模型。本文运用空间分析软件Arcgis和GEODA软件对A区奶牛地氟病空间分布特征进行了分析，进一步建立A区地氟病分布预测图，并与实际分布图进行叠加比较，发现预测效果较好。这种辅以空间统计学研究方法来建立GIS的预测模型，可为监测和预测其它与空间相关疾病提供借鉴。 关键词：GIS；空间统计分析；动物流行病学 地理信息系统作为一种能对空间数据进行处理的计算机程序系统已被广泛应用在众多与空间信息操作有关的领域[1]。在动物流行病学研究中,研究人员已通过建立一些用于分析疫病分布时空模式的方法和模型,应用地理信息系统进行了许多疾病的空间分布模式、流行趋势、环境危险因素分布、辅助控制计划制定及控制效果评估等方面的研究,取得了较好的效果[2-4]。地理信息系统已经成为当前进行动物流行病学研究的重要工具。而利用空间统计分析方法能够扩展和加强GIS的空间分析功能,从而更深入地探索、分析、处理和解释的空间模式与空间关联然而，牲畜和探索了Arcgis9分别进行投影转换，形成统一的地图投影坐标系统。收集A区奶牛地氟病历史监测资料，包括各县、市区地名、奶牛地氟病发病数等，这些资料经审核和复查确定其真实性后在Excel 2003中处理。各县，市均用国标码标注，在Arcgis9操作平台中，以国标码字段作为联结依据，实现奶牛地氟病属性数据库与空间数据库的联结，建立A区奶牛地氟病分布地理信息系统。 2 奶牛地氟病分布空间特征分析 2.1 A区内奶牛地氟病疫点空间位置集聚性分析 空间位置集聚性分析是分析要素之间的接近程度以及它们之间的相互关系Arcgis9软件聚类分析工具支持下，对已建立的A区奶牛地氟病分布地理信息系中的地氟病疫点分布进行分析，测量每个疫点与之最邻近疫点之间的距离，并计算平均值。再测量平均距离与假定为随机分布距离的相似程度，统计后返回Zscore值。其计算公式如下： 其中x是观察值；μ是平均值；σ是标准差。Zscore值为负且越小，则要素分布越趋向于集聚分布模式，相反为离散分布模式[5]。结果显示z score值=-15.6，显著性水平为P，表示奶牛疫点分布为集聚分布模式，而不是离散分布。 2.2 A区内奶牛地氟病密度全局空间自相关分析 空间自相关分析是一种空间统计的方法，用于对同一变量在不同空间位点的值进行相关性分析，研究空间实体与其相邻的空间实体之间的相似程度。许多医学数据资料具有空间自相关性。比如，传染病的发生与流行，地方病的分布等等，许多疾病的地方性高发性特点都与空间位置密切相关。近年来，随着人们越来越多地关注疾病及其相关危险因素的地理信息，已经逐渐认识到疾病的空间自相关性在研究中的重要性。空间自相关性反映了空间分布的聚集特征，而疾病的地域聚集性大小可反映出疾病的分布规律，流行趋势和影响因素。全局空间自相关是指在一个总的空间模式中不同空间单元之间就某种特征而言的依赖程度。通过计算Morans I值进行全局空间自相关分析，是最常用效果较好的方法，其计算公式如下： 式中n是参与分析的空间单元数；xi和xj分别表示某现象（或某属性特征）x在空间单元i和j上的观测值wij是空间权重矩阵。Morans I的值域为[－1，1]，大于0为正相关，小于0为负相关，且值越大表示空间分布的相关性越大。反之，值越小代表空间分布相关性小。本研究以A区炭疽炭疽密度为基础，在空间数据分析软件Geoda的支持下，计算A区奶牛炭疽密度的Moran s I指数值为0.4358。表明A区奶牛炭疽的空间分布在整体上具有较强的正自相关。 rcgis9地统计分析模块能够对同一地区的其它未测定的点位进行精确的预测。也就是说，地统计分析使用由已测的样点的值生成的表面来预测研究区域内每一位置的值。本研究根据得出的A区奶牛地氟病分布的空间特征，在rcgis9软件的支持下，把A区奶牛分布样点数据分成两部分，一部分作为训练样本，一部分作为检验样本应用地统模块的空间数据探索分析功能进行A区奶牛密度的正态检验。正态检验结果A区训练样本的奶牛密度为非正态分布，但经过log（对数）转换，可使其成正态分布。以建立的A区奶牛炭疽分布地理信息数据的训练样本奶牛炭疽密度数据为基础，对A区的奶牛炭疽进行趋势分析，东西方向有U”形趋势普通克立格法进行预测用二阶曲线拟合。通过上面的数据检查，运用地统学扩展模块，采用Voronoi图除