危化品点源泄漏中的高斯模型应用.pptVIP

钟少波 zhongshaobo@ 清华大学 公共安全研究院 2011年12月24日 首届“环境健康遥感诊断”国际学术研讨会 流行病空间数据分析与建模 中国科学院遥感应用研究所，北京 报告内容 疾病空间分布模式分析 传染病时空蔓延过程模拟 疾病与环境因素相关性分析 疾病态势制图 疾病空间分布模式分析 疾病空间分布模式分析 wij定义的合理与否，直接关系到分析结果的好坏。选择合适的wij定义经常是具体应用的重点和难点。 案例：HPAI疫情空间热点分析 通过全局相关分析，可以断定：高值聚类的出现是因为偶然因素导致的可能性小于5% 。 进一步通过局部相关分析，可以得到疫情空间聚集性分布图，给出局部空间区域聚集性指标。为疫情预测预警提供参考。 传染病时空蔓延过程模拟 传染病时空蔓延过程模拟 参数意义： Ai(Ni)：出生率（单位时间出生人数）； di：自然死亡率，独立于疾病状态，常量；βi(Ni)为疾病的传染率； 1/αi, 1/γi, 1/δi：疾病潜伏、传染、免疫的平均时间； εi：疾病导致感染者死亡的致死率，常量。 以上为一般化的模型，如果限制相关参数的取值范围，可以相应得到几种常见的模型类别。 说明： 如果δi=0，模型特化为SEIR模型； 如果αi→∞，模型特化为SIRS模型； 如果δi→∞，模型特化为SIS模型。 传染病时空蔓延过程模拟 为了便于结合地理信息系统进行传染病的时空传播过程可视化模拟，需要对上述微分方程组进行离散化处理。 不考虑人口的自然出生和死亡，对上述方程组进行离散化，得到差分方程组如下： 传染病时空蔓延过程模拟 令nS(i, -, t), nE(i, -, t), nI(i, -, t), nR(i, -, t)分别表示t时刻从城市外部进入区域i的Susceptible、 Exposed、 Infected和Recovered的个体数量，nS(-, i, t), nE(-, i, t), nI(-, i, t), nR(-, i, t) 分别表示t时刻从区域i移出到城市外部的Susceptible、 Exposed、 Infected和Recovered的个体数量。据此，上述模型变为： 针对真实环境下传染病复杂时空过程模拟需求，对元胞自动机各个要素进行了定制和扩展。 传染病时空蔓延过程模拟 模型优点： 避免微分方程的局限性，能灵活地进行参数设置和调控 时空离散模型，便于数值模拟，模拟结果可视化展示和分析 能够建模不同尺度的空间过程 与GIS无缝集成，充分利用GIS的空间数据组织与管理、空间分析、可视化等功能 难点：空间连通性测度 方式一：基于空间邻接关系 方式二：基于路网通行能力 方式三：基于人流量观测数据 基于空间邻接关系连通性 基于路网通行能力的连通性 基于观测数据的连通性 案例：甲型H1N1 案例：甲型H1N1 案例：甲型H1N1 传染病模拟分析系统设计 传染病模拟分析系统设计 策略模式 空间连通性 [][][]conn 方式1和2： conn[i,j,t]=constant 方式3： conn[i,j,t]=flow[i,j,t] 模拟可视化 传染病模拟分析系统实现 传染病模拟分析系统实现 疾病与环境因子相关性研究 Autologistic： General logistic：基于多因素的条件概率(观测值之间独立) 空间数据存在普遍的空间自相关性（地理学第一定律） 不能描述全局空间相关性（SARS、HPAI的空间飞点传播特征） 不能描述时间维相关性（各种传染病时间维特征） Autologistic模型的不足： 空间自相关成份 logistic模型和考虑空间自相关的logistic模型 几种常用空间邻域形式 i样本点的邻域样本点 与目标存在时空相关的观测数据集 疾病与环境因子相关性研究 增加时间维相关成份：时空位置 之间存在时空相关性； 空间邻域扩展到全局：研究区域内任意两个空间位置点均可能存在空间自相关。 两点关键改进： I(ti): ti时刻及之前的观测集合。 时空自相关成份 链接函数 考虑时空自相关的logistic模型 确定潜在环境因子 病毒传播与鸟类和家禽活动有关系 植被指数（NDVI） 候鸟的迁徙导致大范围禽流感传播 水体类因素（河流、湖泊、水库） 禽类贸易可能对禽流感传播有影响 交通类因素（国道、铁路） 禽流感病毒对温度和湿度敏感 地表温度，水汽 空气质量对禽流感传播有影响 气溶胶 疾病与环境因子相关性研究 纳入分析的变量列表 变量 描述 单位 类型 自变量 national 与所有国道最近距离 km 连续变量 railway 与所有铁路最近距离 km 连续变量 reservoir 与所有水库最近距离 km 连续变量 lake