基于GIS 的空间统计分析在动物流行病监测中的应用

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、处理和解释动物疾病的空间模式与空间关联。奶牛地氟病是由于奶牛长期接触周围环境中过量的氟引起的一种生物地球化学性疾病，这种疾病的发生具有明显的地域性，导致奶牛出现氟斑牙和氟骨症等。已有50多个国家和地区相继报道奶牛地氟病，我国也是奶牛地氟病危害严重的国家之一。然而，由于牲畜的流动性较大和监测站点数量有限,使得缺乏检测的数据。如何利用有限监测站点的数据,较好地展现奶牛地氟病分布范围、正确分析奶牛地氟病的空间分布特征，是预防及控制奶牛地氟病急待解决的问题，也是动物流行病监测所面对的关键技术之一。本研究采用GIS空间统计分析方法探索了A区（涉及有些疫情数据保密我们把研究区称为A区）奶牛地氟病空间分布特征。通过收集到的部分监测点的疾病数据,运用普通克里格插值方法内插出其他地区的疾病数据,建立奶牛地氟病的整体分布预测图，为该病的监测与预测提供支持。1方法与资料1.1应用的主要方法主要以ArcGIS9中的空间分析模块和地统计分析扩展模块为主要的技术工具，运用空间统计学方法开展研究。其中ArcGIS9地统计分析扩展模块是ESRI公司的ArcGIS桌面系统的一个扩展分析模块。可根据研究对象在地理景观中不同位置上获取的采样数据，进行高级表面建模，从而准确预测研究对象在地理景观中的连续分布，获得其在任意空间位置上的数值特征。我们基于奶牛地氟病疫情数据，利用ArcGIS9的空间分析模块和地统计分析模块功能，选择适合的插值方法对研究区的奶牛地氟病空间分布特征进行分析和预测。其分析过程为检查数据，发现数据的特点，检查是否为正态分布、有无趋势效应，然后选择合适的模型进行表面预测，最后检验预测是否合理。1.2A区奶牛地氟病分布利用A区1:5万数字化地形图建立了研究区矢量和栅格格式的地形、土壤类型、有机质分布、大中型奶牛场分布等空间数据库。利用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Excel2003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2.1A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，本研究在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zscore值=-15.6，显著性水平为P<0.01，表示奶牛地氟病疫点分布为集聚分布模式，而不是离散分布。也就是说A区奶牛地氟病分布都是高密度区与高密度区邻接，低密度区与低密度区邻接。2.2A区内奶牛地氟病密度全局空间自相关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Moran'sI值进行全局空间自相关分析，是最常用且效果相对较好的方法，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。Moran'sI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'sI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。通过以上分析可得出：A区奶牛地氟病在空间上呈集聚模式，空间自相关性比较强。3A区奶牛地氟病利用研究区域已测定的样点，Arcgis9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Arcgis9软件的支持下，把A区奶牛地氟病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。首先应用地统模块的空间数据探索分析功能进行A区奶牛地氟病密度的正态检验。正态检验结果显示A区训练样本的奶牛地氟病密度为非正态分布，但经过log（对数）转换，可使其成正态分布。然后以建立的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，结果显示东西方向有“U”形趋势，这表明可用普通克立格插值法进行预测，并应该用二阶曲线进行拟合。通过上面的数据检查，我们运用地统学扩展模块，采用Voronoi图除去离群值的训练点样本的炭疽密度数据，并对数据进行log转换，用指数模型进行二阶拟合，使用普通克里格插值方法进行表面预测，建立了A区奶牛地氟病分布预测图。图中以不同颜色表示不同地区奶牛地氟病密度的大小，颜色越深表示奶牛地氟病密度越大。同时将得到的预测图与实际奶牛地氟病分布矢量图层叠加，结果见图1。图中蓝色斑点代表实际奶牛地氟病分布点，斑点的大小表示奶牛地氟病密度的高低。从图中可看出，预测图中奶牛地氟病密度与矢量图中的奶牛地氟病密度基本一致。可见，预测图能较好地反映A区奶牛地氟病的分布情况。进一步用交叉核实对预测模型进行评价，分析其估计偏差。其中，预测误差的均值：-0.02956；平均标准差：-0.06305；预测误差的均方根：1.992；平均预测标准：2.215；标准均方根预测误：1.115。前两项都比较小，趋向于0，中间两项也小，而且比较接近，最后一项接近1，说明预测模型能够较准确地估计A区奶牛地氟病密度的空间变异。图1.A区奶牛地氟病分布预测图与实际分布叠加图通过参数说明和把预测图与A区奶牛地氟病分布图叠加，可以证明本研究建立的预测模型是对A区奶牛地氟病密度的最优、无偏估计，生成的预测图能较好地反映A区奶牛地氟病空间分布状况。4结论与讨论通过对动物疫情数据运用空间统计方法，克服了经典的统计分析方法无法直接揭示与地理位置相关的空间数据关联和依赖性。对正确分析动物疫病的空间分布特征和对于疫病的控制及预防有非常重要的作用。本部分研究在已建立的A区奶牛地氟病分布地理信息数据基础上，探索性采用GIS空间分析技术、地统计学方法研究A区奶牛地氟病历史数据分布的空间特征，并且建立了A区奶牛地氟病分布预测图。应用并不断完善该方法将为政府部门决策、研究其他与空间相关的动物疾病提供参考。参考文献[1]朱光主编.地理信息系统基本原理及应用[M].北京:测绘出版社,1997.12[2]ClarkKC.Analyticalandcomputercartography[M].ErrglewoodCliffs,NJ:penticerHall,1995[3]SchwermerH,RufenachtJ.GeographicdistributionofBSEinSwitzerland[J].SchweizArchTierheilkd,2002,144(12):701-708.[4]PferifferDU.Theepidemiologyofbowinetuberculosisinthecommonbrushtailpossum[C].proceedingsofthe6thInternationalSymposiumforVeterinaryEpidemilologyan