基于遥感技术和时间序列分析法预测皖北疟疾的发病率

摘要

目的探讨皖北疟疾的发病率与地表温度(land surface temperature,LST)、归一化植被指数(normalized difference vegetation index,NDVI)的关联性,评价用LST、NDVI对疟疾发病率自回归移动平均模型(autoregressive integrated moving average model,ARIMA)预测结果进行校正的效果。方法以皖北五县为研究现场,收集各县2004-2011年的疟疾疫情数据及LST、NDVI等遥感图像资料,提取、合成遥感相关指标;运用SPSS 17.0软件进行统计学处理。结果 ARIMA模型对2010年各月份的预测结果较报告发病率高(平均误差=0.721/10万)。多因素分析结果显示,当地的疟疾发病率与近三个月的平均LST(lst_(_012),β=0.295)及之前两个月的平均NDVI(ndvi_(_12),β=0.280)有关联(P<0.001);将二者作为校正因子(相对贡献为2∶1时)对2010年的预测结果进行校正,平均误差缩小为0.018/10万。以2004-2010年的发病率数据再次拟合并筛选ARIMA模型,并以2011年的疟疾报告发病数据为参照,再次评价lst_(_012)与ndvi_(_12)对模型预测结果的校正效果;发现校正后的预测误差(<0.001/10万)低于校正前的误差(0.293/10万)。结论 ARIMA模型能较好地用于该地疟疾发病率的拟合与预测,环境遥感替代指标LST、NDVI可在一定程度上改善ARIMA模型的预测效果。