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》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、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

2、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

3、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

4、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

5、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区奶牛地氟病分布地理信息系统的建立利用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A

6、rcgis9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，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

7、，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