【遥感应用】基于NASA卫星数据进行疟疾疫情预测
来源: https://phys.org/news/2017-09-nasa-satellite-malaria-outbreaks.html
被阅读 60 次
2018-03-27

2017年9月15日

该地图显示秘鲁亚马逊河及周边地区河流的分布情况。降水和其他环境条件影响河流高度,对沿岸蚊子繁殖地点数量产生影响。

图片由NASA科学可视化工作室提供

 

在亚马逊雨林地区,很少有类似传播疟疾的蚊子那样的物种对人类直接构成危险。这种热带疾病会引起高烧、头痛和寒颤,对儿童和老年人尤其严重,会对孕妇造成并发症。在雨林覆盖的秘鲁地区,疟疾病例数量激增。过去5年中,这个国家的该疾病平均增长率位居南美洲第二。2014年和2015年,报告病例达到6.5万例。

因为很难弄清楚人们感染这种疾病的地点,所以遏制疟疾疫情问题具有挑战性。经过杀虫剂处理的蚊帐和室内喷雾剂等资源常常配置在感染较少地区,导致疫情发展迅速。

为了解决这一问题,大学研究人员转向使用多颗美国国家航空航天局(NASA)地球观测卫星数据,这些卫星能够追踪通常发生在疫情暴发之前的人类环境事件类型。在NASA应用科学项目资助下,他们正在与秘鲁政府合作开发一种系统,利用卫星和其他数据,基于家庭规模尺度在疫情暴发前数月进行预测,有效预防疫情发生。

 

追踪蚊子

在亚马逊地区,达林按蚊(Anopheles darling)是传播疟疾的主谋,这是由单细胞寄生虫引起,叫做疟原虫。雌虫(也只有雌性)吸食受感染人类血液,并能进行人类间广泛传播。

美国杜克(Duke)大学全球环境卫生专业助理教授William Pan指出,疟疾是一种病媒传播疾病,这表明必须存在一个类似蚊子的病媒进行疾病传播。他们预测疟疾的关键工具,是对这些蚊子主要滋生地与人群同时重叠的区域进行精确定位。

预测这些蚊子将会繁茂生长的产卵区,主要源于温暖空气温度区和平静水域,如池塘和水坑。研究人员正在应用土地数据同化系统,或称LDAS。该系统通过NASA和其他组织地表建模成果支持,包括Landsat、GPM、Terra和Aqua在内的NASA卫星提供LDAS系统数据输入,该系统转而提供世界各地降水、温度、土壤湿度和植被信息。

虽然不能完全识别水坑和池塘,LDAS可以找到有可能形成的地区。例如,洪水可能会淹没河岸,或暴雨会使土壤水分饱和,水可以聚集。

该项目合作研究员,LDAS组件开发负责人,Johns Hopkins大学地球与行星科学系副教授Ben Zaitchik提到,这是一种间接推理方法。基于这些模型,可以预测哪些地点的土壤湿度有利于蚊虫繁殖条件形成。

基于卫星植被和土地覆盖图,LDAS还追踪了未来疟疾暴发的另一个主要指标:特别是在道路开发过程中造成的森林砍伐情况。当道路建设时,推土机挖沟进行树木和其他植物垃圾处理;雨水灌满时,这些沟渠变成蚊子滋生地。当受感染的人穿过这些道路并将疾病传播给Anopheles darling蚊子的时候,就会暴发疫情。

 

跟踪人类

LDAS可以通过追踪天气和森林砍伐信息确定蚊子新种群和未来疫情形成热点地区,报告感染疟疾的病例能够在地图上标出。但是,这张地图并没有对疫情暴发预测目的进行完全说明。

秘鲁全国各地卫生所对疟疾进行诊断和治疗,资源配置到这些地点进行疫情控制。根据Pan的说法,这种遏制措施的问题在于,一个人寻求治疗的卫生所地点并不总是在其感染疾病的地方附近。这是因为那些患疟疾风险最大的人每年通常要花几个月的时间远离家园进行伐木或采矿。

发现人们感染疾病的地方是疟疾预测系统的关键,Pan正在开发一个基于区域统计模型和基于详细主体模型针对这些热点进行更细致的分析。

报告的疟疾病例、每个县的人口估计以及基于季节性迁移研究的人们移动地点的假设信息,都纳入区域模型。例如,基于LDAS整合的环境数据,不仅可以在地图上标出蚊子数量,还可以帮助告知人群迁移的信息。例如,在雨季监测河流上升的途径。

Pan阐释,在河流水位高的时候,原木更容易在河流上漂,便于向下游输送,同时因为河水漫过河堤,形成许多水潭,蚊子也会茁壮成长。因此,这些类型条件与高疟疾风险相对应。

该区域模型根据人群、蚊子和疾病等这些变量的相互关系,为确定其空间分布和移动方向提供一幅大图像。

与此同时,基于主体(agent-based)的模型——因为它对每个人、蚊子和疟疾寄生虫在一个区域内的行为进行模拟——通过利用高分辨率水文数据,基于社区和人们的移动特点,对一个更紧密的地理空间进行放大。结合LDAS数据,该模型将对何时、何地以及多少人被感染和感染该疾病概率进行模拟。

 

防止疫情暴发

根据Pan的说法,这两种模型将用于预测未来12周,定位到家庭单位的预测疾病发生地点的精确水平。这些模型还将模拟各种防治行动计划的结果,从发放蚊帐和喷雾剂喷洒,减少人类与蚊子的接触,到管理可预防性抗疟治疗。根据结果,卫生部可以实施最佳方案。

基于agent-based模型能够进行以家庭尺度进行分析预测,从而能够将资源配置到需要的家庭。这将是政府目前实施方法的一个显著转变方式,目前的方法是将资源进行广泛地分配,间或分配到了可能不需要的地区。

Pan解释说,与其对社区问题进行全面处置,不如集中在某些家庭或社区所在的特定区域进行病原载体控制。这是一种有针对性的策略,可以达到同样减少疟疾的效果,可能会降低成本,形成更快速响应。

当此项目进入第3个3年期经费资助的时候,Pan及其同事将继续完善这些模型。他估计这个预测工具在几年内就可以使用。秘鲁政府已经开始与Pan合作,特别是在开始疟疾治疗项目计划的时候,对该系统进行熟悉了解,该项目旨在截至2021年消灭该疾病。包括哥伦比亚和厄瓜多尔在内的其他国家也表示出兴趣。

虽然此项目的重点是疟疾,但是Pan也指出,该工具的优点之一是它的适应性,因为LDAS和人口模型不仅可以用于追踪疟疾,还可以用于其他一些疾病,如寨卡病毒和登革热。他认为,政府卫生机构还会发现该系统的更多用途造福人民。这一直是他们的工作目标。

 

原文题目:

Using NASA Satellite Data to Predict Malaria Outbreaks

资料来源:

https://phys.org/news/2017-09-nasa-satellite-malaria-outbreaks.html

 

(王化编译,殷永元审核)