左 婕，秦建新，尹曉科

（1.湖南師范大學資源與環(huán)境科學學院，湖南長沙410081；2.湖南生物機電職業(yè)技術學院，湖南長沙410127）

2009年洞庭湖區(qū)垸內(nèi)釘螺空間特征分析

左 婕1，秦建新1，尹曉科2

（1.湖南師范大學資源與環(huán)境科學學院，湖南長沙410081；2.湖南生物機電職業(yè)技術學院，湖南長沙410127）

釘螺為血吸蟲的唯一中間宿主，了解釘螺的空間分布規(guī)律對于控制血吸蟲病有一定的作用。運用GIS空間統(tǒng)計和地統(tǒng)計方法，分析了2009年洞庭湖血吸蟲病疫區(qū)活螺密度的空間分布規(guī)律:活螺密度呈高聚類模式分布，主要沿湖沿河分布，樣點具有強烈的空間自相關性，其中反向聚集區(qū)域有（z<-2.58）567個點，正向聚集區(qū)域有 (z>2.58)540個點,說明釘螺點的輻射效應比較高，血吸蟲病容易擴散到周邊地區(qū)。同時,建立了活螺密度的空間預測圖，得出了樣點數(shù)據(jù)的半變異函數(shù)呈多項式分布。

GIS；空間分布特征；垸內(nèi)；釘螺

血吸蟲病是一種容易被哺乳動物傳染的寄生蟲病，血吸蟲的唯一感染中間宿主是釘螺。我國的血吸蟲病主要在長江流域流行,其中洞庭湖區(qū)就是最嚴重的地區(qū)之一[1]。洞庭湖位于湖南省東北部，是我國第三大淡水湖。洞庭湖區(qū)是目前我國釘螺分布范圍最廣且血吸蟲病疫情最難防治的疫區(qū)[2]。近年來，由于不合理的利用以及圍湖造田等人類活動的干擾，使洞庭湖的生態(tài)環(huán)境遭到嚴重的破壞[3]。頻繁的洪澇災害為釘螺的滋生創(chuàng)造了有利條件。因此了解洞庭湖血吸蟲疫區(qū)的釘螺空間分布規(guī)律，對于有效控制洞庭湖疫區(qū)的疫情有一定的幫助。本文通過利用GIS手段，分析了2009年洞庭湖血吸蟲病疫區(qū)活螺密度的空間分布規(guī)律，為血防部門對血吸蟲病的防治提出了科學的依據(jù)。

1 研究范圍與數(shù)據(jù)來源

1.1 研究區(qū)域范圍

本文的研究范圍是洞庭湖區(qū)，包括常德市轄區(qū)、安鄉(xiāng)、漢壽、津市、澧縣、石門、桃源、岳陽市轄區(qū)、臨湘、華容、汨羅、岳陽、益陽市轄區(qū)、南縣、沅江等共計19個縣市區(qū)。

1.2 數(shù)據(jù)來源

數(shù)據(jù)資料包括湖南省2009年血吸蟲調(diào)查中的螺情數(shù)據(jù)以及湖南省區(qū)劃圖。從中提取出洞庭湖區(qū)的樣點活螺密度和洞庭湖區(qū)行政區(qū)劃圖。

2 洞庭湖區(qū)活螺密度樣點空間分布特征

2.1 活螺密度樣點空間集聚性

1）利用最鄰近距離工具，分析 2009年洞庭湖區(qū)活螺密度的空間位置分布特征，結果ZScore值為-64.82，似然值小于1%，如表1所示。

表1 活螺密度樣點空間位置聚集性分析結果

數(shù)據(jù)樣點分布模式分析顯示為聚類模式，主要沿湖沿河分布，河流由湖衍生以支流的形式由西往東貫穿岳陽縣內(nèi)陸。

2）利用高/低聚類分析工具，分析2009年洞庭湖區(qū)活螺密度的空間集聚性，結果Z Score為28.80，似然值小于1%，如表2所示。

表2 活螺密度樣點空間分布聚集性分析結果

活螺密度呈高聚類模式分布，主要由于釘螺喜沿水域分布，垸外主要分布于洲灘地，垸內(nèi)主要分布于溝渠中，作為血吸蟲唯一的中間宿主，有釘螺的水域易形成疫區(qū)。

2.2 空間自相關分析

2.2.1 空間全局自相關工具

全局空間自相關是指在一個總的空間模式中不同空間單元之間在某種特征上的依賴程度[4]。其目的是從研究區(qū)域全局觀察某樣點與其周圍的樣點之間，就某種特征，通過統(tǒng)計方法，進行空間相關性程度的計算，以分析這些空間單元在空間上分布現(xiàn)象的特性。

利用空間全局自相關工具，分析2009年洞庭湖區(qū)活螺密度的全局自相關性，結果Z Score為175.04。Z Score為正且大于1.96，則分布為聚集的，似然值小于1%（如圖1、表3所示）。

表3 活螺密度樣點全局自相關性分析結果

圖1 活螺密度樣點全局自相關性分析圖

樣點數(shù)據(jù)結果顯示，樣點之間就活螺密度這一特征值而言具有強烈的空間自相關性，即某村落若具有高/低的活螺密度極易影響到其周圍村落的活螺密度。

2.2.2 局部空間自相關

局部空間自相關是描述一個空間單元與其鄰域的相似程度，表示每個局部服從全局總趨勢的程度 (包括方向和量級)[4,5]，能使我們了解空間要素的差異性。

運用聚集及特例分析工具，分析2009年洞庭湖區(qū)活螺密度的局部自相關性，檢測樣點離群值，如圖2、表4所示。

圖2 2009年洞庭湖區(qū)活螺密度局部自相關性分析圖

由結果可知，自相關性強的村落一般它的自然地理情況與周圍的村落類似，比如大多沿湖/河分布，或者深居內(nèi)陸，因此其活螺密度與周圍村落的活螺密度大致相同，具有較強的空間自相關。而離群值可分為2類，一類是特征值比周圍村落偏高，究其原因主要是沿湖分布或水網(wǎng)密集，如落在中洲的幾處，由湖圍成的灘地具有很高的特征值，活螺密度高；一類是特征值比周圍村落低，如周圍村落有水系分布，而其為被周圍村落所包圍的旱地。

表4 活螺密度樣點局部自相關性分析結果

2.2.3 熱點分析

熱點分布主要用于進行事件發(fā)生地區(qū)的預測或獲取關注地區(qū)。運用ArcGIS軟件的熱點分析工具，獲取活螺密度關注地區(qū)，結果如圖3所示。

圖3 2009年洞庭湖區(qū)活螺密度熱點分析圖

結果顯示，反向聚集區(qū)域有（z<-2.58）567個點，正向聚集區(qū)域有（z>2.58）540個點。說明釘螺點的輻射效應比較高，血吸蟲病容易擴散到周邊地區(qū)。其中正向聚集的點多集中在石門縣、澧縣以及臨澧縣 3個偏北的縣，而反向聚集的點則比較分散。

2.3 活螺密度預測圖的建立

2.3.1 檢查數(shù)據(jù)的分布

當數(shù)據(jù)服從正態(tài)分布時，用克里格插值方法生成表面的效果最佳。如果數(shù)據(jù)是偏態(tài)分布的，則可以選擇數(shù)據(jù)變換Transformation（Log/Box-Cox）使之服從正態(tài)分布。因此在創(chuàng)建表面之前必須檢查數(shù)據(jù)分布。

1）直方圖工具（Histogram）和正態(tài)QQ圖。建立活螺密度樣點直方圖，得出樣點呈右偏態(tài)分布，均值0.60451；通過比較分析，此組樣點數(shù)據(jù)采用Log變換優(yōu)于Box-Cox變換，樣點經(jīng)變換后能更好地擬合理想化的正態(tài)分布曲線；建立活螺密度樣點正態(tài)QQ圖，同樣發(fā)現(xiàn)本樣點數(shù)據(jù)采用Log變換優(yōu)于Box-Cox變換。

2）趨勢分析 (Trend Analysis)工具。趨勢分析工具將用戶研究區(qū)平面上的采樣點轉化為以感興趣的屬性值為高度的三維視圖，然后用戶從不同視角分析采樣數(shù)據(jù)集的全局趨勢[6]。

圖4 活螺密度樣點趨勢分析圖

樣點沿西北—東南布局，綠線代表東西走向西高東低，活螺密度由常德向岳陽遞減；藍線代表南北走向特征值分布趨勢，很明顯的呈凹形二次曲線，這是由于洞庭湖區(qū)中部沿湖水系發(fā)達，水系內(nèi)部釘螺滋生少。

由圖4可以看出2009年樣點數(shù)據(jù)大致走向是北高南低中間凹下，北邊為常德市、岳陽市。常德市西北部屬武陵山系，中低山區(qū)；中部多見紅巖丘陵區(qū)；東部為沅、澧水下游及洞庭湖平原區(qū)；西南部為雪峰山余脈，組成中山區(qū)。由此構成區(qū)內(nèi)南北高，中間低，兩山夾一凹的基本地貌輪廓。多平原地帶，水系發(fā)達，為釘螺滋生創(chuàng)造了良好的條件，因此釘螺滋生嚴重。而岳陽市臨近洞庭湖，其優(yōu)越的生態(tài)環(huán)境促進了釘螺密度的增長。中部為洞庭湖水域區(qū)域，屬于垸外區(qū)域，不屬于查螺范圍。

圖中同樣顯示出2009年活螺密度東西走向西高東低，西邊鄰近洞庭湖，越往東走延伸至湖區(qū)水域釘螺密度越低。

2.3.2 活螺密度中間插值

由于之前檢測的結果顯示數(shù)據(jù)大部分呈正態(tài)分布，故采用Kriging方法進行插值最佳。

1）半變異函數(shù)。半變異函數(shù)又稱為半邊差函數(shù)，是分析變量的空間變異和空間相關的統(tǒng)計學方法。即當點x在空間上變化時，區(qū)域化變量Z(x)在點x和x+ h處的值Z(x)與Z(x+h)差的方差一半稱為區(qū)域化變量Z(x)的半變異函數(shù)，其公式為：

通過變異函數(shù)及變異曲線圖可得到變程()、基臺值(Still)和塊金值(Nugget)3個重要的參數(shù)，其變程可以用來判斷變量其自相關范圍的大小，當h>時，則表示變量Z(x)的空間相關性消失[7]。

2）交叉驗證。交叉驗證可以檢測模型對未知值的預測效果。對于所有的點，交叉驗證按順序每次省略一個點，再利用剩余的數(shù)據(jù)來對該點的值進行預測；然后在實測值與預測值之間進行比較；可以用計算后的統(tǒng)計數(shù)據(jù)來判斷該模型是否適合生成地圖。多次修改對比得出交叉驗證參數(shù)如表5所示。

表5 交叉驗證參數(shù)

在對不同參數(shù)得到模型的比較中，參考Prediction Error中的幾個指標，平均值最接近于0，均方根最小，標準均方根預測誤差最接近于1。驗證結果表示步長為11時，趨勢擬合較好。因此得出半變異函數(shù)參數(shù)設置如表6所示。

表6 半變異函數(shù)參數(shù)

3）半變異函數(shù)模型。應用 ArcGIS軟件的地統(tǒng)計學功能，采用球型模型，根據(jù)上述參數(shù)設置，擬合2009年的洞庭湖血吸蟲疫區(qū)活螺密度空間分布的變異函數(shù)(h)，并繪制變異函數(shù)曲線圖，所得模型參數(shù)如表7所示。

表7 半變異函數(shù)模型參數(shù)

由此得出2009樣點數(shù)據(jù)變異函數(shù)為球型模型，其變異函數(shù)為：

當2個樣點之間的距離小于0.000278233時，其活螺密度的高低與距離有關，存在空間自相關性，變異可由變異函數(shù)(h)來估計，當距離大于0.000278233時，空間自相關性消失，擬合優(yōu)度為1.107 32。

4）建立預測圖。將上述各項參數(shù)輸入模型中，得出2009年洞庭湖血吸蟲病疫區(qū)活螺密度預測圖（如圖5所示）。

圖5 2009年洞庭湖區(qū)活螺密度預測圖

3 結語

本文運用GIS空間統(tǒng)計和地統(tǒng)計方法，分析了2009年洞庭湖血吸蟲病疫區(qū)活螺密度的空間分布規(guī)律。研究發(fā)現(xiàn)，樣點沿西北—東南布局，西北高東南低，很明顯地呈凹形二次曲線，活螺密度呈高聚類模式分布，主要沿湖沿河分布，并且具有強烈的空間自相關性，其中反向聚集區(qū)域有（z<-2.58）567個點，正向聚集區(qū)域有 (z>2.58)540個點。這說明釘螺點的輻射效應比較高，血吸蟲病容易擴散到周邊地區(qū)。同時，建立了活螺密度的空間預測圖以及半變異函數(shù)模型，得出樣點數(shù)據(jù)的半變異函數(shù)呈多項式分布。本文通過對實際的調(diào)查數(shù)據(jù)進行分析，得出的結果都是有據(jù)可依的，對于血防工作的防治有實際的指導意義。但由于數(shù)據(jù)資料的欠缺，只能對2009年的活螺密度分布情況進行剖析，只分析了活螺密度空間上的分布規(guī)律，希望以后能在時間這方面進行深入的研究。

[1] 秦建新,譚子芳,張春.洞庭湖區(qū)江灘釘螺分布的環(huán)境因子及空間特征——基于RS-GIS的研究[J].自然災害學報,2008, 17(04)：19-27

[2] 馬巍,廖文根,匡尚富,等.洞庭湖釘螺擴散與疫區(qū)水情變化的定量關系研究[A]//中國水利學會第四屆青年科技論壇論文集[C].

[3] 謝永宏,王克林,任勃,等.洞庭湖生態(tài)環(huán)境的演變問題及保護措施[J].農(nóng)業(yè)現(xiàn)代研究,2007,28(06)：677-681

[4] SANG-II LEE MA.Spatial Association Measures for an ESDA GIS Framework：Developments，Significance Tests， and Applications to Spatio-Temporal Income Dynamics of U.S.Labor Market Areas，1969-1999[D].Ohio：the Ohio State University，2001

[5] 劉峰，馬金輝，宋艷華，等.基于空間統(tǒng)計分析與GIS的人口空間分布模式研究——以甘肅省天水市為例[J].地理與地理信息科學，2004，20（06）：18-21

[6] 王艷妮,謝金梅,郭祥.ArcGIS中的地統(tǒng)計克里格插值法及其應用[J].軟件導刊,2008,07(12)：36-38

[7] 秦建新,譚子芳.洞庭湖區(qū)江灘釘螺分布空間特征分析[J].中國熱帶醫(yī)學,2008,08(12)：2080-2082

Spatial Characters of the Snail in Embankment of Dongting Lake Area in 2009

by ZUO Jie

It has a certain role that understanding the spatial distribution of snails is good for controlling schistosomiasis,because the snails is the only intermediate hosts of schistosome.In this paper,we used GIS spatial statistics and Geostatistical statistical methods to analysis spatial distribution of live snail density in schistosomiasis epidemic area of Dongting Lake in 2009.We found that live snail density distributed in a pattern of high clustering,mainly along the lake,the samples with a strong spatial autocorrelation.There were 567 points in the reverse aggregation region(z<-2.58),and 540 points in positive aggregatio areas(z>2.58).It showed that snail points had high radiation effect,schistosomiasis could quickly spread to surrounding areas.And the space forecast map of density of live snails was built to get the result that the semivariogram of the sample data was multinomial distribution.

GIS，spatial characters，embankment，snail

2012-02-15

項目來源：國家自然科學基金資助項目（40971038）。

P208

B

1672-4623(2012)03-0084-04

左婕，碩士，主要從事地理信息系統(tǒng)應用技術研究。