نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

چکیده

:

آنفولانزای پرندگان بسیار بیماری زا (HPAI) زیرگروه H5N1 تهدیدات شدیدی برای حیوانات و انسان ها به همراه دارد. بررسی مکان، زمان و چرایی بروز بیماری برای کمک به مقامات بهداشتی حیوانات در ایجاد سیاست‌های کنترل موثر مهم است. این مطالعه وقوع فضایی و زمانی HPAI H5N1 را در دلتای رود سرخ ویتنام در نظر می‌گیرد. یک روش دو مرحله‌ای استفاده شد: (1) مدل‌سازی رگرسیون لجستیک برای شناسایی و تعیین کمیت عوامل مؤثر بر وقوع HPAI H5N1. و (2) یک رویکرد زمین آماری برای توسعه نقشه های پیش بینی ماهانه. نتایج نشان داد که میانگین دمای ماهانه بالاتر و تراکم طیور در ترکیب با میانگین بارندگی ماهانه کمتر، رطوبت در مناطق کم ارتفاع، تقریباً از نوامبر تا ژانویه و آوریل تا ژوئن، به افزایش بیشتر HPAI H5N1 کمک می‌کند.
کلید واژه ها: 

آنفولانزای پرندگان بسیار بیماری زا (HPAI) H5N1 ; دما ؛ بارش ; رطوبت ؛ تراکم طیور ؛ ارتفاع ; رگرسیون لجستیک ; کریجینگ بیزی ؛ دلتای رود سرخ

 

1. مقدمه

زیرگروه H5N1 آنفولانزای پرندگان بسیار بیماری زا (HPAI) یک تهدید جهانی هم برای جمعیت حیوانات و هم برای جمعیت انسان ایجاد کرده است [ 1 ]. ویروس HPAI H5N1 در طول سال ها باعث ایجاد اپیدمی های غیرقابل پیش بینی شده است. درک مکانیسم موثر بر بروز HPAI H5N1 نقش حیاتی در پیشگیری، کنترل و ریشه‌کنی این بیماری دارد. با این حال، این مکانیسم به طور کامل از نظر علمی درک نشده است [ 2 ، 3]. در ویتنام، تصور بر این بود که ظهور و گسترش HPAI H5N1 یا با افزایش تولید طیور، تجارت و جابجایی طیور زنده قبل، حین و بعد از تت (جشن ملی سال نو قمری) و یا با گسترش دامنه های آزاد مرتبط است. پرورش اردک که در آن اردک های اهلی در طول فصل برداشت محصول برنج با مزارع شالیزار برنج تماس پیدا کردند [ 4 ، 5 ]. با این حال، توزیع زمانی بیماری در تایلند همین روند را نشان داد، حتی اگر حرکت طیور در مناطق پرخطر محدود شده بود [ 6 ، 7 ]. علاوه بر این، مرکز کنترل و پیشگیری از بیماری ایالات متحده (CDC) دو سال قبل از وقوع بیماری، ویروس HPAI H5N1 را در اردک‌های زنده و سالم و غازها در هانوی در سال 2001 یافت [ 8 ]]. اگرچه در حال حاضر، ویروس به عنوان غیرفعال طبقه بندی شده است، مکانیسم هایی که ویروس H5N1 را فعال کرده و باعث بروز بیماری می شود، هنوز مشخص نیست.
مطالعات Wilcox و Gubler (2005) و Wilcox and Colwell (2005) استدلال کردند که تغییرات آب و هوا در فضا و زمان، که عمدتاً ناشی از تشدید کشاورزی، صنعتی شدن و شهرنشینی است، احتمالاً بقا و گسترش عوامل بیماری‌زا را در محیط افزایش می‌دهد [ 2 , 3 ]. این تغییرات غیرقابل پیش بینی ممکن است مستقیماً باعث گردش ویروس آنفلوانزای پرندگان از طریق پرندگان آبزی شود [ 9 ]. اگرچه افزایش حداقل دما در ژانویه و کاهش بارندگی سالانه کمتر به ترتیب با HPAI H5N1 در اروپا و چین مرتبط بود [ 1 ، 10 ]]، مکانیسم چگونگی تأثیر دینامیک فضا-زمان این عوامل بر وقوع بیماری مورد بررسی قرار نگرفت. به عبارت دیگر، تنوع آب و هوا در فضا و زمان در رابطه با وقوع HPAI H5N1 نادیده گرفته شده است.
این مطالعه به دنبال درک رابطه بین تغییرپذیری آب و هوا، همانطور که بر حسب میانگین دمای ماهانه، بارش و رطوبت اندازه‌گیری می‌شود، و سایر عوامل محیطی انسانی و فیزیکی، مانند تراکم و ارتفاع طیور در ارتباط با وقوع ویروس HPAI H5N1 است. سوابق رخدادهای گذشته با عوامل محیطی و انسانی برای پیش‌بینی احتمالات و نقشه‌برداری توزیع مکانی-زمانی HPAI H5N1 گنجانده شده است. این مطالعه بر روی دلتای رودخانه سرخ در ویتنام متمرکز است که قبلاً به عنوان یک منطقه پرخطر برای این بیماری تعریف شده بود [ 4 ، 11 ].

2. روش ها

2.1. حوزه مطالعه و منابع داده

دلتای رود سرخ (RRD) ( شکل 1) یکی از دو دشت سیلابی بزرگ در ویتنام با جمعیت متراکم است، از جمله پایتخت شهر هانوی و بندر اصلی های فونگ. کشاورزی و دامداری از جمله فعالیت‌های اصلی اقتصادی، از جمله محصولات اولیه – برنج، ذرت، لوبیا و کلزا و مرغداری، خوک و گاوداری است. سه موج بزرگ شیوع H5N1 HPAI در بازه زمانی دسامبر 2003 تا مارس 2010 در منطقه رخ داد که مربوط به موج اول، سوم و پنجم در سطح ملی تعریف شده است که در سال های 2003-2004، 2004-2005 و 2007 اتفاق افتاد. به ترتیب. این امواج درجات حدت بالایی داشتند که خسارات شدیدی به بار آورد. تا آوریل 2004، HPAI H5N1 57 استان از 64 استان ویتنام را تحت تأثیر قرار داد، که منجر به معدوم سازی 44 میلیون طیور شد که تقریباً معادل 17 درصد از کل جمعیت طیور در کشور است.12 ]. زیان اقتصادی به تولیدکنندگان طیور بسیار زیاد بود و حدود 3000 میلیارد VND برآورد شد [ 13 ، 14 ]. این بیماری عمدتاً بر تعداد زیادی از خانوارهای فقیر تأثیر گذاشته است. هم کاهش تقاضا برای محصولات طیور و هم کاهش قابل توجه قیمت های بازار به دلیل این بیماری باعث زیان های سنگینی برای تولیدکنندگان طیور شد [ 12 ]. سلامت انسان نیز آسیب دید. چندین مورد انسانی HPAI H5N1 گزارش شده است. تا 19 نوامبر 2010، در مجموع 119 مورد انسانی با HPAI H5N1 مرتبط بود که منجر به مرگ 59 نفر شد [ 15 ].
Ijgi 02 01106 g001 1024
شکل 1. منطقه مورد مطالعه – دلتای رودخانه سرخ ویتنام.
داده‌های مربوط به وقوع HPAI H5N1 که توسط دپارتمان بهداشت حیوانات ویتنام (DAH) جمع‌آوری و گزارش شده بود، از طریق پروژه بنیاد ملی علوم مرکز شرق غرب ارائه شد. هر رخداد HPAI H5N1 توسط مرکز ملی تشخیص دامپزشکی یا دفاتر منطقه‌ای بهداشت حیوانات با انجام آزمایش‌های مهار هماگلوتیناسیون، واکنش زنجیره‌ای پلیمراز بلادرنگ (PCR)، یا واکنش زنجیره‌ای رونوشت معکوس/پلیمراز (RRT-PCR) تایید شد. [ 16 ]. اگرچه وقوع بیماری برای اولین بار به طور رسمی در منطقه در پایان سال 2003 توسط DAH گزارش شد، تاریخ و مکان وقوع به طور رسمی از پایان مارس 2004 گزارش شد [ 4 ].]. بنابراین، این مطالعه بر دوره‌ای از پایان مارس 2004 تا پایان فوریه 2009 متمرکز شد که شامل 333 مورد تایید شده HPAI H5N1 در RRD بود.
همه داده های وقوع بر اساس ماه شروع و مکان در سطح کمون گروه بندی شدند. گزارش‌های تکراری از این بیماری برای همان ماه و محل آن نادیده گرفته شد و در نتیجه 277 کمون درگیر شد. 1967 کمون دیگر در دلتا نیز به عنوان واحدهای آماری برای تجزیه و تحلیل در نظر گرفته شدند. بنابراین، داده ها شامل 2244 کمون آلوده و غیر آلوده بود. رکورد وقوع بیماری برای هر کمون به صورت ماهانه از ژانویه تا دسامبر استخراج شد و در صورتی که بیماری در یک ماه گزارش شد، کد 1 یا در صورت عدم گزارش بیماری 0 کد شد. فایل داده همچنین شامل کدهای کمون مورد استفاده برای ادغام با سایر داده‌های سایر عوامل مورد تجزیه و تحلیل است. این مرحله با استفاده از نرم افزار Stata نسخه 12 (StataCorp LP., College Station, TX, USA) انجام شد.
داده های آب و هوا در مورد بارندگی، رطوبت و دما، که روزانه از سال 2003 تا 2006 در 30 ایستگاه هواشناسی در سراسر دلتای رود سرخ و مناطق اطراف اندازه گیری شده است، توسط مرکز داده های آب و هواشناسی ویتنام ارائه شده است. کریجینگ معمولی در ArcMap نسخه 10.1 (ESRI، Redlands، CA، USA) با یک مدل نیمه واریوگرام کروی که به عنوان یکی از بهترین رویکردها برای درونیابی داده های آب و هوایی در نظر گرفته شد [ 17 ]. این تکنیک برای درونیابی داده های آب و هوا برای هر ماه از سال در دلتای رود سرخ انجام شد و سپس به لایه های شطرنجی تبدیل شد که در نتیجه 36 لایه شطرنجی نشان دهنده میانگین بارش، رطوبت و دما ماهانه بود. داده های آب و هوا از هر دو جنبه مکانی و زمانی تشکیل شده است زیرا آنها در مکان و زمان متفاوت هستند.
عوامل دیگری که در این مطالعه گنجانده شد، تراکم طیور در سطح کمون و ارتفاع بود که از سرشماری کشاورزی ویتنام در سال 2006 ارائه شده توسط پروژه بنیاد ملی علوم مرکز شرق غرب و از ماموریت توپوگرافی رادار شاتل (SRTM) با وضوح 90 متری دیجیتال بدست آمد. مدل ارتفاعی (DEM). این دو عامل فقط جنبه فضایی را در بر می گیرند. شکل 2نشان دهنده توزیع فضایی تراکم و ارتفاع طیور در دلتای رودخانه سرخ ویتنام است. تراکم طیور هر کمون به 4 گروه تقسیم و به صورت 1 برای بدون طیور، 2 برای گروه 1 تا 25 طیور در هکتار، 3 برای گروه 26 تا 100 طیور در هکتار و 4 برای گروه بیش از 100 طیور کدگذاری شد. مرغ در هکتار اکثر کمون ها به عنوان گروه تراکم طیور 3 طبقه بندی شدند و در داخل دلتا قرار گرفتند. مناطق بدون مرغ در مرکز شهر هانوی و استان های دیگر مانند های دوونگ، های فونگ و نام دین بودند. کمون ها در گروه تراکم طیور 2 عمدتاً در اطراف شهرهای بزرگ، مناطق کوهستانی و خط ساحلی توسط دریای شرقی ویتنام توزیع شده اند.
به دنبال ایده لو و رمبو در طبقه بندی توپوگرافی [ 18 ]، ما توپوگرافی دلتای رودخانه سرخ را به 4 گروه با ارتفاع کمتر از 5 متر، از 5 متر تا 15 متر، از 15 متر تا 200 متر و بالاتر از 200 متر طبقه بندی کردیم. به ترتیب از 1 تا 4 کدگذاری شده است که نمایانگر مناطق ساحلی، پست، میانی و مرتفع است. دلتای رود سرخ به عنوان یک منطقه دشت مسطح با ارتفاع کم، عمدتاً کمتر از 15 متر مشخص شد ( شکل 2 ). منطقه ساحلی در نزدیکی دریای شرقی ویتنام واقع شده است که از استان های های دوونگ، های فونگ، تای بین، نام دین و بخشی شرقی از استان های نین بین تشکیل شده است.
Ijgi 02 01106 g002 1024
شکل 2. توزیع فضایی تراکم و ارتفاع طیور در دلتای رودخانه سرخ.
به منظور تجزیه و تحلیل داده ها، از فناوری سیستم اطلاعات جغرافیایی (GIS) برای تولید مرکز از هر چند ضلعی کمون در دلتا استفاده شد که منجر به 2244 نقطه شد. نقشه مبتنی بر کمون مرکز مبنایی برای انجام تحلیل زمانی و مکانی بود ( شکل 3 ).
Ijgi 02 01106 g003 1024
شکل 3. چندضلعی اداری کمون و مرکزهای کمون.
تمام لایه‌هایی که مشخصات محیطی (میانگین بارندگی ماهانه، میانگین رطوبت ماهانه، میانگین دما و ارتفاع ماهانه) را شرح می‌دهند، سپس به مرکزهای کمون استخراج و سپس به نرم‌افزار Stata نسخه 12 صادر شدند تا با داده‌های تراکم طیور و سوابق وقوع بیماری با استفاده از کدهای کمون ادغام شوند. جزئیات توضیحات متغیر و منابع در جدول 1 توضیح داده شده است.
جدول
جدول 1. شرح و منابع داده متغیرهای مورد مطالعه.
یک روش تجزیه و تحلیل چند سطحی با انجام یک روش دو مرحله ای استفاده شد: (1) مدل سازی رگرسیون لجستیک و به دنبال آن (2) یک رویکرد تجزیه و تحلیل زمین آماری برای درون یابی نتایج. ساختار کلی و روش های تحلیلی مطالعه در شکل 4 در زیر نشان داده شده است.

2.2. تحلیل آماری

در مرحله اول، مدل‌های رگرسیون لجستیک به مقادیر به‌دست‌آمده در مرکزهای کمون برازش داده شدند تا عوامل حیاتی مؤثر بر وقوع HPAI H5N1 را بررسی کنند. مزیت مدل رگرسیون لجستیک این است که می تواند اثرات متغیرهای توضیحی را بر پاسخ باینری توضیح دهد. نتایج رگرسیون لجستیک نسبت‌های شانس (ORs)، خطاهای استاندارد، مقادیر p و فواصل اطمینان 95% را ارائه می‌کنند. یک OR برابر با 1 نشان می دهد که هیچ رابطه ای بین متغیر توضیحی و متغیر پاسخ وجود ندارد، در حالی که OR بیشتر از 1 نشان دهنده یک رابطه مثبت است در حالی که OR کمتر از 1 نشان دهنده یک رابطه منفی است [ 20 ].
محاسبه ضرایب تورم واریانس (VIFs) برای هر متغیر توضیحی در مدل نشان دهنده وجود چند خطی بودن است. مقدار آستانه بحرانی یک VIF 10 است. VIF بیشتر از 10 نشان دهنده همخطی شدید است و باید از مدل حذف شود [ 20 ]. تست‌های خوبی انجام شد و معیار اطلاعات آکایک (AIC) را برای هر مدل گزارش کرد. مقدار AIC به انتخاب مدل آماری بهینه کمک می کند. یک مقدار AIC کوچکتر نشان دهنده یک مدل مناسب تر است. بهترین مدل برازش با کمترین مقدار AIC نشان داده می شود [ 21]. سپس از این مدل برای تخمین احتمالات پیش بینی شده HPAI H5N1 استفاده شد که در تجزیه و تحلیل زمین آماری انجام شده در مرحله دوم مورد استفاده قرار گرفت. تمامی تجزیه و تحلیل های آماری با استفاده از نرم افزار Stata نسخه 12 (StataCorp LP., College Station, TX, USA) انجام شد.
Ijgi 02 01106 g004 1024
شکل 4. آماده سازی داده ها و روش های تحلیلی مطالعه.

2.3. تحلیل زمین آماری

مرحله دوم در تجزیه و تحلیل الگوهای مکانی-زمانی HPAI H5N1 را بررسی کرد. هدف اساسی این بود که پیش‌بینی‌های احتمالی ماهانه برای وقوع بیماری را درون‌یابی کنیم. احتمالات پیش‌بینی‌شده HPAI H5N1 به‌دست‌آمده در مرحله اول تجزیه و تحلیل در نقشه مبتنی بر مرکز مرکزی برازش داده شد. یک رویکرد تجزیه و تحلیل زمین آماری، مکان فیزیکی هر مشاهده فردی در یک مجموعه داده و ارزش آن را نسبت به یکدیگر در نظر می‌گیرد تا مقادیر را در مکان‌های نمونه‌گیری نشده درون یابی کند. با توجه به اینکه HPAI H5N1 یک بیماری عفونی مسری است که در طول زمان به راحتی به مناطق اطراف منتقل می شود، خود همبستگی فضایی قابل توجهی ممکن است بر تخمین خطر بیماری تأثیر بگذارد. این ایده نشان می دهد که مقادیر نقاط نزدیک به هم شبیه تر از نقاط دور هستند.22 ، 23 ].
کریجینگ بیزی یک ابزار مفید برای درونیابی فضایی در زمینه اپیدمیولوژی [ 24 ] است. متفاوت از سایر روش‌های کریجینگ مانند کریجینگ ساده یا کریجینگ معمولی که عدم قطعیت در مدل واریوگرام را با استفاده از یک پارامتر واریوگرام ثابت حذف می‌کنند، کریجینگ بیزی پارامترهای واریوگرام را به‌عنوان متغیرهای تصادفی در نظر می‌گیرد و مدل واریوگرام را مستقیماً از داده‌ها با استفاده از حداکثر درستنمایی محدود (REML) تخمین می‌زند. بنابراین، عدم قطعیت در پارامترهای واریوگرام در تخمین نهایی گنجانده شده است [ 25 ]. استفاده از تعداد زیادی شبیه‌سازی به دنبال تکنیک‌های مونت کارلو زنجیره مارکوف که در رویکرد پیش‌بینی بیزی مورد نیاز است، پیش‌بینی‌های دقیق‌تری را به دست می‌دهد [ 25 ، 26 ]]. نتایج نقشه‌های پیش‌بینی ماهانه وقوع HPAI H5N1 در دلتای رودخانه قرمز بود.
دقت کریجینگ بیزی با استفاده از تکنیک اعتبارسنجی متقاطع 10 برابری پذیرفته شده مورد تایید قرار گرفت [ 27 ]. داده های اصلی به ترتیب به طور تصادفی به یک زیر مجموعه آموزشی و یک زیر مجموعه آزمایشی به نسبت 90٪ تا 10٪ تقسیم شدند. کریجینگ بیزی با استفاده از زیرمجموعه آموزشی انجام شد، سپس با استفاده از زیر مجموعه آزمون اعتبار متقابل انجام شد. سپس سطح خطاهای پیش‌بینی با میانگین درصد مطلق خطا (MAPE) اندازه‌گیری شد:

Ijgi 02 01106 i001

که در آن Pt و A t به ترتیب مقادیر پیش بینی شده و واقعی در نقطه t هستند . دقت پیش‌بینی برعکس MAPE است.

Ijgi 02 01106 i002

3. نتایج و بحث

3.1. نتایج

مدل‌های رگرسیون لجستیک اطلاعات مهمی در مورد اینکه چه عواملی بر وقوع HPAI H5N1 در دلتای رودخانه قرمز تأثیر می‌گذارد، ارائه می‌کنند. بر اساس محاسبه معیار اطلاعات آکایک (AIC)، به نظر می‌رسد که مدلی با تمام فاکتورها – میانگین دمای ماهانه، رطوبت و بارندگی، تراکم و ارتفاع طیور – بهترین مدل برازش از نظر کمترین مقدار AIC است. نتایج رگرسیون لجستیک در جدول 2 نشان داده شده است. مقادیر ضریب تورم واریانس (VIF) نشان داد که هیچ مشکلی با همخطی بودن در مدل وجود ندارد.
جدول
جدول 2. مدل رگرسیون لجستیک HPAI H5N1 در دلتای رودخانه قرمز، ویتنام.
نتایج نشان داد که هر پنج عامل مورد آزمایش تأثیر آماری معنی‌داری بر وقوع HPAI H5N1 در دلتای رودخانه قرمز داشتند. ارتباط مثبت با نسبت‌های شانس 1.518 و 1.368 بین وقوع بیماری و میانگین دمای ماهانه و تراکم طیور یافت شد، در حالی که سایر عوامل – میانگین رطوبت، بارش و ارتفاع به ترتیب با نسبت‌های شانس 0.949، 0.976 و 0.7 رابطه منفی داشتند. نتایج نشان داد که میانگین دمای ماهانه بالاتر و تراکم طیور احتمالاً احتمال ابتلا به HPAI H5N1 را افزایش می‌دهد در حالی که میانگین رطوبت ماهانه، بارش و ارتفاع کمتر احتمالاً احتمال بروز بیماری را افزایش می‌دهد.
احتمالات پیش بینی شده بروز HPAI H5N1 ( جدول 3 ) از مدل لجستیک برآورد شد. نتایج نشان داد که دوره‌های اکتبر تا ژانویه و آوریل تا ژوئن، به احتمال بالاتر HPAI H5N1 کمک می‌کنند. که از این میان، ماه های نوامبر، آوریل و ژانویه بیشترین آسیب پذیری را در برابر بروز بیماری دارند (با احتمال پیش بینی شده به ترتیب 0.0663، 0.0467 و 0.0471 نسبت به ماه های دیگر. میانگین احتمال یک سال 0.0102 برآورد شده است.
جدول
جدول 3. احتمال ماهانه تخمین زده شده آنفولانزای پرندگان بسیار بیماری زا (HPAI) H5N1 در دلتای رود سرخ.
همه احتمالات پیش‌بینی‌شده برای درون‌یابی توزیع فضایی-زمانی پیش‌بینی‌کننده HPAI H5N1 در دلتای رودخانه سرخ با استفاده از کریجینگ بیزی، به نقشه مبتنی بر مرکز کمون برازش داده شدند. نقشه‌های پیش‌بینی ماهانه بینش بصری در مورد زمان‌ها و مکان‌هایی که بیماری احتمالاً در سراسر دلتا رخ می‌دهد، ارائه می‌دهد. ارزیابی تجربی میانگین درصد مطلق خطا و دقت بر اساس تکنیک اعتبارسنجی متقاطع 10 برابری سطح عملکرد پیش‌بینی را نشان داد. شکل 5 که نتایج MAPE و دقت پیش‌بینی را نشان می‌دهد، روند ثابتی را در ماه‌های مختلف سال نشان می‌دهد. اعتبار متقاطع نقشه‌های پیش‌بینی دقت حدود 85 درصد را نشان داد که به عنوان مقادیر بالای مدل‌های پیش‌بینی در نظر گرفته شد [ 1 ].].
Ijgi 02 01106 g005 1024
شکل 5. اعتبار سنجی متقاطع برای دقت کریجینگ بیزی برای توزیع پیش بینی HPAI H5N1 در دلتای رودخانه سرخ.

3.2. بحث

این مطالعه روشی را برای ترکیب تحلیل‌های آماری و مکانی برای شناسایی عوامل مهم مؤثر بر وقوع HPAI H5N1 و تهیه نقشه‌هایی از احتمالات ماهانه وقوع HPAI H5N1 در دلتای رودخانه سرخ، ویتنام ارائه کرد. هدف این بود که عوامل مرتبط با این بیماری را با پاسخ به سؤالاتی در مورد چرایی، زمان و مکان احتمالی HPAI H5N1 درک کنیم.
نتایج رگرسیون لجستیک نشان می دهد که وقوع H5N1 HPAI به طور قابل توجهی با شرایط سازگار و قابل پیش بینی مرتبط است. عوامل کلیدی افزایش احتمال وقوع HPAI H5N1 میانگین بارندگی ماهانه، رطوبت و ارتفاع کمتر و میانگین دمای ماهانه بالاتر و تراکم طیور بود. این نتایج با مطالعات قبلی که به طور جداگانه در مناطق یا کشورهای دیگر مانند اروپا، چین، تایلند و ویتنام انجام شده بود، اما در مقیاس های مختلف، مطابقت داشت. افزایش حداقل دما و کاهش بارندگی در ژانویه با بروز بیشتر HPAI H5N1 در پرندگان وحشی در اروپا [ 1 ] همراه بود، در حالی که بارش سالانه کمتر مربوط به وقوع بیماری در سرزمین اصلی چین بود [ 10 ]]. مناطق کم ارتفاع در اروپا و تایلند نسبت به افزایش خطر ابتلا به این بیماری آسیب پذیرتر بودند [ 1 و 6 ]. تصور می شد که افزایش تراکم اردک و مرغ باعث افزایش بروز بیماری در تایلند و ویتنام می شود [ 4 ، 5 ، 6 ، 11 ].
وقوع HPAI H5N1 را نمی توان به طور جداگانه با یک عامل توضیح داد، بلکه با ترکیبی از عوامل کلیدی. همانطور که فایفر و همکاران اشاره کردند . (2007)، یک عامل واحد، دمای پایین، بعید است با دو موج اول HPAI H5N1 که در حدود تعطیلات تت رخ داد، مرتبط باشد، زیرا الگوهای دما از شمال با شرایط سردتر به جنوب با هوای گرمتر در ویتنام متفاوت است. 4]. با این حال، ترکیب همه عوامل آب و هوایی تراکم و ارتفاع طیور ممکن است وضعیت را توضیح دهد. اگرچه دما در ماه های دسامبر و ژانویه پایین است (متوسط ​​حدود 16 درجه سانتیگراد)، اما این ماه ها با رطوبت کم، بارندگی کم و تراکم مرغ بالا برای پاسخگویی به تقاضای بالا برای طیور در تعطیلات تت که باعث بروز بیماری می شود، مشخص می شود. ماه های نوامبر و آوریل که به عنوان ماه هایی با بیشترین احتمال بروز H5N1 HPAI پیش بینی شده بودند، دارای الگوهای دمایی مشابهی با جنوب هستند. این ماه ها با شرایط گرم تر، بارندگی کمتر و رطوبت کمتر مشخص می شوند که به نظر می رسد با شرایط مساعد برای انتشار ویروس همراه باشد.
الگوی زمانی همراه با موقعیت جغرافیایی بینش های جالبی را در مورد اپیدمی ارائه می دهد. اگرچه جنبه زمانی تراکم و ارتفاع طیور در این مطالعه ثبت نشد، ترکیب آنها با آب و هوای متغیر به توزیع مکانی-زمانی متفاوت بیماری در دلتای رودخانه سرخ کمک کرد. ارتباط مستقیم و غیرمستقیم بین تغییرات آب و هوا و وقوع HPAI H5N1 مستند شده است [ 1 ، 9 ، 10 ]. با توجه به تغییرات دینامیکی در عوامل کلیدی در مکان و زمان، احتمال بروز HPAI H5N1 بر این اساس تغییر کرد.
نقشه‌های پیش‌بینی ماهانه در شکل 6 نشان می‌دهد که وجود عوامل مؤثر در گسترش HPAI H5N1 از نظر زمان و مکان متفاوت است. قابل توجه است که منطقه با بیشترین احتمال که با رنگ قرمز مشخص شده است، بیشتر در استان های ساحلی و دشت در تمام ماه های سال رخ می دهد. با این حال، مناطق با بیشترین احتمال و در طول ماه تغییر می کنند. همانطور که در مدل رگرسیون لجستیک مشخص شد، عوامل آب و هوایی به طور قابل توجهی بر وقوع HPAI H5N1 تأثیر گذاشت. الگوهای آب و هوا در دلتای رود سرخ متفاوت است و می توان آن را به عنوان فصول متمایز با بهار، تابستان، پاییز و زمستان مشخص کرد. شکل 7طیف وسیعی از الگوهای آب و هوا را بر اساس ماه در دلتای رودخانه سرخ در دوره 2003 تا 2006 ارائه می دهد. آب و هوای متغیر بین ماه ها به توزیع فضایی این بیماری کمک کرده است.
در ژانویه، احتمال پیش‌بینی‌شده در مقایسه با ماه‌های دیگر بالا بود و میانگین احتمال آن 0.0216 بود ( جدول 3 ). مناطق با احتمال بالاتر در استان های شرق و جنوب پایتخت هانوی مانند هانام، هانگ ین، باک نین و های دوونگ و بخشی از های فونگ پیش بینی شده بود. اگرچه دما نسبت به ماه‌های دیگر پایین‌تر است، اما بارندگی و به‌ویژه رطوبت نیز پایین است که احتمالاً منجر به بروز HPAI H5N1 می‌شود. علاوه بر این، همانطور که فایفر و همکاران اشاره کردند ، تولید، جابجایی و تجارت مرغ زنده قبل از تعطیلات تت برای پاسخگویی به تقاضای بالای طیور در هانوی افزایش یافت. (2007) [ 4]، ممکن است با انتشار ویروس H5N1 مرتبط باشد. توزیع فضایی پیش‌بینی‌شده مطابق با موج اول و دوم HPAI H5N1 است که بیشتر در Bac Ninh، Hung Yen، Hai Duong و Hai Phong در ژانویه رخ داد.
این استان ها در مقایسه با سایر مناطق دلتای رود سرخ در ماه های فوریه و مارس همچنان در معرض خطر بیشتری برای بروز H5N1 HPAI هستند. با این حال، به نظر می رسد که احتمال HPAI H5N1 زمانی کاهش می یابد که تعداد طیور به طور قابل توجهی پس از تعطیلات تت کاهش یابد و رطوبت به طور استثنایی بالا باشد (نزدیک به 100٪).
Ijgi 02 01106 g006 1024
شکل 6. پیش بینی احتمال ماهانه وقوع HPAI H5N1 در دلتای رودخانه قرمز.
Ijgi 02 01106 g007 1024
شکل 7. الگوهای آب و هوا بر اساس ماه ها در دلتای رود سرخ از سال 2003 تا 2006.
وضعیت در آوریل، مه، ژوئن و جولای شروع به تغییر می کند و احتمال بالاتری در آوریل ثبت می شود اما در ماه های پس از آن کمتر است. منطقه با احتمال بیشتر به سمت شرق و جنوب به استان های کم ارتفاع در نزدیکی خلیج تونکین گسترش می یابد. این منطقه به رنگ قرمز شامل تای بین، نام دین و بخشی از استان های ها نام و نین بین است که در آن کشاورزی برنج و تولید طیور فعالیت های کشاورزی اصلی است. های دوونگ و های فونگ هنوز در برابر این بیماری آسیب پذیر هستند. الگوی فضایی پیش‌بینی‌کننده نیز با توزیع فضایی مشاهده‌شده موج پنجم گزارش‌شده در ماه مه و ژوئن 2007 که بیشتر در استان‌های Ninh Binh، Nam Dinh، Ha Nam و Hai Phong رخ داد، مطابقت دارد. موج پنجم در مناطقی متمرکز شد که در آن برنج برداشت می‌شد و اردک‌های چرای آزاد برای پاسخگویی به تقاضای بالای گوشت اردک در طول تابستان پرورش می‌دادند. این عوامل علاوه بر عوامل مرتبط با آب و هوا هستند و نشان دهنده فاکتورهایی هستند که با مطالعات دیگر همخوانی دارند.4 ، 5 ، 6 ، 7 ، 10 ، 11 ] تشریح وقوع HPAI H5N1.
توزیع فضایی پیش‌بینی‌شده HPAI H5N1 در دوره از جولای تا اکتبر تغییر می‌کند. با شروع از نواحی جنوبی دلتای رودخانه سرخ، از جمله استان های نام دین و تای بین در ماه ژوئیه، منطقه ای با احتمال زیاد به سمت شمال به سمت هونگ ین، های دوونگ و باک نین در ماه آگوست حرکت می کند، سپس به پایتخت هانوی و وین گسترش می یابد. استان Phuc در سپتامبر. این منطقه در ماه اکتبر تا استان های فونگ گسترش می یابد. به نظر می رسد احتمال بروز HPAI H5N1 بین جولای و سپتامبر در مقایسه با ماه های دیگر کمتر باشد. این دوره در کشت تابستانه برنج است که از ژوئن شروع می شود و با برداشت در ماه های اکتبر و نوامبر پایان می یابد. هوای گرم، مرطوب و بارانی برای دلتای رود سرخ در این زمان معمول است. این نوع آب و هوا از وقوع و گردش ویروس H5N1 همانطور که توسط تجزیه و تحلیل لجستیک در بخش قبل پیشنهاد شد پشتیبانی نمی کند. علاوه بر این، کشاورزان بیشتر بر روی برداشت و فروش میوه های تابستانی محبوب مانند لیچی و لانگان تمرکز می کنند.
بیشترین احتمال بروز HPAI H5N1 در نوامبر رخ می دهد و در ماه دسامبر بالا باقی می ماند، عمدتاً در استان های ساحلی در شرق و جنوب شرق هانوی، از جمله های فونگ، های دوونگ، تای بین و نام دین متمرکز است. این نتیجه با موج سوم HPAI H5N1 که در نوامبر و دسامبر 2005 رخ داد مطابقت دارد. این دوره با افزایش تعداد طیور، جابجایی و تجارت طیور جوان زنده و همچنین طیور بالغ برای آماده شدن برای افزایش فروش قبل از تعطیلات تت مشخص می شود. . الگوهای آب و هوایی نیز با دماهای گرم، بارش کم و رطوبت کم باعث بروز بیماری می شوند.

4. نتیجه گیری

نتایج مطالعه نشان داد که میانگین دمای ماهانه، میانگین بارندگی ماهانه، میانگین رطوبت ماهانه، تراکم و ارتفاع طیور عوامل مهمی هستند که احتمال وقوع و گسترش H5N1 HPAI را در منطقه دلتای رود سرخ ویتنام توضیح می‌دهند. میانگین دمای بالاتر ماهانه و تراکم طیور در ترکیب با میانگین بارندگی ماهانه کمتر، رطوبت در مناطق کم ارتفاع، تقریباً از نوامبر تا ژانویه و آوریل تا ژوئن، به افزایش بیشتر HPAI H5N1 کمک می کند. نقشه های پیش بینی ماهانه مناطقی را شناسایی می کند که احتمال بروز HPAI H5N1 بیشتر است. مناطقی که بیشتر در برابر این بیماری آسیب پذیرتر هستند، استان های کم ارتفاع در شرق و جنوب هانوی، نزدیک خلیج تونکین، از جمله های دوونگ، های فونگ، نین بین، تای بین و نام دین هستند.
تحلیلی که توزیع زمانی و مکانی پیش‌بینی‌شده HPAI H5N1 را بررسی می‌کند، بینش‌هایی را در مورد عوامل مؤثر بر وقوع HPAI H5N1 ارائه می‌کند. نتایج این مطالعه به وزارت بهداشت حیوانات ویتنام (DAH) و همچنین سایر سازمان‌های بین‌المللی مانند سازمان غذا و کشاورزی (FAO) و سازمان بهداشت جهانی (WHO) و غیره اطلاعات مهمی در مورد زمان، مکان و چرایی ارائه می‌دهد. بیماری به احتمال زیاد رخ خواهد داد چنین نقشه های پیش بینی ممکن است در توسعه استراتژی های کنترل موثر مفید باشد.

منابع

  1. سی، ی. وانگ، تی. اسکیدمور، AK; د بوئر، WF; لی، ال. Prins، عوامل محیطی HH موثر بر شیوع ویروس آنفلوانزای مرغی H5N1 بسیار بیماری زا در پرندگان وحشی در اروپا. Ecol. Soc. 2010، 15، ص. 26. در دسترس آنلاین: http://www.ecologyandsociety.org/vol15/iss3/art26/ (در 25 سپتامبر 2011 قابل دسترسی است).
  2. Wilcox، BA; Gubler، DJ Disease اکولوژی و ظهور جهانی پاتوژن های مشترک بین انسان و دام. محیط زیست بهداشت قبلی پزشکی 2005 ، 10 ، 263-272. [ Google Scholar ] [ CrossRef ]
  3. Wilcox، BA; Colwell, RR بیماری های عفونی در حال ظهور و بازپخش: پیچیدگی زیستی به عنوان یک پارادایم بین رشته ای. EcoHealth 2005 ، 2 ، 244-257. [ Google Scholar ] [ CrossRef ]
  4. فایفر، DU; Minh، PQ; مارتین، وی. اپرشت، ام. Otte, MJ تجزیه و تحلیل الگوهای مکانی و زمانی وقوع آنفلوانزای فوق حاد پرندگان در ویتنام با استفاده از داده های نظارت ملی. دامپزشک J. 2007 ، 174 ، 302-309. [ Google Scholar ]
  5. دسوو، اس. گروسبویس، وی. فام، TTH; فنویک، اس. تولیس، اس. فام، NH; تران، ا. راجر، اف. عوامل خطر بروز آنفلوانزای فوق حاد پرندگان H5N1 در سطح روستاها و مزارع در منطقه دلتای رودخانه قرمز در ویتنام. Transbound Emerg. دیس 2011 ، 58 ، 492-502. [ Google Scholar ]
  6. گیلبرت، ام. شیائو، ایکس. فایفر، DU; اپرشت، ام. بولز، اس. Czarnecki، C. چایتاویساب، پ. کالپراوید، و. Minh، PQ; Otte, MJ نقشه برداری H5N1 خطر آنفولانزای پرندگان بسیار بیماری زا در آسیای جنوب شرقی. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2008 ، 105 ، 4769-4774. [ Google Scholar ]
  7. پل، م. تاورنپانیچ، اس. آبریال، دی. گاسکوی، پ. چاراس-گاریدو، م. تاناپونگتارم، دبلیو. شیائو، ایکس. گیلبرت، ام. راجر، اف. Ducrot، C. عوامل انسانی و خطر آنفولانزای پرندگان H5N1 بسیار بیماری زا: چشم انداز از یک مدل مبتنی بر فضایی. دامپزشک Res. 2010 ، 41 . [ Google Scholar ] [ CrossRef ]
  8. ادان، م. Bourgeois, N. بررسی سیستم‌های پرورش اردک آزاد در ویتنام شمالی و ارزیابی تأثیر آنها در گسترش سویه بسیار بیماری‌زا (H5N1) آنفلوانزای پرندگان (HPAI) . Agronomes et Vétérinair es sans Frontières: لیون، فرانسه، 2006. [ Google Scholar ]
  9. گیلبرت، ام. اسلینگنبرگ، جی. Xiao، X. تغییرات آب و هوا و آنفولانزای پرندگان. کشیش علمی فنی بین المللی خاموش اپیزوت. 2008 ، 27 ، 459-466. [ Google Scholar ]
  10. نیش، L.-Q. د ولاس، اس جی; لیانگ، اس. لومن، CW; گونگ، پی. خو، بی. یان، ال. یانگ، اچ. ریچاردوس، جی اچ. کائو، W.-C. عوامل محیطی موثر در گسترش آنفلوانزای مرغی H5N1 در سرزمین اصلی چین. PLoS One 2008 , 3 . [ Google Scholar ] [ CrossRef ]
  11. Minh، PQ; موریس، آر اس؛ شوئر، بی. استیونسون، ام. بن‌شاپ، ج. نام، HV; جکسون، R. اپیدمیولوژی فضایی-زمانی شیوع آنفولانزای فوق حاد پرندگان در دو دلتای ویتنام طی سال‌های 2003-2007. قبلی دامپزشک پزشکی 2009 ، 89 ، 16-24. [ Google Scholar ]
  12. بانک جهانی. پروژه بازیابی اضطراری آنفلوانزای پرندگان ; گزارش تکمیل اجرا و نتایج؛ بانک جهانی: واشنگتن، دی سی، ایالات متحده آمریکا، 2007. [ Google Scholar ]
  13. پیر، م. دسوو، اس. فان دانگ، تی. روسی، وی. رنارد، جی اف. وو دین، تی. راجر، اف. ارزیابی مالی استراتژی های واکسیناسیون علیه HPAI. یک رویکرد مدلسازی در مجموعه مقالات پژوهش هوش مصنوعی در کارگاه بین المللی سیاست، فائو، هانوی، ویتنام، 16-18 ژوئن 2008.
  14. Phan، DT; دوسکسن، بی. لبائلی، پ. Vu، DT تنوع و خطرات اپیدمی سیستم های تولید طیور در حومه هانوی. J. Sci. توسعه دهنده 2010 ، 8 ، 203-215. [ Google Scholar ]
  15. مرکز سیاست کشاورزی (CAP). تجزیه و تحلیل خط مشی استراتژی HPAI شامل تجزیه و تحلیل همکاری و مشارکت بین بخش های دولتی و خصوصی: گردآوری شواهد برای استراتژی انتقالی (GETS) برای واکسیناسیون HPAI H5N1 در ویتنام . گزارش OSRO/VIE/801/USA؛ CAP: هانوی، ویتنام، 2011. [ Google Scholar ]
  16. سازمان جهانی بهداشت حیوانات (OIE). به روز رسانی در مورد آنفلوانزای فوق حاد پرندگان در حیوانات ; گزارش پیگیری شماره 77، 1828/TY-DT، OIE Ref: 12349; OIE: پاریس، فرانسه، 2012. [ Google Scholar ]
  17. ارلز، جی. Dixon، B. درون یابی فضایی داده های بارندگی با استفاده از ArcGIS: مطالعه مقایسه ای. در مجموعه مقالات کنفرانس کاربر موسسه تحقیقات سیستم های محیطی (ESRI)، سن دیگو، کالیفرنیا، ایالات متحده آمریکا، 18 تا 22 ژوئن 2007.
  18. اجازه دهید.؛ رامبو، ای. قله‌های روشن، دره‌های تاریک: تحلیل مقایسه‌ای شرایط محیطی و اجتماعی و روندهای توسعه در پنج جامعه در منطقه کوهستانی شمالی ویتنام . انتشارات ملی سیاسی: هانوی، ویتنام، 2001. [ Google Scholar ]
  19. جستجوی داده های SRTM. در دسترس آنلاین: http://srtm.csi.cgiar.org/SELECTION/inputCoord.asp (در 28 دسامبر 2010 قابل دسترسی است).
  20. Verbeek, M. A Guide to Modern Econometrics ; جان وایلی و پسران: چیچستر، بریتانیا، 2008. [ Google Scholar ]
  21. Akaike, H. نگاهی جدید به شناسایی مدل آماری. IEEE Trans. خودکار کنترل 1974 ، 19 ، 716-723. [ Google Scholar ]
  22. وبستر، آر. الیور، کارشناسی ارشد زمین آمار برای دانشمندان محیط زیست . Wiley: Chichester، UK، 2007. [ Google Scholar ]
  23. Goovaerts، P. رویکردهای زمین آماری برای ترکیب ارتفاع در درونیابی فضایی بارندگی. جی هیدرول. 2000 ، 228 ، 113-129. [ Google Scholar ]
  24. بیگری، ع. دراسی، ای. کاتلان، دی. رینالدی، ال. لاگازیو، سی. Cringoli، G. نقشه برداری بیماری در اپیدمیولوژی دامپزشکی: یک رویکرد زمین آماری بیزی. آمار روش ها Med. Res. 2006 ، 15 ، 337-352. [ Google Scholar ]
  25. دیگل، پی جی؛ استنتاج بیزی ریبیرو، پی جی، جونیور در زمین آماری مبتنی بر مدل گاوسی. Geogr. محیط زیست مدل. 2002 ، 6 ، 129-146. [ Google Scholar ]
  26. Krivoruchko, K. تجزیه و تحلیل داده های آماری مکانی برای کاربران GIS ; Esri Press: Redlands، CA، USA، 2011. [ Google Scholar ]
  27. Harrell, F. Comparisons of Strategies for Validating Binary Logistic Regression Models, Technical Report ; بخش آمار زیستی و اپیدمیولوژی، دانشگاه ویرجینیا: شارلوتزویل، ویرجینیا، ایالات متحده آمریکا، 1998. [ Google Scholar ]

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370