2009年洞庭湖区垸内钉螺空间特征分析

左 婕，秦建新，尹晓科

（1.湖南师范大学资源与环境科学学院，湖南长沙410081；2.湖南生物机电职业技术学院，湖南长沙410127）

2009年洞庭湖区垸内钉螺空间特征分析

左 婕1，秦建新1，尹晓科2

（1.湖南师范大学资源与环境科学学院，湖南长沙410081；2.湖南生物机电职业技术学院，湖南长沙410127）

钉螺为血吸虫的唯一中间宿主，了解钉螺的空间分布规律对于控制血吸虫病有一定的作用。运用GIS空间统计和地统计方法，分析了2009年洞庭湖血吸虫病疫区活螺密度的空间分布规律:活螺密度呈高聚类模式分布，主要沿湖沿河分布，样点具有强烈的空间自相关性，其中反向聚集区域有（z<-2.58）567个点，正向聚集区域有 (z>2.58)540个点,说明钉螺点的辐射效应比较高，血吸虫病容易扩散到周边地区。同时,建立了活螺密度的空间预测图，得出了样点数据的半变异函数呈多项式分布。

GIS；空间分布特征；垸内；钉螺

血吸虫病是一种容易被哺乳动物传染的寄生虫病，血吸虫的唯一感染中间宿主是钉螺。我国的血吸虫病主要在长江流域流行,其中洞庭湖区就是最严重的地区之一[1]。洞庭湖位于湖南省东北部，是我国第三大淡水湖。洞庭湖区是目前我国钉螺分布范围最广且血吸虫病疫情最难防治的疫区[2]。近年来，由于不合理的利用以及围湖造田等人类活动的干扰，使洞庭湖的生态环境遭到严重的破坏[3]。频繁的洪涝灾害为钉螺的滋生创造了有利条件。因此了解洞庭湖血吸虫疫区的钉螺空间分布规律，对于有效控制洞庭湖疫区的疫情有一定的帮助。本文通过利用GIS手段，分析了2009年洞庭湖血吸虫病疫区活螺密度的空间分布规律，为血防部门对血吸虫病的防治提出了科学的依据。

1 研究范围与数据来源

1.1 研究区域范围

本文的研究范围是洞庭湖区，包括常德市辖区、安乡、汉寿、津市、澧县、石门、桃源、岳阳市辖区、临湘、华容、汨罗、岳阳、益阳市辖区、南县、沅江等共计19个县市区。

1.2 数据来源

数据资料包括湖南省2009年血吸虫调查中的螺情数据以及湖南省区划图。从中提取出洞庭湖区的样点活螺密度和洞庭湖区行政区划图。

2 洞庭湖区活螺密度样点空间分布特征

2.1 活螺密度样点空间集聚性

1）利用最邻近距离工具，分析 2009年洞庭湖区活螺密度的空间位置分布特征，结果ZScore值为-64.82，似然值小于1%，如表1所示。

表1 活螺密度样点空间位置聚集性分析结果

数据样点分布模式分析显示为聚类模式，主要沿湖沿河分布，河流由湖衍生以支流的形式由西往东贯穿岳阳县内陆。

2）利用高/低聚类分析工具，分析2009年洞庭湖区活螺密度的空间集聚性，结果Z Score为28.80，似然值小于1%，如表2所示。

表2 活螺密度样点空间分布聚集性分析结果

活螺密度呈高聚类模式分布，主要由于钉螺喜沿水域分布，垸外主要分布于洲滩地，垸内主要分布于沟渠中，作为血吸虫唯一的中间宿主，有钉螺的水域易形成疫区。

2.2 空间自相关分析

2.2.1 空间全局自相关工具

全局空间自相关是指在一个总的空间模式中不同空间单元之间在某种特征上的依赖程度[4]。其目的是从研究区域全局观察某样点与其周围的样点之间，就某种特征，通过统计方法，进行空间相关性程度的计算，以分析这些空间单元在空间上分布现象的特性。

利用空间全局自相关工具，分析2009年洞庭湖区活螺密度的全局自相关性，结果Z Score为175.04。Z Score为正且大于1.96，则分布为聚集的，似然值小于1%（如图1、表3所示）。

表3 活螺密度样点全局自相关性分析结果

图1 活螺密度样点全局自相关性分析图

样点数据结果显示，样点之间就活螺密度这一特征值而言具有强烈的空间自相关性，即某村落若具有高/低的活螺密度极易影响到其周围村落的活螺密度。

2.2.2 局部空间自相关

局部空间自相关是描述一个空间单元与其邻域的相似程度，表示每个局部服从全局总趋势的程度 (包括方向和量级)[4,5]，能使我们了解空间要素的差异性。

运用聚集及特例分析工具，分析2009年洞庭湖区活螺密度的局部自相关性，检测样点离群值，如图2、表4所示。

图2 2009年洞庭湖区活螺密度局部自相关性分析图

由结果可知，自相关性强的村落一般它的自然地理情况与周围的村落类似，比如大多沿湖/河分布，或者深居内陆，因此其活螺密度与周围村落的活螺密度大致相同，具有较强的空间自相关。而离群值可分为2类，一类是特征值比周围村落偏高，究其原因主要是沿湖分布或水网密集，如落在中洲的几处，由湖围成的滩地具有很高的特征值，活螺密度高；一类是特征值比周围村落低，如周围村落有水系分布，而其为被周围村落所包围的旱地。

表4 活螺密度样点局部自相关性分析结果

2.2.3 热点分析

热点分布主要用于进行事件发生地区的预测或获取关注地区。运用ArcGIS软件的热点分析工具，获取活螺密度关注地区，结果如图3所示。

图3 2009年洞庭湖区活螺密度热点分析图

结果显示，反向聚集区域有（z<-2.58）567个点，正向聚集区域有（z>2.58）540个点。说明钉螺点的辐射效应比较高，血吸虫病容易扩散到周边地区。其中正向聚集的点多集中在石门县、澧县以及临澧县 3个偏北的县，而反向聚集的点则比较分散。

2.3 活螺密度预测图的建立

2.3.1 检查数据的分布

当数据服从正态分布时，用克里格插值方法生成表面的效果最佳。如果数据是偏态分布的，则可以选择数据变换Transformation（Log/Box-Cox）使之服从正态分布。因此在创建表面之前必须检查数据分布。

1）直方图工具（Histogram）和正态QQ图。建立活螺密度样点直方图，得出样点呈右偏态分布，均值0.60451；通过比较分析，此组样点数据采用Log变换优于Box-Cox变换，样点经变换后能更好地拟合理想化的正态分布曲线；建立活螺密度样点正态QQ图，同样发现本样点数据采用Log变换优于Box-Cox变换。

2）趋势分析 (Trend Analysis)工具。趋势分析工具将用户研究区平面上的采样点转化为以感兴趣的属性值为高度的三维视图，然后用户从不同视角分析采样数据集的全局趋势[6]。

图4 活螺密度样点趋势分析图

样点沿西北—东南布局，绿线代表东西走向西高东低，活螺密度由常德向岳阳递减；蓝线代表南北走向特征值分布趋势，很明显的呈凹形二次曲线，这是由于洞庭湖区中部沿湖水系发达，水系内部钉螺滋生少。

由图4可以看出2009年样点数据大致走向是北高南低中间凹下，北边为常德市、岳阳市。常德市西北部属武陵山系，中低山区；中部多见红岩丘陵区；东部为沅、澧水下游及洞庭湖平原区；西南部为雪峰山余脉，组成中山区。由此构成区内南北高，中间低，两山夹一凹的基本地貌轮廓。多平原地带，水系发达，为钉螺滋生创造了良好的条件，因此钉螺滋生严重。而岳阳市临近洞庭湖，其优越的生态环境促进了钉螺密度的增长。中部为洞庭湖水域区域，属于垸外区域，不属于查螺范围。

图中同样显示出2009年活螺密度东西走向西高东低，西边邻近洞庭湖，越往东走延伸至湖区水域钉螺密度越低。

2.3.2 活螺密度中间插值

由于之前检测的结果显示数据大部分呈正态分布，故采用Kriging方法进行插值最佳。

1）半变异函数。半变异函数又称为半边差函数，是分析变量的空间变异和空间相关的统计学方法。即当点x在空间上变化时，区域化变量Z(x)在点x和x+ h处的值Z(x)与Z(x+h)差的方差一半称为区域化变量Z(x)的半变异函数，其公式为：

通过变异函数及变异曲线图可得到变程()、基台值(Still)和块金值(Nugget)3个重要的参数，其变程可以用来判断变量其自相关范围的大小，当h>时，则表示变量Z(x)的空间相关性消失[7]。

2）交叉验证。交叉验证可以检测模型对未知值的预测效果。对于所有的点，交叉验证按顺序每次省略一个点，再利用剩余的数据来对该点的值进行预测；然后在实测值与预测值之间进行比较；可以用计算后的统计数据来判断该模型是否适合生成地图。多次修改对比得出交叉验证参数如表5所示。

表5 交叉验证参数

在对不同参数得到模型的比较中，参考Prediction Error中的几个指标，平均值最接近于0，均方根最小，标准均方根预测误差最接近于1。验证结果表示步长为11时，趋势拟合较好。因此得出半变异函数参数设置如表6所示。

表6 半变异函数参数

3）半变异函数模型。应用 ArcGIS软件的地统计学功能，采用球型模型，根据上述参数设置，拟合2009年的洞庭湖血吸虫疫区活螺密度空间分布的变异函数(h)，并绘制变异函数曲线图，所得模型参数如表7所示。

表7 半变异函数模型参数

由此得出2009样点数据变异函数为球型模型，其变异函数为：

当2个样点之间的距离小于0.000278233时，其活螺密度的高低与距离有关，存在空间自相关性，变异可由变异函数(h)来估计，当距离大于0.000278233时，空间自相关性消失，拟合优度为1.107 32。

4）建立预测图。将上述各项参数输入模型中，得出2009年洞庭湖血吸虫病疫区活螺密度预测图（如图5所示）。

图5 2009年洞庭湖区活螺密度预测图

3 结语

本文运用GIS空间统计和地统计方法，分析了2009年洞庭湖血吸虫病疫区活螺密度的空间分布规律。研究发现，样点沿西北—东南布局，西北高东南低，很明显地呈凹形二次曲线，活螺密度呈高聚类模式分布，主要沿湖沿河分布，并且具有强烈的空间自相关性，其中反向聚集区域有（z<-2.58）567个点，正向聚集区域有 (z>2.58)540个点。这说明钉螺点的辐射效应比较高，血吸虫病容易扩散到周边地区。同时，建立了活螺密度的空间预测图以及半变异函数模型，得出样点数据的半变异函数呈多项式分布。本文通过对实际的调查数据进行分析，得出的结果都是有据可依的，对于血防工作的防治有实际的指导意义。但由于数据资料的欠缺，只能对2009年的活螺密度分布情况进行剖析，只分析了活螺密度空间上的分布规律，希望以后能在时间这方面进行深入的研究。

[1] 秦建新,谭子芳,张春.洞庭湖区江滩钉螺分布的环境因子及空间特征——基于RS-GIS的研究[J].自然灾害学报,2008, 17(04)：19-27

[2] 马巍,廖文根,匡尚富,等.洞庭湖钉螺扩散与疫区水情变化的定量关系研究[A]//中国水利学会第四届青年科技论坛论文集[C].

[3] 谢永宏,王克林,任勃,等.洞庭湖生态环境的演变问题及保护措施[J].农业现代研究,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] 刘峰，马金辉，宋艳华，等.基于空间统计分析与GIS的人口空间分布模式研究——以甘肃省天水市为例[J].地理与地理信息科学，2004，20（06）：18-21

[6] 王艳妮,谢金梅,郭祥.ArcGIS中的地统计克里格插值法及其应用[J].软件导刊,2008,07(12)：36-38

[7] 秦建新,谭子芳.洞庭湖区江滩钉螺分布空间特征分析[J].中国热带医学,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

项目来源：国家自然科学基金资助项目（40971038）。

P208

B

1672-4623(2012)03-0084-04

左婕，硕士，主要从事地理信息系统应用技术研究。