基于分布滞后非线性模型的淡色库蚊种群密度动态与气象因素关系研究*

刘 曜 朱奕奕 姚隽一 周毅彬

(上海市疾病预防控制中心传染病防治所，上海 200336)

研究表明媒介蚊虫的环境孳生、密度分布与气象因素存在着密切的关联(周毅彬等，2014)。目前，全球变暖趋势已对蚊媒孳生产生一定影响，改变了我国蚊媒传染病的发病风险(Leandroetal.，2021；Mjwetal.，2021)。由于城市外环境与气候条件的变化，如气温和降水量等气象因素，对上海市蚊媒数量的变化也产生一定的影响(周毅彬等，2010)。结合气象观测数据探索蚊密度模型的研究，可以为不同气候条件下蚊虫监测和控制提供科学依据。

分布滞后非线性模型(Distributed Lag Non-linear Model,DLNM)(Gasparrini,2011)是近年来使用较多的方法，它可以用来描述变量之间的依赖关系以及时间上的滞后现象，该模型最早由 Almon 于1965年在计量经济时间序列分析中提出，应用于经济学研究(Almon,1965)。之后Schwartz (2000)、Gasparrini(2010；2014)等对此模型进行了多次评估和改进，目前DLNM作为暴露—滞后—反应关联的模型，已在众多领域得到广泛应用。在蚊媒监测中，研究者使用DLNM，观察到气温和降水量等气象因素对蚊密度的影响及滞后效应。Lim等(2021)在韩国发现与温度相关的成蚊丰度因物种和地点而异，可根据蚊种和预期量身定制蚊虫防治措施。上海的研究显示，气象因素对于蚊密度存在滞后效应，气候因素变化可能改变蚊媒密度滞后效应峰值的出现时间(谢博等，2019;杨迎宇等，2021)。

本研究将通过采用DLNM开展上海市淡色库蚊Culexpipienspallens密度与气象因素的非线性和滞后效应的研究，探索不同气候条件下上海市淡色库蚊密度变化的特征，从而采取针对性的控制措施来降低蚊媒传染病传播的风险。

1 材料与方法

1.1 淡色库蚊密度监测

本次研究选用CO2诱蚊灯法(型号M02，上海禾奇科学仪器有限公司生产，引诱方式为：CO2气体400 mL/min和诱饵)监测淡色库蚊密度。在上海市除崇明区外的15个行政区，每个行政区分别选择医院、农户、牲畜棚(如有)各2处作为监测点，其余按照城镇居民区、公园(含街心公园)、学校等场所平均分配。共设置229个CO2诱蚊灯监测点，其中含30个医院、26家农户、10个牲畜棚、56个居民区、54个公园和53家学校。

除牲畜棚外，其余监测点在外环境进行，每个监测点设置1个CO2诱蚊灯。2018—2020年，每年的4—11月每旬监测1次，监测时间为16：00-22：00，遇雨天、风力>5级顺延1 d开展监测。捕获的蚊虫收集至实验室，在体视镜下分类鉴定并计数，计算蚊密度。每年12月至次年3月的淡色库蚊密度以0填充。

淡色库蚊密度[只/(灯·夜)]=

1.2 气象数据

气象数据来源于上海市气象局。取上海市所有9个市级站点：徐家汇站、松江站、闵行站、浦东站、青浦站、嘉定站、宝山站、金山站、奉贤站的均值作为上海市的气象数据，并用于本次建模。气象数据包括日平均气温、最高气温、最低气温、日降雨量、相对湿度、气压和风速，研究中气象数据按旬统计均值。

1.3 分析方法

采用分布滞后非线性模型(Gasparrinietal.，2010)建模，分析不同气象因素对淡色库蚊密度的影响。最终模型结构为：

g(μt)=α+cbTmax+cb(Precmean)+

cb(Rhmean)+ns(Time,2×year)+Zt

μ≡E(Y)，g为连接函数，α为截距，Tmax为旬平均最高气温，Precmean为旬平均降雨量，Rhmean旬平均湿度，cb为交叉基函数,Time为时间，ns为自然样条函数，Zt为对应变量产生线性影响的函数。

本研究分析使用R 4.1.2及 “dlnm”程序包进行DLNM的建模分析以及图表制作。模型以改进的赤池信息准则(QAIC)最小值作为参数选择依据。

2 结果

2.1 研究期间淡色库蚊的密度变化

研究期间的淡色库蚊密度变化见图1。2018—2020年上海市的淡色库蚊密度呈现类似的季节性变化，每年4月后密度逐步上升，在7月前达到密度高峰后逐步降低，至9月前后蚊虫密度下降变缓或出现1个次高峰，于11月降至0。

图1 2018—2020年上海市淡色库蚊密度变化Fig.1 Density change of Culex pipiens pallens in Shanghai from 2018 to 2020

2.2 研究期间气象因素分析

本次研究期间上海市主要气象因素变化见图2。2018—2020年上海市每旬的平均气温、平均最高气温、平均最低气温、平均相对湿度、日平均降雨量、平均风速的均值为17.59 ℃、21.90 ℃、14.24 ℃、4.43 mm、76.34%和1.86 m/s。

图2 2018—2020年上海市主要气象因素变化曲线Fig.2 Variation curve of main meteorological factors in Shanghai from 2018 to 2020

2.3 不同气象因素对淡色库蚊密度的滞后效应分析

最终取类泊松模型为连接函数，进入模型的气象因素包括每旬的日平均最高气温、平均日降雨量和平均相对湿度。以QAIC对各个气象因素和参数的遍历组合进行模型评价，选择QAIC最小(231.34)的模型分析气象因素与淡色库蚊密度的关系。最终模型的参数设置见表1。

表1 分布滞后非线性模型的建模参数Tab.1 Modeling parameters of DLNM

分别以最终进入模型的不同气象因素和滞后天数组合来构建三维效应图。分析随不同滞后天数变化下，各种气象因素对淡色库蚊密度的作用效应(图3)。旬平均最高气温与淡色库蚊密度呈非线性关系，相对危险度随温度升高而逐步升高，在30 ℃后下降(滞后天数为0.5～2.5旬)或升高(图3)。滞后天数与效应强度呈“U”型，在最高温度为35 ℃，0滞后天数时相对危险度值最高达到2.1。随日均降雨量增加，相对危险度值总体呈逐步增大，尤其是平均日降雨量>10 mm后,降雨量较大时相对危险度值与滞后天数呈倒“U”型(图3)。平均相对湿度与相对危险度值总体呈倒“U”型，在相对湿度较高时滞后天数与相对危险度值呈倒“U”型(图3)。

图3 相对危险度随每旬的日平均最高气温、平均日降雨量和平均相对湿度的变化图Fig.3 Variation of relative risk with daily average maximum temperature,average daily rainfall and average relative humidity

2.4 不同滞后天数下各种气象因素对淡色库蚊密度累计效应分析

在累计滞后天为1、2和3旬时，平均最高气温和淡色库蚊密度都呈倒“U”型，在约 30 ℃ 时相对危险度值最高(图4)。在累计滞后天数为1旬时，淡色库蚊密度相对危险度值在日平均降雨量小于7 mm时略下降，其后逐步升高；在累计滞后时间为2和3旬时，日平均降雨量小于7 mm时基本呈水平，其后随降雨量增加后逐步增高(图5)。在累计滞后天为1、2和3旬时，平均相对湿度和淡色库蚊密度都呈倒“U”型，在约70%时相对危险度值最高(图6)。

图4 不同累计滞后天数下平均最高气温与效应强度的关系(以30℃为对照)Fig.4 Relationship between average maximum temperature and effect intensity under different lag days (30 ℃ as control)

图5 不同累计滞后天数下平均日降雨量与效应强度的关系(以6 mm为对照)Fig.5 Relationship between average daily rainfall and effect intensity under different lag days (6 mm as control)

图6 不同累计滞后天数下平均相对湿度与效应强度的关系(以70%为对照)Fig.6 Relationship between average relative humidity and effect intensity under different lag days (70% as control)

2.5 不同气象因素与淡色库蚊密度关系

结合图3～6，旬平均最高气温与淡色库蚊密度呈倒“U”型，在平均最高气温大于10 ℃后逐步升高，在30 ℃达到密度峰值，其后逐步降低(表2)。平均日降雨量与单色库蚊密度呈“J”型，在日平均降雨量大于6 mm后逐步升高。旬平均相对湿度与淡色库蚊密度呈倒“U”型，在平均相对湿度达到70%时达密度峰值(表2)。

表2 旬平均最高气温、平均日降雨量和平均相对湿度与淡色库蚊密度关系Tab.2 Relationship between ten day average maximum temperature,average daily rainfall and average relative humidity with density of Culex pipiens pallens

3 讨论

影响蚊虫密度变化的因素包括气象因素、环境因素和人为因素等。本次研究分析了气象因素和淡色库蚊密度的关系。由于线性方法会高估气候变化对蚊虫密度的影响(Davidetal.，2014)，本次选用DLNM模型，其可以描述气象因素对蚊虫密度的非线性关系(Gasparrini，2010)和滞后效应(谢博等，2019)。

本研究显示，上海市淡色库蚊密度与气温呈非线性倒“U”型，当旬平均最高气温高于30℃时，淡色库蚊密度与气温呈负相关。研究显示，高温会缩短蚊虫发育时间，但是也会增加蚊虫的死亡率(尤其是成蚊)(Jiaetal.，2019)，因此总体而言蚊虫数量会受到极大抑制。一旦温度超过某个阈值，温度对蚊虫密度的影响可能会变得非线性，甚至是负的(Barryetal.，2001)。本次结果也显示，上海市淡色库蚊密度从峰值开始下降是随着平均温度的升高。此外，上海市易出现极端气温(Tanetal.，2007)，这可能是高温季节蚊虫密度降低的原因。

降水的研究表明，降水很可能是影响蚊密度的最复杂的环境变量(Joannaetal.，2013)。降雨对蚊密度可能是正影响(降雨产生产卵场所)(Lourenoetal.，2004)，可能是负影响(暴雨冲刷了幼虫)(Davidetal.，2010)，或者没有影响(Lucianoetal.，2003)。本次研究表明，日平均降雨量大于7 mm时，在累计滞后时间为2和3旬时，随降雨量增加后淡色库蚊密度逐步增高。对于大型积水孳生场所，可能降雨量大会扩大孳生面积，从而造成蚊虫数量增多，密度升高(仲洁等，2015)。

湿度对蚊虫孳生也有一定影响，过高的湿度不利于蚊虫生存，较高的湿度可以延长蚊虫寿命从而提高蚊虫密度，湿度过低又会导致蚊虫生存困难而使密度降低。一项在中国广东地区模型预测显示，每小时蚊虫密度随着相对湿度的增加而增加(Yinetal.，2019)。中国云南西双版纳地区用主成分回归的方法，研究气象因素与登革热发病的关系，结果发现影响蚊虫密度前三位气象因素中包括月平均相对湿度且呈正相关(Liuetal.，2021)。菲律宾地区研究发现相对湿度与蚊密度关联在不同省份之间存在异质性(如J型、反J型或倒V形等)，并发现相对湿度可以作为菲律宾蚊密度高峰的预测指标(Xuetal.，2020)。本次在上海地区对淡色库蚊和气象因素的研究表明，旬平均相对湿度与淡色库蚊密度监测数值呈倒“U”型曲线关联，在平均相对湿度达到70%时达密度峰值，结果表明在气象因素中，相对湿度对淡色库蚊的生长繁殖有一定的影响，70%平均相对湿度对淡色库蚊孳生是一个较为适宜的气候条件。

综上，本次研究尝试用数学模型提供了一种解释手段来理解气象因子变量对蚊虫种群密度的影响。该非线性模型可以更好地理解不同气象因子对蚊密度的影响，从而预测未来蚊密度的变化。特别是预测蚊密度的高峰时间具有优势，相比常规的线性模型中蚊密度往往与温度等气象因子呈正相关，因此无法预测正确的蚊密度高峰时间。该模型也为设计控制预案，在合理的时间开展蚊虫控制措施等提供科学依据。