论文部分内容阅读
舌蝇分布图在非洲锥虫病控制中具有重要意义。考虑到遥感观测方法比传统地面观测宏观、高效,本文选择东非地区为研究区,对MODIS产品是否适合在舌蝇分布模型中作为气象输入参数进行了评估。通过把MODIS Aqua地表温度与气象站日最高和最低温度进行比较,发现用MODIS地表温度作为日最高温度的替代因子具有较大误差(MAE (Mean Absolute Error)=6.9±5.0℃),而作为最低温度替代因子误差较小(MAE=1.9±1.7℃)。在该地区,由于云层覆盖,MODIS每日地表温度数据产品缺失严重(约2/3缺失),再加上本地的气温季节变化较小,本文认为采用卫星高程数据作为替代因子更符合实际。采用逐步线性回归方法研究表明,仅以高程作为预测因子,预测的最高气温与最低气温与实际温度均相差仅1.9℃(MAE)。考虑地表温度后,模型精度仅提高0.2℃(MAE).太阳天顶角、低层大气可降水量和植被指数(NDVI/EVI)对模型精度提高贡献很小。以3个气象站记录的湿度数据为基准,气象站监测的每日湿度饱和差,与MODIS监测的780hPa大气层湿度饱和差(DMODIS)和NDVI均显著相关(|r|=0.42-0.63,P<0.001),但相关性一般。采用线性回归预测的每日湿度饱和差与气象站实测值分别相差4.64-4.98hPa (MAE, DMODIS)和5.96-6.66hPa (MAE, NDVI),DMODIS较NDVI显优势。就长期平均值(16天)而言,DMODT和NDVI预测湿度饱和差效果相似,与实测值相差在3.75-4.22hPa (MAE,DMODIS)和3.26-4.22hPa (MAE, NDVI)之间,误差比日值有所下降。利用促进回归树(boosted regression trees, BRT)模拟东非舌蝇(Morsitans spp.)分布,以及影响分布的关键环境因子及其相互作用,表明基于BRT模型,利用高程作为气温替代因子,NDVI作为湿度替代因子,结合土地利用／覆盖(LULC)数据,卫星数据能有效地估测东非舌蝇分布范围。BRT比传统回归算法(如：logistic回归)更有效,是未来预测舌蝇分布的首选模型。高程是舌蝇分布的主要控制因子(相对重要性=48.8%),其相对重要性分别比NDVI(相对重要性=28.2%)和LULC(相对重要性=23.0%)高。舌蝇分布与NDVI和高程间的关系是非线性的,且起伏大。高程与NDVI具有较强的交互作用。在肯尼亚,高程低于1000m并且NDVI>0.35的湿热区域是舌蝇分布重点关注区域。