点击显示 收起
【摘要】 目的 分析研究洞庭湖区江滩钉螺分布的空间特征，为区域血吸虫病防治提供科学依据。 方法 建立洞庭湖区江滩钉螺分布地理信息系统，研究分析洞庭湖区江滩钉螺分布的空间特征。 结果 洞庭湖区的江滩钉螺孳生地在空间上呈集聚模式，空间自相关性比较强，相关程度受离群值的影响大，变化以指数形式衰减，并存在空间方向性。 结论 洞庭湖区的江滩钉螺在空间分布呈现出一定的规律性，人类的各项活动应遵循这些规律，从而达到减少和灭绝钉螺，进而达到防治血吸虫的目的。
【关键词】 GIS；洞庭湖，江滩，钉螺，空间分布
Study on the spatial characteristic of distribution of Oncomelania snails in marshlands of Dongting Lake Based by GIS.
QIN Jian-xin，TAN Zi-fang.
(Hunan Normal University, Changsha, 410081, Hunan, P. R. China)
Abstract: Objective To anlalyze the spatial characteristic of distribution of vector of Oncomelania snails in Dongting Lake aided by GIS. Methods Based on the data of GIS of the distibution of Oncomcelania Snails in Dongting Lake, the spatial characteristic of istribution of Oncomelania snails' in marshlands of Dongting Lake was analyzed by the spatial analyzing technology and the geo- statistics analyzing technology. Resullts With regard to the density Oncomcelania snails the results showed that there wasa spatial clustering model, there as an intensely spatial autocorrelation, which was influenced by exception. Inadditoin the change of the distribution of snails decreased in exponential model and showed orientation in spatial distribution. Conclusion There is certain law in spatial distribution of Oncomelania samail in Dongting Lake area and that be explored for better control of schistosomiasis.
Key words: Geographic Information System (GIS); Dongting Lake; Oncomcelania snails; Spatial Distribution
钉螺是血吸虫的唯一中间宿主，是血吸虫宿主也是病毒特定载体，其地理分布决定性地影响了血吸虫病的空间分布[1]。因此正确分析钉螺的空间分布特征对于钉螺的控制及血吸病的预防有非常重要的作用。该研究在建立洞庭湖区江滩钉螺分布地理信息系统基础上，采用地理信息系统（GIS）空间分析技术、地统计学方法研究洞庭湖区钉螺分布的空间特征，可为血防和政府部门的决策提供科学依据。
1 材料与方法
1.1 研究区域选择 洞庭湖位于湖南省的北部，长江南岸，为江滩及山丘两种血吸虫流行区，其中各湖、江、河沿岸及江心洲滩地区“冬陆夏水”，是钉螺的主要孳生地。同时，根据湖南省血防中心调查，洞庭湖区钉螺总面积1770.796km2，其中洲滩钉螺面积为1720.8349km2，占整个洞庭湖区钉螺面积的97.18%，山丘型仅占2.82%。因而本研究以洞庭湖区的江滩为研究区域。
1.2 数据资料 数据资料包括：螺情数据、基础地理数据。螺情数据包括：湖南省2004年春季（全国第三次）血吸虫调查中的钉螺调查资料，该资料采用系统抽样与环境随机抽样相结合的方式设框调查，包括钉螺孳生地的位置、有螺面积、调查总框数、活螺框数、感染螺数、活螺密度等。
基础地理数据包括洞庭湖区土壤类型分布图、土壤有机质含量图、土壤PH值图等；洞庭湖区1：5万地形图，以及由此得到的得出高程图、水系图、道路图、居民点；地表景观资料，包括水体、沙滩、耕地、莎草、芦苇、杂草、柳林（包括柳林、杨林）等几大类。
1.3 方法
1.3.1 建立洞庭湖区江滩钉螺分布地理信息系统 以洞庭湖区1：5万数字化地形图、土壤湿度分布图、植被类型分布图、土壤类型图、土壤PH值分布图、有机质分布图等为空间数据库，处理后的相关高程值、水系名称及收集的洞庭湖区螺情资料等为属性数据库，在地理信息系统软件平台—Arcgis9软件的支持下，建立洞庭湖区江滩钉螺分布的地理信息系统（图1）。
图1 洞庭湖区江滩钉螺分布地理信息系统（略）
1.3.2 统计分析 根据建立的洞庭湖江滩钉螺分布的地理信息系统，在SPSS12.0软件的支持下，选择活螺密度及感染螺密度数据项，采用聚类分析的方法，对洞庭湖区江滩钉螺分布特征进行分析。
1.3.3 洞庭湖区内钉螺孳生地空间位置集聚性 在Arcgis9中利用spatial statistics（空间统计）扩展模块，测量每个钉螺孳生地与之最邻近孳生地之间的距离，并计算平均值。再测量平均距离与假定为随机分布距离的相似程度，统计后返回z score值。Z score值为负且越小，则要素分布越趋向于集聚分布模式，相反为离散分布模式。
1.3.4 钉螺密度空间集聚性空间分析 利用Arcgis9软件中的Analyzing Patterns（分析模式工具集）中的High/Low Clustering ---Getis-Ord General G (高/低聚类分析工具)对钉螺分布矢量图层的属性数据进行分析，检查洞庭湖区活螺密度、感染螺密度在空间上的分布是否具有集聚性。分析结果返回General G Index值和Z Score值。G Index值越高，越趋向于高集聚。相反为低集聚。Z值为正且越大，要素分布趋向高集聚分布，相反为低集聚分布。
1.3.5 空间自相关分析 利用Moran's I、Local Moran's I分别对洞庭湖区钉螺孳生地分布的全局、局部空间自相关性进行分析[2]。
全局空间自相关 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就某种特征而言的依赖程度[3]。通过计算Moran's I值进行全局空间自相关分析，其计算公式如下：
nΣiΣiwij（xi-x）（xj-x）
I=——————————————,其中j≠i
ΣiΣiwijΣi（xi-x）2
式：n是参与分析的空间单元数；xi 和xj 分别表示某现象(或某属性特征) x 在空间单元i 和j 上的观测值；wij是空间权重矩阵。Moran's I的值域为[-1,1]，大于0为正相关，小于0为负相关，且值越大表示空间分布的相关性越大。反之，值越小代表空间分布相关性小。本研究以洞庭湖区钉螺活螺密度为基础，在空间数据分析软件Geoda的支持下，分别计算活螺密度数据的Moran's I指数，以分析洞庭湖区钉螺孳生地分布的全局自相关性。
局部空间自相关性：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)[2,3]。局部空间关联指数LISA (local indicators of spatial autocorrelation)值分析方法是用于局部空间自相关测试的方法，其计算方法如下：
Ii=n2/nΣiΣiwij·（xi-x）Σjwij（xj-x）/Σj（xj-x）2
变异函数及变异曲线图分析：它在一维条件下的定义为：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)差的方差一半为区域化变量Z(x)在x轴方向上的变异函数。记为：
r（h）=1/2E[z（x）-Z（x-h）]2
当以任意两点Z(x)与Z(x+h)之间的距离h为横坐标，以他们的变异函数值γ(h)为纵坐标即可绘制变异曲线图。通过变异函数及变异曲线图可得到变程a（Range）、基台值c0+c1（Sill）和块金值c0（Nugget），变程描述了与空间有关的差异怎样随距离变化的。在变程范围内距离越近的点具有更相近的特征，即点在变程范围内的某种属性存在空间自相关性；当h>a，属性的空间自相关性消失。
2 结果
2.1 洞庭湖区江滩钉螺孳生地类别 将整个洞庭湖区江滩型钉螺分为8类（表1）。
表1 不同孳生地活螺密度及感染螺密度聚类分析结果及其分布（略）
其中第I、VII 类为活螺密度及感染螺密度都比较高的环境，第II、III、VI、VIII类为活螺密度高，感染螺密度低的环境，第IV、V类为活螺密度及感染螺密度均低的环境。整个洞庭湖区的江滩钉螺孳生地，以活螺密度及感染螺密度均低的环境（即分类表中的第IV、V类）为主，共有247个孳生地，占孳生地总数的88.9%，但也有活螺密度及感染螺密度均高的环境，占孳生地总数的8%。
2.2 江滩钉螺孳生地分布特征 仔细观察洞庭湖区江滩钉螺孳生地的分布（图1），可发现分布点在空间上的分布并不均一，而是呈一定的区域性，且比较集中，主要沿东洞湖、南洞庭湖、西洞庭湖、松滋河、虎渡河、澧水、长江、湘江沿岸一带分布。
2.3 钉螺孳生地分布空间集聚性 利用Arcgis9软件打开已建立的洞庭湖区江滩钉螺分布地理信息系统，用Average Nearest Neighbor工具分析其集聚性，显示z score值=-15.4，显著性水平为P<0.01，且为随机分布的可能性小于1%，表示钉螺孳生地分布为集聚分布模式，而不是离散分布。
2.4 钉螺密度空间分布集聚性分析 按照钉螺孳生地分布空间集聚性分析的方法对洞庭湖区活螺密度、感染螺密度进行分析，结果显示活螺密度、感染螺密度在空间上的分布都具有高集聚性，二者的z score值分别为5.5、13，P值均小于0.01，这表示洞庭湖区江滩活螺分布与感染螺的分布都是高密度区与高密度区邻接，低密度区与低密度区。
2.5 空间自相关性
2.5.1 全局空间自相关性 在Geoda软件的支持下，计算洞庭湖区活螺密度的Moran’s I 指数值为0.4555。表明洞庭湖区钉螺的空间分布在整体上具有较强的正自相关。
2.5.2 局部空间自相关分析 将LISA指数显著性水平在0.05以上的所有孳生地分为H-H(高密度被高密度围绕)、L-H（低密度被高密度围绕）、L-L（低密度被低密度围绕）、H-L（高密度被低密度围绕）等四类空间关联类型。
2.5.3变异函数及变异曲线图分析 根据洞庭湖区江滩钉螺孽生地的分布及活螺密度，在Arcgis9软件的支持下，应用地统计学分析功能，首先通过Voronoi图去除离群值，再拟合洞庭湖区江滩钉螺空间分布的变异函数y(h)并绘制其变异函数曲线图(图4)，发现洞庭湖区江滩钉螺活螺密度分布的变异函数为指数模型，Range(a)为0.18166，基台值为7.0538，其变异函数的具体形式如下：
0 h=0
γ（h）=
7.0538（1-e(h/0.18166)） h＞0
其变异函数曲线(图2)说明洞庭湖区钉孳生地的活螺密度的变化随距离的增长以指数形式衰减，其理论上并不表现出有限的变程, 但实践中变程值近似用3a[4，5]，即当钉螺孳生地之间的距离小于0.54498时，其活螺密度的变化与距离有关，其变异可由变异函数γ(h)来估计；当h>0.54498时，其空间自相关性消失。同时进一步分析钉螺密度在不同方向上的变异时，发现各个方向上的变异函数不同，存在几何各向异性，即其基台值相同而Range(a)不同，最大a为0.55714，最小a为0.16457，各向异性比为3.3854，以305.7°（西北）方向上的空间自相关性最为明显（图3）。
图2 江滩地区钉螺分布的变异函数曲线及平面图（略）
图3 江滩地区钉螺分布的变异函数各向异性分析曲线及平面图（略）
3 讨论
在已建立的洞庭湖区江滩地理信息系统的基础上，运用空间分析软件GEODA及Arcgis的空间统计、地统学两个模块，对洞庭湖区江滩钉螺空间分布特征进行了分析，得到结果为钉螺密度：①在空间上呈集聚模式；②空间自相关性比较强，相关程度受离群值的影响大；③变化以指数形式衰减，并存在空间方向性。
【参考文献】
［1］ 赵慰先主编．人体寄生虫学［M］．第二版．北京：人民卫生出版社，1992：3~4．
［2］ 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，2004，11：18~21.
［3］ 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，2001：9~40．
［4］ 李新，程国栋，卢玲．空间内插方法比较［J］．地球科学进展，2000，6：260~265．
［5］ 王军，傅伯杰，邱扬，等．黄土丘陵小流域土壤水分的时空变异特征：半变异函数［J］．地理学报，2000，7：428~438．
作者单位：(Hunan Normal University, Changsha, 410081, Hunan, P. R. China)