ОПЫТ ИСПОЛЬЗОВАНИЯ МЕТОДА МАКСИМАЛЬНОЙ ЭНТРОПИИ (MAXENT) ДЛЯ ЗОНИРОВАНИЯ ТЕРРИТОРИИ ПО РИСКУ ЗАРАЖЕНИЯ ГЛПС НА ПРИМЕРЕ НИЖЕГОРОДСКОЙ ОБЛАСТИ

Обложка


Цитировать

Полный текст

Аннотация

Цель. Зонирование территории Нижегородской области по риску заражения ГЛПС с использованием метода Maxent. Материалы и методы. Материалами являлись данные Центра гигиены и эпидемиологии по Нижегородской области по каждому случаю заражения ГЛПС за 2010 - 2016 гг.; данные по условиям окружающей среды (Bioclim); данные по вегетационной активности (MODIS). Обработка проводилась в пакетах ArcGIS 10.2.2 и Maxent 3.3.Зк. Результаты. Получена и валидирована модель для оценки потенциального риска заражения ГЛПС на территории Нижегородской области. Заключение. Полученные результаты не противоречат фактически наблюдаемой пространственной локализации случаев заражения ГЛПС (точность предсказания составляет более 75%), выявляют связь между пространственной локализацией случаев заражения ГЛПС и сочетания факторов среды и позволяют формировать прогнозы изменения границ потенциально опасных участков при изменении факторов среды.

Об авторах

Л. А. Солнцев

НИИ эпидемиологии и микробиологии им. акад. И.Н.Блохиной

Автор, ответственный за переписку.
Email: noemail@neicon.ru
Россия

В. М. Лубянский

Ставропольский противочумный институт

Email: noemail@neicon.ru
Россия

Список литературы

  1. Джиллер П. Структура сообществ и экологическая ниша. М., Мир, 1988.
  2. Санитарно-эпидемиологические правила СП 3.1.7.2614-10 «Профилактика геморрагической лихорадки с почечным синдромом», утвержд. Постановлением Главного санитарного врача от 26 апреля 2010 г., № 38.
  3. Corsi F., de Leeuw J., Skidmore A. Modeling species distribution with GIS. In: Boitani L., Fuller T. (Eds.). Research techniques in animal ecology. New York, Columbia University Press, 2000, p. 389-434.
  4. Crippen R. E. Calculating the Vegetation Index Faster. Remote Sensing of Environment. 1990. 34: 71-73.
  5. Elith J., Leathwick J.R. Species distribution models: ecological explanation and prediction across space and time. Annual Review of Ecology, Evolution and Systematics. 2009, 40: 677-697.
  6. Elith J., Phillips S. J., Hastie T. et al. A statistical explanation of MaxEnt for ecologists. Diversity and Distributions. 2011,17: 43-57.
  7. Franklin J. Mapping species dist ributions: spatial inference and prediction. Cambridge University Press, 2009.
  8. Gaston A., Garcia-VihasJ.i. Modelling species distributions with penalized logistic regressions: A comparison with maximum entropy models. Ecol. Model. 2011, 222 (13): 2037-2041.
  9. Guisan A., Zimmerman N.E. Predictive habitat distribution models in ecology. Ecol. Model. 2000, 135: 147-186.
  10. Liu H.-N., Gao- L.-D., Chowell G. et al. Time-specific ecologic niche models forecast the risk of haemorrhage fever with renal syndrome in Dongting Lake District, China, 2005-2010. PLOS ONE. 2014, 9 (9): el06839.
  11. L Merow C., Smith M.J., Silander J.A. A practical guide to Maxent for modeling species1 distributions: what it does, and whv inputs and settings matter. Ecography. 2013, 36 (Ю): 1058-1069.
  12. Phillips S.J., Anderson R.P., Schapire R.E. Maximum entropy modeling of species geographic distributions. Ecol. Mod. 2006, 190: 231-259.
  13. Phillips S.J., Dudik M. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography. 2008, 31: 161-175.
  14. Wei L., Qian Q., Wang Z.Q. et al. Using geographic information system-based ecologic niche models to forecast the risk of hantavirus infection in Shandong Province, China. Am. J. Trop. Med. Hyg. Mar. 2011, 84 (3): 497-503.
  15. Zeimes C.B., Olsson G.E., Ahlm C. Modelling zoonotic diseases in humans: comparison of methods for hantavirus in Sweden. Int. J. Health Geogr. 2012, 11: 39.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Солнцев Л.А., Лубянский В.М., 2017

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: ПИ № ФС77-75442 от 01.04.2019 г.


Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах