论文部分内容阅读
钉螺是血吸虫的惟一中间宿主,钉螺的地理分布在一定程度上可以决定血吸虫病疫情的空间分布。由于钉螺分布的空间异质性和聚集性,传统的钉螺空间抽样方法耗费大量的人力、物力和财力,且存在样本量大、抽样效率不高等问题;而遥感手段只能对钉螺栖息地进行监测,不能真正从统计学意义上获得一个区域的钉螺总体特征(总体均值)。因此简化、优化现有钉螺抽样方案具有重要意义。本研究主要采用地统计方法、K均值聚类算法(K-means)及模糊C均值聚类算法(Fuzzy c-means clustering,FCM),探讨几何中心(样点面积覆盖最大)和环境中心(代表性样点)对抽样效率的影响,以期为今后钉螺采样调查设计方案提供优化参考依据。首先,基于2013年一个50m×50m的矩形草洲范围内“推扫式”的钉螺调查数据,本研究提出一种基于植物丰度分布特征为辅助变量的钉螺空间采样策略(Spatial Sampling Scenario of Oncomelania Based on Plant Abundance,SOPA),根据植物丰度数据进行空间分层,通过Hammond McCullagh方程计算各子区域内的最优采样点数量,采用多向插值离散度的空间采样布局方案(MDI),确定采样点部署策略;并对比空间随机采样、系统采样、空间分层采样和三明治采样。结果显示,本研究提出的SOPA方法所得到的抽样绝对误差最小为0.2138,系统抽样误差最大为0.9244,这表明本研究提出的钉螺采样策略能够获得比空间随机采样策略、系统采样策略、空间分层采样策略和三明治采样策略更高的估算精确度,也即表明以植物丰度为辅助变量及遵循样点覆盖面积最大化原则能够提高采样效率。其次,在论证了以植物丰度为辅助变量能够优化钉螺调查抽样方案的基础上,进一步拓展辅助变量种类。基于2014年一个340m×300m的钉螺调查数据,本研究通过对与钉螺空间分布上具有协同变化的环境因子进行模糊聚类分析,寻找可代表钉螺空间分布的代表性样点,提出一种基于代表性样点的抽样设计方法(Spatial Sampling Scenario of Oncomelania Based on Representative Samples,SORS)。将所采集的代表性样点进行误差分析,并将抽样结果与简单随机抽样和系统抽样方法进行精度比较。结果显示:本研究提出的SORS方法明显优于简单随机抽样和系统抽样,抽样绝对误差分别为:0.4407、1.5514、3.5653,相对误差分别为:1.0481、3.6897、8.4796。表明新方法能够获得比现有血防部门的钉螺调查方法更高的估算精度,可为优化湖沼型血吸虫病流行区钉螺调查方法提供借鉴。研究表明,在较为丰富的先验知识的基础上,遵循几何中心或环境中心原则,能够显著提高钉螺抽样调查效率。本研究可为优化现行钉螺调查方案提供依据。