北京市居民區(qū)中蚊蟲密度與氣象因素關(guān)系的研究*

劉美德 姜 江 佟 穎** 張 勇 閻 婷 李秋紅劉 婷 尤煥苓 周小潔 葉彩華 曾曉芃

(1.北京市預(yù)防醫(yī)學(xué)研究中心，北京市疾病預(yù)防控制中心，北京 100013；2.北京市氣象服務(wù)中心，北京 100089)

蚊蟲的生長、繁殖、行為以及疾病的傳播等各個方面受到氣象因素的影響是非常明顯的，因此氣象因素對蚊蟲密度的影響和相關(guān)預(yù)測研究一直備受關(guān)注(Davidetal., 2002; Patzetal., 2005; Guillermoetal., 2005)。就影響蚊蟲的氣象因素而言，多數(shù)的研究結(jié)果認(rèn)為對蚊蟲密度、蚊蟲活動性影響最大的氣象因素就是氣溫，其他氣象因素則在不同區(qū)域和時間段內(nèi)存在著一些爭議和差別，原因在于各個地域的主導(dǎo)氣象因素的不同(王金娜等, 2015)，或者同一氣象因素在不同環(huán)境、不同時期也可能對蚊蟲密度產(chǎn)生完全不同的影響(周毅彬等, 2010; 楊維芳等, 2010; 于德憲等, 2010; 景曉等, 2011; 仲潔等, 2015;李海龍等, 2015)。

城市環(huán)境中的居民區(qū)往往是城市居民生活高度集中的地方，既是城市人群密度大之處，也是蚊蟲與人類接觸機率最高的區(qū)域，蚊蟲對人群的叮咬騷擾與蚊蟲在人群中傳播蚊媒疾病往往更多的是發(fā)生類似居民區(qū)這種人群聚居的區(qū)域中，所以研究城市生活區(qū)中蚊蟲的密度及分布動態(tài)對于在城市環(huán)境中控制蚊蟲密度、減少叮咬騷擾、降低可能蚊傳疾病的機率至關(guān)重要。由于氣象因素與蚊蟲密度間的密切關(guān)系，如果能夠利用氣象因素開展蚊蟲密度及分布的預(yù)測(Luisetal., 2012; Yunetal., 2014)，所得結(jié)果可以很好地作為減少城市居民被蚊蟲叮咬的機率或甚至降低蚊傳疾病的傳播概率。因此，本文運用北京各行政城區(qū)氣象數(shù)據(jù)與相應(yīng)區(qū)域的居民區(qū)蚊蟲密度，詳盡分析了較長時間序列中城區(qū)、近郊區(qū)、遠郊區(qū)的蚊蟲密度變化規(guī)律，及其與氣象條件的關(guān)系，并采用多元回歸分析進行了基于氣象因素的蚊蟲密度預(yù)測，所得結(jié)果對于做好北京城市區(qū)域中蚊蟲及其傳播疾病的防控工作有著重要的意義。

1 材料與方法

1.1 數(shù)據(jù)資料

本文所用氣象資料來自于北京市氣象局的逐旬氣象數(shù)據(jù)，涉及要素包括2009—2019年逐旬平均氣溫、旬內(nèi)最高氣溫、旬內(nèi)最低氣溫、旬內(nèi)降雨量、旬平均相對濕度、旬平均風(fēng)速、旬平均氣壓。涉及14個站點：順義54398站、海淀54399站、延慶54406站、密云54416站、懷柔54419站、平谷54424站、通州54431站、朝陽54433站、昌平54499站、門頭溝54505站、大興54594站、豐臺54514站、房山54596站、石景山54513站。

就北京行政區(qū)劃而言，應(yīng)有16個區(qū)，分別為北京市區(qū)(城六區(qū))：東城區(qū)、西城區(qū)、朝陽區(qū)、海淀區(qū)、豐臺區(qū)、石景山區(qū)；北京近郊區(qū)：大興區(qū)、通州區(qū)、順義區(qū)、昌平區(qū)、門頭溝區(qū)、房山區(qū)；北京遠郊區(qū)：懷柔區(qū)、平谷區(qū)、密云區(qū)、延慶區(qū)。但是城六區(qū)中的東城區(qū)和西城區(qū)沒有建設(shè)國家級氣象自動站，為了保證數(shù)據(jù)來源統(tǒng)一有效，在本文分析過程中未分析東城區(qū)和西城區(qū)，市區(qū)僅依賴朝陽區(qū)、海淀區(qū)、豐臺區(qū)、石景山區(qū)的監(jiān)測結(jié)果。

北京市的蚊蟲多出現(xiàn)在每年的5～10月，因此，北京市疾病預(yù)防控制中心(CDC)每年5～10月都會采用CO2誘蚊燈(北京隆冠科技發(fā)展有限公司，型號: MT-1型)法獲得蚊蟲密度監(jiān)測數(shù)據(jù)(單位為：只/(燈·小時))。本研究的蚊蟲密度數(shù)據(jù)均來源于北京市疾病預(yù)防控制中心，區(qū)域涉及包括順義、海淀、延慶、密云、懷柔、平谷、通州、朝陽、昌平、門頭溝、大興、豐臺、房山、石景山14個城區(qū)的居民區(qū)；時間涉及2009—2019年；每年5～10月居民區(qū)環(huán)境點，采用CO2誘蚊燈法獲得蚊蟲密度監(jiān)測數(shù)據(jù)(共198旬蚊蟲密度數(shù)據(jù))，全市共設(shè)置109個采樣點，每個點設(shè)置4臺CO2，除了CO2做為引誘劑外不再添加別的引誘物。

1.2 研究方法

研究選擇了研究中應(yīng)用較多的多元回歸方法，具體方法解釋如下：(1)多元回歸方法：多元回歸方法用來研究一個因變量與多個自變量之間的關(guān)系問題。具體公式如下：yj=β0+β1x1+β2x2+···+βmxm+εj，式中β0，β1，...，βm均為模型的回歸系數(shù)，εj為隨機殘差。

(2)檢驗方法：為客觀的評價多元線性回歸分析得到的預(yù)報差異，選用均方根誤差來檢驗預(yù)報效果。

2 結(jié)果

2.1 蚊蟲指數(shù)變化規(guī)律

圖1 2009—2019年北京市及各區(qū)蚊蟲密度居民區(qū)監(jiān)測數(shù)據(jù)(只/(燈·小時))Fig. 1 Mosquito density in residential areas of different districts of Beijing from 2009 to 2019 (individuals/(lamp·hour))

2009—2019年14個區(qū)各區(qū)平均居民區(qū)的蚊蟲密度分析結(jié)果顯示(圖1)，在每年的5～10月之間，居民區(qū)的蚊蟲密度都呈現(xiàn)出周期性的波動，居民區(qū)內(nèi)蚊蟲密度高峰值集中出現(xiàn)在7月中旬到8月中旬，這個時期也正是北京地區(qū)氣溫最高和降水最集中的時期。十余年來，城區(qū)居民區(qū)內(nèi)的蚊蟲密度相對比較穩(wěn)定，而近郊和遠郊城區(qū)的居民區(qū)內(nèi)(如通州、順義、延慶)會在個別年份出現(xiàn)極大值(為其他同期測站數(shù)值的幾倍或者幾十倍)，最大值出現(xiàn)在延慶區(qū)的2019年7月上旬，為26.13只/(燈·小時)，最小值為0只/(燈·小時)。

另外，2009—2019年5～10月城區(qū)居民區(qū)內(nèi)平均蚊蟲密度依次要高于近郊和遠郊，相應(yīng)的數(shù)值分別為1.50、1.26和1.20只/(燈·小時)(圖2)。

圖2 2009-2019年北京各區(qū)居民區(qū)監(jiān)測點多年平均蚊蟲密度監(jiān)測數(shù)據(jù)(只/(燈·小時))Fig. 2 Annual average monitoring data of mosquito density in residential areas of different districts in Beijing from 2009 to 2019

表1 2009—2019年5—10月各區(qū)居民區(qū)監(jiān)測點平均蚊蟲密度Tab.1 The average mosquito density in residential areas of different districts in Beijing from 2009 to 2019

5～10月城區(qū)、近郊和遠郊區(qū)蚊蟲密度最高的年份均出現(xiàn)在2019年，但是具體就各個區(qū)域而言，由于植被分布、地形等因素的差異，各個觀測點并未表現(xiàn)出最高/低值集中出現(xiàn)在某一年份(表1, 圖2)。

2009—2019年間年平均居民區(qū)內(nèi)蚊蟲密度變化趨勢在多數(shù)地區(qū)表現(xiàn)為增加，豐臺、大興、房山、懷柔、密云、平谷和遠郊表現(xiàn)為下降，變化趨勢通過95%的顯著性檢驗(T檢驗)的僅有石景山、大興、順義、房山和門頭溝，分別為0.22、-0.12、0.42、0.04只/(燈·小時)/年，其余具體數(shù)值見表1。研究者之前的研究中也發(fā)現(xiàn)，受全球氣候變暖的影響，北京地區(qū)整體的蚊蟲密度整體處于上升狀態(tài)(劉美德等, 2019)。

2.2 蚊蟲指數(shù)與氣象因子間的關(guān)系

在蚊蟲與氣象因素的關(guān)系方面，蚊蟲的生長繁殖發(fā)育需要一定的氣溫條件，氣溫過低易導(dǎo)致發(fā)育減慢。氣溫過高，會導(dǎo)致成蟲過小，存活率降低(羅成旺等, 2007)；降雨則可以增加蚊蟲的孳生地數(shù)量，使幼蟲大量繁殖(易彬樘等, 2003)；而相應(yīng)的降雨帶來的濕度增加也會影響蚊蟲生長繁殖發(fā)育(Glenn, 2008)；此外，氣壓對蚊蟲密度的影響是一種負(fù)相關(guān)關(guān)系，并且具有一定的滯后效應(yīng)(代培芳等, 2011)；這些都是本研究中氣象因素與城市居民區(qū)中關(guān)系的生態(tài)學(xué)機制。

表2 氣象要素與蚊蟲指數(shù)的相關(guān)系數(shù)Tab.2 Correlation coefficient of meteorological factors to mosquito density

多數(shù)的研究認(rèn)為在眾多氣象要素中，對蚊蟲影響最大的就是氣溫。而其他因素則在不同區(qū)域、不同時間上表現(xiàn)出地域的差別。另外，已有的研究表明北京地區(qū)蚊蟲密度相關(guān)的氣象因素主要為最低氣溫、相對濕度和風(fēng)速(趙瑤等, 2009)。基于2009—2019年長時間序列、多區(qū)域的居民區(qū)監(jiān)測點蚊蟲密度數(shù)據(jù)的分析結(jié)果表明，在北京居民區(qū)內(nèi)蚊蟲密度相關(guān)性從高到底的氣象要素分別是旬平均最低氣溫、旬平均氣溫、旬最高氣溫、旬平均氣壓、旬平均相對濕度、旬降水量以及旬平均風(fēng)速，且均通過了相關(guān)性的顯著檢驗，其中旬平均氣壓和旬平均風(fēng)速呈現(xiàn)負(fù)相關(guān)關(guān)系，其余要素都是正相關(guān)關(guān)系(表2)。

2.3 多元線性回歸的蚊蟲指數(shù)預(yù)測

除肯定氣溫、濕度與風(fēng)速對居民區(qū)蚊蟲密度的影響外，本研究還發(fā)現(xiàn)其他氣象因素如：氣壓、降水量也與居民區(qū)蚊蟲密度密切相關(guān)，這可能增加對蚊蟲密度預(yù)測的可能性與精確性。北京市蚊蟲密度高峰集中在7月中下旬到8月中旬，對應(yīng)該地區(qū)最高氣溫和最大降水集中期；但考慮到降雨量對蚊蟲密度影響復(fù)雜性且每一次降雨前后的天氣狀況都存在差別，現(xiàn)階段無法獲取日值的蚊蟲密度數(shù)據(jù)，因而，無法進行更加細(xì)致的分析。

在前文旬?dāng)?shù)據(jù)相關(guān)分析的基礎(chǔ)上，本文選擇了旬平均最高氣溫、旬平均最低氣溫、旬平均氣壓、旬平均相對濕度以及旬平均風(fēng)速5個重要氣象要素來進行旬蚊蟲密度預(yù)測。X1：旬平均最高氣溫；X2：旬平均最低氣溫；X3：旬平均相對濕度；X4：旬平均風(fēng)速；X5：旬平均氣壓。利用2009—2018年180旬的數(shù)據(jù)做訓(xùn)練集，2019年18旬的數(shù)據(jù)做預(yù)測檢驗，基于X1-X55個氣象要素所得到的預(yù)測結(jié)果均方根誤差在0.224～8.218之間(表3)。

相對而言，居民區(qū)是蚊蟲密度相對比較穩(wěn)定的區(qū)域，預(yù)測效果更好，在城區(qū)、近郊和遠郊在個別年份出現(xiàn)極大值或波動較大的觀測站點，如朝陽、通州、順義、延慶的蚊蟲密度預(yù)測效果都較差(圖3)。

表3 基于5個氣象要素多元線性回歸預(yù)測蚊蟲密度Tab.3 Prediction of mosquitoe densities by multiple linear regression based on 5 meteorological factors

表4 加入前旬蚊蟲密度多元線性回歸預(yù)測蚊蟲密度Tab.4 Prediction of mosquitoes’ densities by multiple linear regression with the baseline densities ten days before

考慮蚊蟲密度在相連兩旬之間會存在一些關(guān)聯(lián)。在預(yù)測時，嘗試將“X6：前旬蚊蟲密度”滑入到多元回歸方程中，預(yù)測效果得到了明顯的提升，均方根誤差在0.180～7.383之間。除朝陽區(qū)之外，相較于僅利用氣象要素預(yù)測的均方根誤差減少了9.82%～62.29%。

同樣，因蚊蟲密度相對比較穩(wěn)定的各站，加入前旬蚊蟲密度之后預(yù)測效果提升也更大，但是如朝陽、通州、順義、延慶的蚊蟲密度在個別年份有極大值出現(xiàn)或數(shù)值波動較大，即使加入了前旬的蚊蟲密度也未能顯著提升預(yù)測效果(圖4)。

圖3 2019年5—10月居民區(qū)監(jiān)測點蚊蟲密度預(yù)測值與真實值的差異(5要素預(yù)測)Fig. 3 Difference between predicted and observed mosquito densities in residential areas in Beijing from May to October, 2019 (based on 5-factor)

圖4 2019年5-10月18旬居民區(qū)監(jiān)測點蚊蟲密度預(yù)測值與真實值的差異(6要素預(yù)測)Fig. 4 Difference between predicted and observed mosquito densities in residential areas in Beijing from May to October, 2019 (based on 6-factor)

3 討論

3.1 北京不同城區(qū)居民區(qū)蚊蟲密度的變化

研究發(fā)現(xiàn)2009—2019年5—10月城區(qū)居民區(qū)的平均蚊蟲密度高于近郊和遠郊，近郊也比遠郊地區(qū)蚊蟲密度高。這可能歸因于衛(wèi)生條件差，蚊蟲的孳生地增加。在本研究中，卻是發(fā)現(xiàn)城區(qū)生活區(qū)中的蚊蟲密度比近郊和遠郊地區(qū)的蚊蟲密度要高，這可能是城市化對蚊蟲密度的影響引起的原因。嚴(yán)杰等(2017)發(fā)現(xiàn)城市化中景觀變化與蚊蟲密度分布有密切的關(guān)系，蚊蟲密度與溫度因素(旬平均最低氣溫、旬平均氣溫、旬最高氣溫)密切相關(guān)。城市熱島效應(yīng)可能是城市核心區(qū)居民區(qū)蚊蟲密度要高于近郊或遠郊區(qū)域的生態(tài)學(xué)原因。

3.2 北京各城區(qū)居民區(qū)蚊蟲密度變化趨勢

研究發(fā)現(xiàn)2009—2019年間北京各區(qū)域居民區(qū)的平均蚊蟲密度整體呈上升趨勢，說明在城市居民區(qū)亞環(huán)境中，蚊蟲密度也會受到氣候變暖的影響，需要持續(xù)做好居民區(qū)蚊蟲密度監(jiān)測和控制工作。同時，還需注意的是氣溫的升高可能會擴大蚊媒在空間和時間上的分布范圍，縮短病毒等病原體在蚊蟲體內(nèi)的潛伏期，加快傳播速率(Brower, 2001；Ramasamyetal., 2012)。隨著全球氣候變暖的進程，城市居民區(qū)蚊蟲密度上升極有可能增加蚊媒疾病暴發(fā)的風(fēng)險，高度重視氣候變化對于城市居民區(qū)內(nèi)蚊蟲密度影響十分必要。石景山、大興、順義、房山和門頭溝等部分居民區(qū)蚊蟲密度呈下降趨勢，這可能和這些地區(qū)愛衛(wèi)工作(張勇等, 2018)的推進、居民區(qū)衛(wèi)生條件的改善、蚊蟲孳生減少相關(guān)(孫紅專等, 2000)。

3.3 北京市居民區(qū)蚊蟲密度的預(yù)測分析

本研究建立的多元線性回歸模型結(jié)果表明，氣象因素的合理應(yīng)用可以對蚊蟲密度進行比較準(zhǔn)確的預(yù)測，在此基礎(chǔ)上滑入前期蚊蟲基線密度會有效提升預(yù)測的精度，進而實現(xiàn)城市居民區(qū)蚊蟲密度及其傳播疾病風(fēng)險的精準(zhǔn)預(yù)測，最大程度地減少蚊蟲對居民區(qū)內(nèi)人群的叮咬機率與傳播疾病的風(fēng)險。同時，也必需注意個別年份出現(xiàn)極大值或波動較大的區(qū)域，比如本研究中如朝陽、通州、順義、延慶等，居民區(qū)蚊蟲密度預(yù)測效果就比較差。這可能與這些區(qū)域環(huán)境變化太大有關(guān)，對此，突破線性回歸方法的局限性，應(yīng)用機器學(xué)習(xí)或深度學(xué)習(xí)等人工智能方法提高預(yù)測模型的智能化程度和精確度十分必要。