文章检索 高级检索
  气候变化研究进展   2017, Vol. 13 Issue (6): 606-613.  DOI: 10.12006/j.issn.1673-1719.2017.027
0

气候变化影响

引用本文 [复制中英文]

汤阳, 刘可群, 魏凤华, 等. 未来气候变化对湖北省钉螺潜在分布的影响[J]. 气候变化研究进展, 2017, 13(6): 606-613. DOI: 10.12006/j.issn.1673-1719.2017.027.
[复制中文]
Tang Yang, Liu Kequn, Wei Fenghua, et al. Impact of Future Climate Change on Potential Distribution of Oncomelania in Hubei Province[J]. Climate Change Research, 2017, 13(6): 606-613. DOI: 10.12006/j.issn.1673-1719.2017.027.
[复制英文]

资助项目

中国气象局气候变化专项(CCSF201409);国家自然科学基金面上项目(41571487)

作者简介

汤阳, 男, 工程师。

通信作者

刘可群,男,正研级高工,kequnliu@126.com

文章历史

收稿日期:2017-02-16
修回日期:2017-09-20
未来气候变化对湖北省钉螺潜在分布的影响
汤阳 1, 刘可群 1, 魏凤华 2, 任永健 1, 张丽文 1, 肖玮钰 1    
1. 武汉区域气候中心, 武汉 430074;
2. 湖北省疾病预防控制中心, 武汉 430079
摘要:利用最大熵模型,结合地形、植被、气象等环境因子,模拟了湖北省钉螺在基准期(1986-2005年)的分布,预测了RCP2.6、RCP4.5、RCP8.5这3种未来情景下2021-2040年、2051-2070年和2081-2100年湖北省钉螺潜在分布风险。结果表明,基于主导环境因子建立的最大熵模型的受试者工作特征曲线(ROC)下的面积(AUC)平均值达到0.894±0.024,可用于未来气候变化情景下湖北省钉螺的潜在分布研究。3种排放情景下钉螺潜在分布低、中风险区范围相对基准期分别扩大了4.5%和1.6%,无风险区范围缩小了9.3%;伴随着未来可能的气候变化,钉螺潜在分布中、高风险区向北移动。
关键词钉螺    气候变化    最大熵模型    潜在分布    
引言

钉螺是日本血吸虫的唯一中间宿主,钉螺的孽生和分布对血吸虫病的流行与传播有着直接影响,而气温、降水、日照等气象条件与钉螺的孳生、分布有着十分密切的关系[1-5]。随着全球气候变暖,地表平均温度近100年来(1906—2005年)升高了约0.74℃[6],强降水、干旱以及低温等极端天气事件频发也对钉螺种群的动态变化产生直接影响。研究表明,气候变暖使钉螺越冬存活率增加,钉螺向北扩散的可能性加大[7-9],同时钉螺生长发育季节延长,生长发育速度加快,钉螺感染季节延长,感染率增加[10];洪涝灾害短期内可促使钉螺蔓延扩散[11-12],表现为钉螺面积大幅度增加,后期则以钉螺密度增长为特征[13]

目前已有生态位模型、动态模拟模型、基于检验假设的分布预测模型等多种模型被用于生境潜在分布研究[14],在诸多研究中最大熵模型被证实预测能力和精度最佳,其预测结果优于同类预测模型[15-18];钉螺预测模型大多集中在对钉螺密度和感染率预测[19-21],而对气候变化背景下的钉螺分布范围预测研究较少。湖北省是长江中下游最重要的血吸虫病疫区,本研究分析了湖北省RCP2.6、RCP4.5、RCP8.5情景下钉螺潜在分布范围变化,评估气候变化对湖北省钉螺潜在分布的影响,以期为钉螺以及血吸虫病防控提供参考。

1 资料与方法 1.1 数据来源

地形数据采用湖北省1:25万100×100 m分辨率数字高程数据集。遥感数据采用2001年1月—2010年12月中国地区500 m分辨率植被指数(NDVI)月合成产品,来源于中国科学院地理空间数据云平台。钉螺分布点经纬度信息来源于湖北省疾病预防与控制中心,共获取217条钉螺分布点记录(图 1),主要分布在江汉平原南部、鄂东南、汉江流域等水网密集地区。基准期(1986—2005年)气象数据为湖北省地面气象观测站逐月气温、降水、平均最高气温、平均最低气温资料。未来气候情景预估数据来源于国家气候中心气候变化预估数据集(V3.0),包含典型浓度路径RCP2.6、RCP4.5、RCP8.5温室气体排放情景下逐月平均气温、累积降水量、平均最高气温、平均最低气温资料,空间分辨率为1°×1°,2021—2100年为预估年。为校正气候模式误差,用2021—2100年气候变化情景数据减去气候模式模拟的1986—2005年历史平均值,将得到的差值序列叠加到1986—2005年平均观测数据上,作为最大熵模型的驱动数据。

图 1 湖北省高程及钉螺分布点 Figure 1 The elevation and geographic locations of Oncomelania in Hubei province

http://www.gscloud.cn/

1.2 研究方法 1.2.1 环境因子选取

钉螺分布具有明显的地域性,钉螺孳生需要适宜的光照、气温、降水、土壤以及植被盖度等气候和环境条件[4-5, 22];由于不同地区地表植被、水源分布情况差异,钉螺具有一定的分布高程上限[11]。基于已有研究成果及湖北省地形、地貌、植被特征,根据湖北省钉螺全年活动期、休眠期不同阶段[23]气候特点,初步筛选了可能影响钉螺分布的20个环境因子,包含13个气象因子、6个地形因子和1个植被因子。

气象因子为钉螺春季活跃期(4—6月)、秋季活跃期(9—10月)、夏蛰期(7—8月)、冬眠期(12月—次年2月)的气温和累积降水量共8个因子;最冷月平均最低气温、最热月平均最高气温、月累积最大降水量、月累积最小降水量用以反映气温和降水变化;湿润指数用以评价当地的干湿程度。湿润指数(MI)采用Holdridge生命地带系统方法计算[24]

地形因子为海拔高度、海拔标准差、坡度、坡向、地面粗糙度、地表起伏度6个地形因子。地形因子利用ArcGIS软件空间分析工具从湖北省1:25万100×100 m分辨率数字高程数据集中提取[25],海拔标准差、地表起伏度设定邻域统计半径为3个像元。

钉螺生长繁殖需要适宜的植被环境,本研究选用卫星遥感资料归一化NDVI来表征研究区域的植被状况。

首先计算湖北省76个地面气象观测站13个气象因子的1986—2005年气候平均值,再利用ArcGIS软件中空间分析工具将气象因子推算到100×100 m细网格点上;然后对2001—2010年中国地区500 m分辨率NDVI月值进行平均,重采样为100×100 m分辨率并裁剪到湖北省细网格点上;最后对经过校正的RCP2.6、RCP4.5、RCP8.5温室气体排放情景下2021—2040年、2051—2070年、2081—2100年3个时段预估数据,分别计算13个气象因子的气候平均值,并通过ArcGIS软件三次卷积方法重采样到100×100 m细网格点上。

1.2.2 模拟基准期钉螺分布

本研究采用的最大熵模型是Phillips等[26]建立的模拟物种分布的MaxEnt Version3.3.3k版,首先将湖北省钉螺出现点经纬度信息、1986—2005年湖北省气象因子观测平均值及地形植被因子加载到MaxEnt模型中,随机选取75%样本作为训练数据集以建立钉螺分布与环境因子关系模型,另外25%样本用于模型验证,然后利用Jackknife模块筛选出钉螺分布的主要影响因子,与钉螺分布数据一同输入到MaxEnt模型中进行模型重建,最后利用ArcGIS软件输出钉螺分布模拟结果。模型运行10次取平均值,并依据受试者工作特征曲线(ROC)下的面积(AUC)值对MaxEnt模型模拟湖北省钉螺分布的精度和适用性进行评估。

1.2.3 预测未来温室气体排放情景下钉螺潜在分布

将筛选的钉螺分布主要影响因子文件作为环境因子图层,并分别选取RCP2.6、RCP4.5、RCP8.5情景下3个不同时段(2021—2040年、2051—2070年、2081—2100年)湖北省主要气象影响因子的多年平均值作为待预测图层进行运算,得到未来气候情景下湖北省钉螺潜在分布结果。

1.2.4 钉螺分布风险区界定

MaxEnt模型给出的预测结果是物种在待预测区的存在概率(p),取值范围为0~1。参考IPCC第4次评估报告中关于评估可能性的划分方法[6]p<0.05为钉螺分布无风险区,0.05≤p<0.33为钉螺分布低风险区,0.33≤p<0.66为钉螺分布中风险区,P≥0.66为钉螺分布高风险区。利用ArcGIS软件中空间分析工具中的重分类功能,对模拟和预测结果进行风险区界定。

2 结果分析 2.1 影响湖北省钉螺分布的主要环境因子筛选

为消除因环境因子之间相关性对模型构建的干扰,在建模前先对各环境因子进行相关分析,发现海拔标准差与地表起伏度、地面粗糙度相关性较好,钉螺冬眠期平均气温与最冷月平均最低气温相关性较好,钉螺春季活跃期气温与夏蛰期气温、秋季活跃期气温相关性较好,钉螺春季活跃期降水量与月最大降水量、湿润指数等5个环境因子相关性较好,相关系数均在0.8以上。从上述4组环境因子中各选取1个因子与其余6个独立因子组合后代入MaxEnt模型进行运算(共3×2×3×6=108种组合),最终发现由钉螺春季活跃期降水量、春季活跃期气温、冬眠期气温、海拔标准差与其他6个独立因子作为环境因子组合的AUC值最高(0.902±0.025)。对照AUC值的评估标准[27],可知所构建模型的适用性及模拟精度均达到非常好的水平。

为了揭示环境因子对钉螺分布的影响,需要从上述选取的10个环境因子中筛选出影响湖北省钉螺分布的主要环境因子来重建模型。MaxEnt模型中的Jackknife模块用以输出各环境因子对钉螺分布的贡献率,通过这种定量评估指标来评价环境因子对钉螺分布的重要性,从而筛选出影响钉螺分布的主要环境因子。图 2是基于MaxEnt模型的Jackknife模块给出的各环境影响因子对湖北省钉螺分布的贡献率,由模型运行10次并计算平均值得到,不难看出10个环境因子中海拔高度、钉螺春季活跃期气温以及秋季活跃期降水量对湖北省钉螺分布的影响最大,其中海拔高度为湖北省钉螺分布最主要的限制因子。根据各环境因子对湖北省钉螺分布影响的贡献程度,确定影响湖北省钉螺分布的主要环境因子为:海拔高度、钉螺春季活跃期气温、钉螺秋季活跃期降水量、钉螺春季活跃期降水量、钉螺冬眠期气温,这5个因子的累积贡献率达到86.8%。

图 2 基于Jackknife的环境因子对湖北省钉螺分布的贡献 Figure 2 The contribution of environmental factors on Oncomelania distribution in Hubei province based on Jackknife
2.2 模型适用性评价

基于筛选的上述5个主要环境影响因子,运行MaxEnt模型后的湖北省钉螺分布模拟结果如图 3所示。可以看到钉螺分布中、高风险区主要位于江汉平原南部、鄂东南东部,而鄂北大部分地区、鄂西南大部分地区以及鄂东南两高山地区均为钉螺分布无风险区和低风险区,这与《中国血吸虫病地图集》[28]中湖北血吸虫病流行区钉螺面积分布实际情况基本相符。模型运算10次得到的AUC平均值达到0.894±0.024,达到了原有模型模拟精度的99.1%,表明基于主要影响因子建立的模型可用于湖北省钉螺的潜在分布研究。

图 3 1986—2005年湖北省钉螺潜在分布模拟图 Figure 3 Simulated diagram for Oncomelania potential distribution in Hubei province during 1986-2005
2.3 未来气候情景下钉螺潜在分布区预估

将经过订正后的未来气候情景预估数据输入MaxEnt模型中,分别预测RCP2.6、RCP4.5、RCP8.5典型浓度路径下2021—2040年、2051—2070年、2081—2100年湖北省钉螺潜在分布如图 4所示。可以看到,相比基准期,RCP2.6情景下湖北省钉螺潜在分布低风险区在2021—2040年出现北进西扩现象,由原有区域向北扩散至鄂东北北部以及向西扩散至汉江中游丹江口、郧县等地,此后低风险区在2051—2070年、2081—2100年变化幅度不大。钉螺潜在分布中风险区在2021—2040年从江汉平原南部沿汉江水系向北扩散至宜城、南漳、襄阳等地,鄂东南中风险区略有北抬;2051—2070年中风险区逐渐向北扩散至江汉平原北部以及鄂东北南部,鄂东南南部原有中风险区消失;2081—2100年鄂东地区中风险区继续北抬,其余地区变化不明显。钉螺潜在分布高风险区在2021—2040年急剧增大,由原有的江汉平原局部逐渐扩散到江汉平原南部大部地区,此后维持稳定少动状态。

图 4 湖北省钉螺潜在分布风险图 Figure 4 Potential distribution risk map of Oncomelania in Hubei province

相比RCP2.6情景,RCP4.5情景下2021—2040年湖北省钉螺潜在分布低风险区与之较为接近,但鄂东南中风险区相对有所收缩,江汉平原监利、石首等高风险区消失不见;2051—2070年湖北省钉螺潜在分布低风险区和中风险区北扩较明显,高风险区范围减少幅度较大,部分转变为中风险区;2081—2100年湖北省钉螺潜在分布中风险区北抬,高风险区范围继续缩小。

RCP8.5情景下2021—2040年、2051—2070年、2081—2100年湖北省钉螺潜在分布低风险区与RCP4.5较为接近,中风险区在鄂西北宜城、襄阳以及鄂东南地区等地有所收缩,同时有朝鄂东北扩张的趋势。钉螺潜在分布高风险区在2021—2040年迅速缩减,仅天门、沙市、枝江、宜都等地有零星存在;2051—2070年钉螺潜在分布高风险区范围有所扩大,分布在公安、枝江、天门、汉川等地;2081—2100年钉螺潜在分布高风险区仅在天门、潜江、沙市、枝江有分布。

图 5给出了钉螺潜在分布中、高风险区随时间变化情况,可以看到在3种情景下,中、高风险区的新增均伴随原有中、高风险区消失,且大体呈现北部新增、南部消失的现象。钉螺潜在分布中、高风险区的新增区域主要分布在鄂东北、汉江平原中部、鄂西北东部、鄂西南局部,消失区域集中在鄂东南北部、江汉平原东部、鄂西北局部。随着时间的推移,中、高风险区变化呈现逐渐北抬的趋势,这点在鄂东地区体现尤为明显,中、高风险区域由鄂东南北部演变为鄂东北南部地区;与此同时,江汉平原、鄂西北以及鄂东地区中、高风险区增速放缓,在鄂西北以及鄂东北局部甚至出现了中、高风险消失区。

图 5 湖北省钉螺潜在分布中、高风险区变化图 Figure 5 Oncomelania potential distribution variation at mid-high risk in Hubei province

从钉螺潜在分布风险区面积占比情况来看(表 1),RCP2.6、RCP4.5、RCP8.5情景下,钉螺潜在分布无风险区面积相比基准期消失10%以上,此后变化较为缓和;低风险区面积占比均由基准期18.9%增加到22.0%以上,RCP4.5和RCP8.5情景下低风险区面积随着时间推移持续扩大。钉螺潜在分布中风险区面积在RCP2.6情景下呈减少趋势,面积占比由基准期14.8%持续下降至2081—2100年的10.7%,RCP4.5和RCP8.5情景下中风险区面积占比分别增加至2081—2100年的18.7%和19.4%。钉螺潜在分布高风险区面积占比在RCP2.6情景下大体呈增加趋势,由基准期的1.8%上升至2081—2100年的9.7%;RCP4.5情景下高风险区面积占比呈先增加后降低的趋势,在2021—2040年上升至6.2%,此后逐步降低至2081—2100年的2.6%;RCP8.5情景下高风险区面积占比呈“降-升-降”的演变趋势。

表 1 湖北省钉螺潜在分布风险区面积百分比 Table 1 The potential distribution risk area percent of Oncomelania in Hubei province in base period and future climate scenarios

总体而言,3种未来情景下钉螺潜在分布范围主要体现为低、中风险区范围相对基准期分别扩大了4.5%和1.6%,无风险区范围缩小了9.3%。伴随着未来可能的气候变化,钉螺潜在分布中、高风险区向北移动。

3 结论与讨论

本研究选取了影响钉螺分布的环境影响因子,结合钉螺分布信息,运用最大熵模型模拟了湖北省钉螺分布概率,并利用Jackknife模块筛选了影响钉螺分布的主要因子,模型AUC平均值达到0.894±0.024,模拟钉螺分布的精度达到了原有模型模拟精度的99.1%,表明建立的模型可用于湖北省钉螺的潜在分布研究。影响钉螺分布的主要因子依次为:海拔高度、钉螺春季活跃期气温、秋季活跃期降水量、春季活跃期降水量、冬眠期气温,其累积贡献率达到86.8%。值得注意的是,表征植被状况的NDVI对湖北省钉螺分布的影响较小,可能与湖北省大部分地区NDVI介于0.43~0.72,植被因子均能很好地满足钉螺生存繁殖需要有关。

对比3种未来情景下钉螺潜在分布范围的变化情况,发现温室气体排放量对钉螺潜在分布范围为正贡献,主要表现为钉螺潜在分布低、中风险区范围相对基准期分别扩大了4.5%和1.6%,无风险区范围缩小了9.3%;伴随着未来可能的气候变化,钉螺潜在分布中、高风险区向北移动。

从3种未来情景气候预估数据来看,春季活跃期气温(22.0~24.0℃)大部分地区比基准期上升1.0~2.2℃,钉螺潜在分布风险上升。通过钉螺潜在分布与各环境因子的灵敏度响应曲线(图略)得知,适宜钉螺生存繁殖的春季活跃期气温在21.3℃以上(最适宜在21.5℃以上),秋季活跃期降水量为120~170 mm(最适宜为140~155 mm),春季活跃期降水量在300 mm以上(最适宜为430~620 mm),冬眠期气温为5.1~7.3℃。RCP8.5情景下2081—2100年湖北省除鄂西外大部分地区气温上升至25.0~26.5℃,已超出了钉螺最适宜生长气温上限(25℃)[22],对钉螺潜在分布起限制作用,风险降低;未来气候情景下钉螺秋季活跃期降水量大部分地区在适宜性区间内,RCP2.6情景下最适降水量区范围相对基准期朝鄂北方向扩大,钉螺潜在分布风险上升,而RCP4.5和RCP8.5情景下鄂东北及江汉平原大部分地区秋季活跃期降水量低于140 mm,钉螺潜在分布风险低于RCP2.6;未来气候情景下钉螺春季活跃期降水量除鄂西北外均处于适宜区间,鄂东南春季活跃期降水量在620 mm以上,钉螺潜在分布风险相对其他地区较低;冬眠期气温基准期为3.6~7.6℃,RCP情景下各地上升至8.9~12.2℃,冬季气温上升对钉螺安全越冬、钉螺密度增加有利,在缩短钉螺冬眠期的同时,也增加了钉螺向北扩散的可能性。钉螺潜在分布风险区的变化,与钉螺春季活跃期气温上升幅度、春秋季活跃期降水带位置移动等因素有关,鄂东以及鄂西北地区钉螺面积消失则多受气温上升幅度过大、春季活跃期降水量增大影响,是多因子综合作用的结果。

湖北有螺区冬季、春季气温升高,极端降水的增加等有利于钉螺的生长、繁殖和扩散。从最大熵模型预测的结果来看,在未来气候情景下钉螺潜在分布低、中风险区仍在继续扩大,中、高风险区位置也在发生着变化,因此钉螺潜在分布风险区的防控力度不能松懈,尤其是暴雨洪涝过后钉螺扩散区的查灭螺工作丝毫不能放松。

参考文献
[1]
崔道永, 张志杰, 倪映, 等. 年极端低气温在湖北钉螺分布中的敏感性分析[J]. 中国血吸虫病防治杂志, 2007, 19(4): 289-292.
[2]
刘可群, 徐兴建, 陈玉霞, 等. 气象因素对钉螺密度变化的影响分析[J]. 中华流行病学杂志, 2015, 36(11): 1274-1278. DOI:10.3760/cma.j.issn.0254-6450.2015.11.018
[3]
陈柳燕, 徐兴建, 杨先祥, 等. 三峡建坝后江汉平原土壤含水量及气温对钉螺生态的影响[J]. 中国血吸虫病防治杂志, 2002, 14(4): 258-260.
[4]
赵劲松, 汪安云, 周书林. 长江滩地微生态环境与钉螺分布的关系[J]. 中国血吸虫病防治杂志, 2014, 26(2): 127-131.
[5]
吕大兵, 汪天平, 张邦炬, 等. 洲滩钉螺消长与气温、降雨量及水位的相关性研究[J]. 中国病原生物学杂志, 1998, 11(2): 154.
[6]
IP CC. Climate change 2007:the physical science basis[M]. Cambridge: Cambridge University Press, 2007.
[7]
俞善贤, 滕卫平, 沈锦花, 等. 冬季气候变暖对血吸虫病影响的气候评估[J]. 中华流行病学杂志, 2004, 25(7): 575-577.
[8]
洪青标, 周晓农, 孙乐平, 等. 全球气候变暖对中国血吸虫病传播影响的研究Ⅱ.钉螺越夏致死高温与夏蛰的研究[J]. 中国血吸虫病防治杂志, 2003, 15(1): 24-26.
[9]
洪青标, 周晓农, 孙乐平, 等. 全球气候变暖对中国血吸虫病传播影响的研究Ⅳ.自然环境中钉螺世代发育积温的研究[J]. 中国血吸虫病防治杂志, 2003, 15(4): 269-271.
[10]
李兆芹, 滕卫平, 俞善贤, 等. 适合钉螺、血吸虫生长发育的气候条件变化[J]. 气候变化研究进展, 2007, 3(2): 106-110.
[11]
王家生, 卢金友, 魏国远, 等. 环境变化对钉螺扩散影响规律研究[J]. 长江科学院院报, 2007, 24(3): 16-19.
[12]
黄轶昕, 戎国荣, 蔡刚, 等. 长江特大洪水对江苏省江滩钉螺分布影响的研究[J]. 中国血吸虫病防治杂志, 2000, 12(6): 346-349.
[13]
黄轶昕, 孙乐平, 洪青标, 等. 洪涝灾害后长江下游洲滩钉螺消长和扩散趋势纵向观察[J]. 中国血吸虫病防治杂志, 2004, 16(4): 253-256.
[14]
Stockwell D, Peters D. The GARP modelling system:problems and solutions to automated spatial prediction[J]. International Journal of Geographical Information Science, 1999, 13(2): 143-158. DOI:10.1080/136588199241391
[15]
Zhu G, Bu W, Gao Y, et al. Potential geographic distribution of brown marmorated stink bug invasion (halyomorpha halys)[J]. PloS One, 2012, 7(2): e31246. DOI:10.1371/journal.pone.0031246
[16]
Zhou J, Li Q Y, Xiao L, et al. Potential distribution of Miscanthussinensis and M. floridulus in China[J]. Chinese Journal of Plant Ecology, 2012, 36(6): 504-510.
[17]
Rupprecht F, Oldeland J, Finckh M. Modelling potential distribution of the threatened tree species Juniperusoxycedrus:how to evaluate the predictions of different modelling approaches[J]. Journal of Vegetation Science, 2011, 22(4): 647-659. DOI:10.1111/jvs.2011.22.issue-4
[18]
He Q J, Zhou G S. Climatic suitability of potential spring maize cultivation distribution in China[J]. Acta Ecologica Sinica, 2012, 32(12): 3931-3939. DOI:10.5846/stxb
[19]
陈曦, 洪希成, 徐兴建, 等. ARIMA与ARIMAX模型在钉螺密度预测中的应用[J]. 公共卫生与预防医学, 2014, 25(2): 6-9.
[20]
洪希成, 陈曦, 徐兴建, 等. 湖沼地区钉螺密度与环境关系的广义相加模型研究[J]. 现代预防医学, 2014, 41(18): 3265-3274.
[21]
陈艳艳, 刘建兵, 肖瑛, 等. 钉螺感染率与气候因素的空间回归关系研究[J]. 中国血吸虫病防治杂志, 2015, 27(2): 125-128.
[22]
吴刚, 苏瑞平, 张旭东. 长江中下游滩地植被与钉螺孽生的关系研究[J]. 生态学报, 1999, 19(1): 118-121.
[23]
刘晓洪, 洪石, 宋丛文. 湖北兴林抑螺研究[M]. 北京: 科学出版社, 2006, 76-83.
[24]
张新时, 杨奠安, 倪文革. 植被的PE(可能蒸散)指标与植被气候分类(三):几种主要方法与PEP程序介绍[J]. 植物生态学与地植物学学报, 1993, 17(2): 97-109.
[25]
汤国安, 杨昕. 地理信息系统空间分析实验教程(第二版)[M]. 北京: 科学出版社, 2012, 398-403.
[26]
Phillips S J, Dudik M. Modeling of species distributions with MaxEnt:new extensions and a comprehensive evaluation[J]. Ecography, 2008, 31(2): 161-175. DOI:10.1111/j.0906-7590.2008.5203.x
[27]
Swets K A. Measuring the accuracy of diagnostic systems[J]. Science, 1988, 240(4857): 1285-1293. DOI:10.1126/science.3287615
[28]
中国疾病预防控制中心寄生虫病预防控制所. 中国血吸虫病地图集[M]. 北京: 中国地图出版社, 中华地图学社, 2012, 169-171.
Impact of Future Climate Change on Potential Distribution of Oncomelania in Hubei Province
Tang Yang1, Liu Kequn1, Wei Fenghua2, Ren Yongjian1, Zhang Liwen1, Xiao Weiyu1    
1. Wuhan Regional Climate Center, Wuhan 430074, China;
2. Hubei Provincial Center for Disease Control and Prevention, Wuhan 430079, China
Abstract: Based on Maximum Entropy (MaxEnt) model and combined with topographic, vegetational, meteorological and other environmental factors, potential distribution of Oncomelania in Hubei province in base period (1986-2005) was simulated, and potential distribution risk zones of Oncomelania in Hubei province under RCP2.6, RCP4.5 and RCP8.5 scenarios during 2021-2040, 2051-2070 and 2081-2100 were projected respectively. The results showed that, the projection with MaxEnt model had a higher simulation accuracy with its mean AUC of ROC value of 0.894±0.024, which was credible and acceptable for future Oncomelania potential distribution projection in Hubei province under the three RCPs. Oncomelania potential distribution illustrated an extension at low and middle risk by 4.5% and 1.6% respectively and reduction of risk-free by 9.3% compared with the base period. Oncomelania potential distribution zones at middle and high risk would move northward.
Key words: Oncomelania    climate change    maximum entropy (MaxEnt) model    potential distribution