• 中国精品科技期刊
  • 《中文核心期刊要目总览》收录期刊
  • RCCSE 中国核心期刊(5/114,A+)
  • Scopus收录期刊
  • 美国《化学文摘》(CA)收录期刊
  • WHO 西太平洋地区医学索引(WPRIM)收录期刊
  • 《中国科学引文数据库(CSCD)》核心库期刊 (C)
  • 中国科技核心期刊
  • 中国科技论文统计源期刊
  • 《日本科学技术振兴机构数据库(中国)》(JSTChina)收录期刊
  • 美国《乌利希期刊指南》(UIrichsweb)收录期刊
  • 中华预防医学会系列杂志优秀期刊(2019年)

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于遥感技术和时间序列分析法预测皖北疟疾的发病率

李白坤 王建军 武松 李静 许娴 王朝兰 朱继民

李白坤, 王建军, 武松, 李静, 许娴, 王朝兰, 朱继民. 基于遥感技术和时间序列分析法预测皖北疟疾的发病率[J]. 中华疾病控制杂志, 2017, 21(3): 291-294. doi: 10.16462/j.cnki.zhjbkz.2017.03.018
引用本文: 李白坤, 王建军, 武松, 李静, 许娴, 王朝兰, 朱继民. 基于遥感技术和时间序列分析法预测皖北疟疾的发病率[J]. 中华疾病控制杂志, 2017, 21(3): 291-294. doi: 10.16462/j.cnki.zhjbkz.2017.03.018
LI Bai-kun, WANG Jian-jun, WU Song, LI Jing, XU Xian, WANG Chao-lan, ZHU Ji-min. Study on the prediction of malaria incidence in the northern Anhui Province based on remote sensing techniques and time series analysis[J]. CHINESE JOURNAL OF DISEASE CONTROL & PREVENTION, 2017, 21(3): 291-294. doi: 10.16462/j.cnki.zhjbkz.2017.03.018
Citation: LI Bai-kun, WANG Jian-jun, WU Song, LI Jing, XU Xian, WANG Chao-lan, ZHU Ji-min. Study on the prediction of malaria incidence in the northern Anhui Province based on remote sensing techniques and time series analysis[J]. CHINESE JOURNAL OF DISEASE CONTROL & PREVENTION, 2017, 21(3): 291-294. doi: 10.16462/j.cnki.zhjbkz.2017.03.018

基于遥感技术和时间序列分析法预测皖北疟疾的发病率

doi: 10.16462/j.cnki.zhjbkz.2017.03.018
基金项目: 

国家自然科学基金(30901255);安徽省高校优秀青年人才支持计划项目(2014-077)

详细信息
    作者简介:

    李白坤(1979-),女,安徽六安人,讲师,硕士。主要研究方向:现场流行病学

  • 中图分类号: R531.3;R181

Study on the prediction of malaria incidence in the northern Anhui Province based on remote sensing techniques and time series analysis

  • 摘要: 目的 探讨皖北疟疾的发病率与地表温度(land surface temperature,LST)、归一化植被指数(normalized difference vegetation index,NDVI)的关联性,评价用LST、NDVI对疟疾发病率自回归移动平均模型(autoregressive integrated moving average model,ARIMA)预测结果进行校正的效果。方法 以皖北五县为研究现场,收集各县2004-2011年的疟疾疫情数据及LST、NDVI等遥感图像资料,提取、合成遥感相关指标;运用SPSS 17.0软件进行统计学处理。结果 ARIMA模型对2010年各月份的预测结果较报告发病率高(平均误差=0.721/10万)。多因素分析结果显示,当地的疟疾发病率与近三个月的平均LST(lst_012,β=0.295)及之前两个月的平均NDVI(ndvi_12,β=0.280)有关联(P<0.001);将二者作为校正因子(相对贡献为2:1时)对2010年的预测结果进行校正,平均误差缩小为0.018/10万。以2004-2010年的发病率数据再次拟合并筛选ARIMA模型,并以2011年的疟疾报告发病数据为参照,再次评价lst_012 与 ndvi_12对模型预测结果的校正效果;发现校正后的预测误差(<0.001/10万)低于校正前的误差(0.293/10万)。结论 ARIMA模型能较好地用于该地疟疾发病率的拟合与预测,环境遥感替代指标LST、NDVI可在一定程度上改善ARIMA模型的预测效果。
  • 加载中
计量
  • 文章访问数:  281
  • HTML全文浏览量:  49
  • PDF下载量:  23
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-10-08
  • 修回日期:  2016-12-06

目录

    /

    返回文章
    返回