【摘要】：血吸蟲病是一種嚴重威脅人類身體健康的重大人畜共患傳染病,在我國目前主要流行于湖區(qū)五省(湖南、湖北、江西、安徽和江蘇)和四川、云南兩省的山區(qū)。經過60多年的努力,我國的血吸蟲病防治工作已經取得了舉世矚目的成就,但同時也面臨著巨大的挑戰(zhàn)。為更好地滿足新形勢下血吸蟲病防治工作的需要,本研究以湖沼型流行區(qū)的江西省星子縣為研究現(xiàn)場,基于地理信息系統(tǒng)(GIS)和遙感(RS)技術,結合TM影像和高分辨率中巴資源衛(wèi)星影像探測血吸蟲病流行區(qū)潛在的釘螺孳生地；同時收集疾病、氣象、水文和地理信息數據建立血吸蟲病和釘螺分布的地理信息系統(tǒng)數據庫,分析血吸蟲病風險的環(huán)境因素并繪制高風險釘螺孳生地區(qū)域圖,為血防工作提供新形勢下更具有實際意義的理論依據。 第—部分聯(lián)合應用MNDWI和NDVI提取湖沼地區(qū)釘螺孳生地 目的利用Landsat TM遙感影像,聯(lián)合應用歸一化水體和植被指數定量化確定湖沼地區(qū)的潛在釘螺孳生地。方法應用江西省星子縣地區(qū)豐水期和枯水期TM遙感影像,分別計算改進型歸一化水體指數,獲取“冬陸夏水”區(qū)域；同時計算枯水期TM遙感影像的歸一化植被指數,獲得有植被覆蓋區(qū)域,將兩者進行疊加確定潛在釘螺孳生地的區(qū)域,最后與現(xiàn)場調查資料進行空間疊加分析提取結果的靈敏度和特異度,并與傳統(tǒng)的經驗提取法進行比較。結果在TM遙感影像上,豐水期和枯水期的MNDWI閾值分別為0.34和0.58,枯水期NDVI的閾值為0.02。潛在釘螺孳生地提取結果的靈敏度為95%,特異度為100%,遠優(yōu)于傳統(tǒng)經驗提取法(靈敏度=75%,特異度=100%)。結論聯(lián)合應用歸一化水體和植被指數以客觀的確定閾值的方法提取釘螺孳生地的方法準確率高,可為血吸蟲病的定量化自動監(jiān)測研究提供技術支持。 第二部分基于面向對象的高分辨率遙感影像釘螺孳生地的提取 目的探索基于面向對象的遙感影像分類方法在探測湖沼地區(qū)地區(qū)潛在釘螺孳生地中的應用。方法將2008年枯水期和豐水期覆蓋星子縣全境的CBERS-02B星CCD影像與HR影像融合形成高分辨率遙感影像,應用eCognition軟件對高分辨率遙感影像進行分割、分類,提取星子縣地區(qū)的釘螺孳生地。結果星子縣的釘螺孳生地的面積為98.12Km2,其范圍主要集中在鄱陽湖沿岸及內湖蚌湖周邊區(qū)域。結論應用高分辨率遙感影像以基于面向對象的遙感影像分類方法提取的釘螺孳生地具有較高的分類精度,適用于復雜環(huán)境或較小區(qū)域內血吸蟲病預防控制的研究。 第三部分高風險釘螺孳生地的識別 目的識別高風險的釘螺孳生地為制定長期有效的血防策略提供技術支持。方法收集星子縣2008年42個血吸蟲病流行村36208名6-65歲人員的血吸蟲病調查資料以及氣象、水文和地理信息數據建立血吸蟲病和釘螺分布的地理信息系統(tǒng)數據庫,應用地統(tǒng)計學法繪制血吸蟲病的高風險區(qū)域,進一步與釘螺孳生地主題層疊置確定高風險的釘螺孳生地區(qū)域分布圖。結果距離釘螺孳生地和濕地的距離、降雨量的最大值和最小值、日照時間的平均值和血吸蟲病風險存在有統(tǒng)計學意義的負相關；白天LST最大值、夜間LST最大和最小值以及NDVI平均值與血吸蟲病風險存在有統(tǒng)計學意義的正相關。高風險釘螺孳生地主要集中在蚌湖、蓼花池湖和寺下湖周邊區(qū)域。結論應用地統(tǒng)計學方法預測血吸蟲病風險的空間模式有助于了解其流行病學特征,識別的高風險釘螺孳生地有助于確定血防工作中的重點區(qū)域。
【圖文】：

I ￡ngaj>c I Qk I Caned | tjefe) |圖2-4面向對象的分類方法參數設置5.潛在釘螺孳生地的提取將星子縣地區(qū)豐水期水體區(qū)域與枯水期水體區(qū)域相減得到“冬陸夏水”區(qū)域，再與枯水期植被區(qū)域疊加相交區(qū)域即為星子縣地區(qū)潛在的釘螺孳生地區(qū)域。6.釘螺孳生地的確定將本研究第一步應用TM衛(wèi)星遙感影像提取的潛在釘螺[縞賾氡靜糠鐘τ酶叻直媛手邪妥試次佬且８杏跋裉崛〉那痹詼ぢ輀縞亟鋅占淶酉嘟磺蛉范ㄎ親酉氐厙畝ぢ萱萇厙頡Ｒ隕細韃街枰８型枷竦拇磧敕治鼉柚鶨RDAS IMAGING9.2、ArcGIS10.0和eCognitionS.O軟件屮完成。結果1.遙感影像融合結果CBERS-02B HR數據和CCD數據融合后形成的高分辨率遙感影像既保持了CCD影像的光譜信息又繼承了 HR數據的空間分辨率。從同一地區(qū)CBERS-02B融合前后的影像對比來看，融合的高分辨率影像增強了影像的細節(jié)，，紋理信息更豐富，具有較好的目視效果（圖2-5)。27

體和植被兩大類，再分別懫集多尺度分割結果中水體和植被具有代表性的樣木，得到遙感影像的分類結果（圖2-7)。_IS盟，

本文編號：2549391