本文關(guān)鍵詞：東非舌蠅（Glossina spp.）分布的遙感研究

  更多相關(guān)文章： MODIS 溫度 濕度飽和差 舌蠅 錐蟲病

【摘要】：舌蠅分布圖在非洲錐蟲病控制中具有重要意義�？紤]到遙感觀測(cè)方法比傳統(tǒng)地面觀測(cè)宏觀、高效,本文選擇東非地區(qū)為研究區(qū),對(duì)MODIS產(chǎn)品是否適合在舌蠅分布模型中作為氣象輸入?yún)?shù)進(jìn)行了評(píng)估。 通過(guò)把MODIS Aqua地表溫度與氣象站日最高和最低溫度進(jìn)行比較,發(fā)現(xiàn)用MODIS地表溫度作為日最高溫度的替代因子具有較大誤差(MAE (Mean Absolute Error)=6.9±5.0℃),而作為最低溫度替代因子誤差較小(MAE=1.9±1.7℃)。在該地區(qū),由于云層覆蓋,MODIS每日地表溫度數(shù)據(jù)產(chǎn)品缺失嚴(yán)重(約2/3缺失),再加上本地的氣溫季節(jié)變化較小,本文認(rèn)為采用衛(wèi)星高程數(shù)據(jù)作為替代因子更符合實(shí)際。采用逐步線性回歸方法研究表明,僅以高程作為預(yù)測(cè)因子,預(yù)測(cè)的最高氣溫與最低氣溫與實(shí)際溫度均相差僅1.9℃(MAE)。考慮地表溫度后,模型精度僅提高0.2℃(MAE).太陽(yáng)天頂角、低層大氣可降水量和植被指數(shù)(NDVI/EVI)對(duì)模型精度提高貢獻(xiàn)很小。 以3個(gè)氣象站記錄的濕度數(shù)據(jù)為基準(zhǔn),氣象站監(jiān)測(cè)的每日濕度飽和差,與MODIS監(jiān)測(cè)的780hPa大氣層濕度飽和差(DMODIS)和NDVI均顯著相關(guān)(|r|=0.42-0.63,P0.001),但相關(guān)性一般。采用線性回歸預(yù)測(cè)的每日濕度飽和差與氣象站實(shí)測(cè)值分別相差4.64-4.98hPa (MAE, DMODIS)和5.96-6.66hPa (MAE, NDVI),DMODIS較NDVI顯優(yōu)勢(shì)。就長(zhǎng)期平均值(16天)而言,DMODT和NDVI預(yù)測(cè)濕度飽和差效果相似,與實(shí)測(cè)值相差在3.75-4.22hPa (MAE,DMODIS)和3.26-4.22hPa (MAE, NDVI)之間,誤差比日值有所下降。 利用促進(jìn)回歸樹(boosted regression trees, BRT)模擬東非舌蠅(Morsitans spp.)分布,以及影響分布的關(guān)鍵環(huán)境因子及其相互作用,表明基于BRT模型,利用高程作為氣溫替代因子,NDVI作為濕度替代因子,結(jié)合土地利用／覆蓋(LULC)數(shù)據(jù),衛(wèi)星數(shù)據(jù)能有效地估測(cè)東非舌蠅分布范圍。BRT比傳統(tǒng)回歸算法(如：logistic回歸)更有效,是未來(lái)預(yù)測(cè)舌蠅分布的首選模型。高程是舌蠅分布的主要控制因子(相對(duì)重要性=48.8%),其相對(duì)重要性分別比NDVI(相對(duì)重要性=28.2%)和LULC(相對(duì)重要性=23.0%)高。舌蠅分布與NDVI和高程間的關(guān)系是非線性的,且起伏大。高程與NDVI具有較強(qiáng)的交互作用。在肯尼亞,高程低于1000m并且NDVI0.35的濕熱區(qū)域是舌蠅分布重點(diǎn)關(guān)注區(qū)域。
【關(guān)鍵詞】：MODIS 溫度 濕度飽和差 舌蠅 錐蟲病
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2012
【分類號(hào)】：R184
【目錄】：

• Acknowledgements4-5
• 摘要5-6
• Abstract6-8
• List of tables and figures8-11
• 目次11
• 中文版11-15
• 1 緒論15-23
• 1.1 非洲錐蟲病15-16
• 1.1.1 人類非洲錐蟲病15-16
• 1.1.2 動(dòng)物非洲錐蟲病16
• 1.1.3 非洲錐蟲病控制方法16
• 1.2 遙感技術(shù)在非洲錐蟲病中的應(yīng)用16-18
• 1.2.1 舌蠅生態(tài)學(xué)16-17
• 1.2.2 環(huán)境變量替代因子17
• 1.2.3 物種分布模型17-18
• 1.2.4 衛(wèi)星數(shù)據(jù)18
• 1.3 研究目的18-19
• 參考文獻(xiàn)19-23
• 2 基于MODIS數(shù)據(jù)估測(cè)東非日最高與最低氣溫23-45
• 2.1 引言23-25
• 2.1.1 研究背景23-24
• 2.1.2 研究進(jìn)展24
• 2.1.3 研究目的24-25
• 2.2 研究區(qū)域與數(shù)據(jù)25-27
• 2.2.1 研究區(qū)域25-26
• 2.2.2 每日最高和最低氣溫26
• 2.2.3 MODIS數(shù)據(jù)26-27
• 2.3 Ts與Ta27-28
• 2.4 模型構(gòu)建28-34
• 2.4.1 變量相關(guān)性28-29
• 2.4.2 逐步線性回歸29-32
• 2.4.3 模型評(píng)估32-34
• 2.5 討論34-40
• 2.5.1 Ts和Ta差異特性34-37
• 2.5.2 在中間宿主分布預(yù)測(cè)中使用Ts作為Ta替代因子37-39
• 2.5.3 根據(jù)高程估測(cè)Ta示例39-40
• 2.6 結(jié)論40
• 參考文獻(xiàn)40-45
• 3 MODIS數(shù)據(jù)作為氣象站濕度替代因子評(píng)估45-57
• 3.1 引言45-46
• 3.2 數(shù)據(jù)46-49
• 3.2.1 氣象站濕度飽和差46-47
• 3.2.2 MODIS數(shù)據(jù)47-49
• 3.3 結(jié)果49-52
• 3.4 討論52-53
• 3.4.1 使用NDVI作為D_(stn)的替代因子52
• 3.4.2 使用D_(MODIS)作為D_(stn)的替代因子52-53
• 3.5 結(jié)論53-54
• 參考文獻(xiàn)54-57
• 4 基于促進(jìn)回歸樹(BRT)和遙感圖像預(yù)測(cè)東非舌蠅分布57-73
• 4.1 引言57-59
• 4.1.1 非洲錐蟲病與舌蠅57-58
• 4.1.2 舌蠅分布模型58-59
• 4.1.3 研究目的59
• 4.2 材料和方法59-62
• 4.2.1 空間預(yù)測(cè)因子59-60
• 4.2.2 模型算法60-61
• 4.2.3 模型構(gòu)建與評(píng)估61-62
• 4.3 結(jié)果62-66
• 4.3.1 BRT模擬效果62
• 4.3.2 變量權(quán)重62-64
• 4.3.3 變量交互作用64-66
• 4.4 討論和結(jié)論66-68
• 4.4.1 基于BRT的舌蠅分布預(yù)測(cè)66-67
• 4.4.2 變量權(quán)重和交互作用67-68
• 參考文獻(xiàn)68-73
• 5 結(jié)論與展望73-76
• 5.1 結(jié)論73-74
• 5.2 展望74-75
• 參考文獻(xiàn)75-76
• 英文版76-77
• 1 Introduction77-87
• 1.1 The human and animal trypanosomiasis of Africa77-79
• 1.1.1 Human African Trypanosomiasis77-78
• 1.1.2 Animal African Trypanosomes78-79
• 1.1.3 Methods of trypanosomiasis control79
• 1.2 Remote sensing studies in trypanosomiases79-83
• 1.2.1 Tsetse ecology79-80
• 1.2.2 Meteorological proxies80-81
• 1.2.3 Mapping models81
• 1.2.4 Satellite data81-83
• 1.3 Research objectives83-84
• References84-87
• 2 Estimating daily maximum and minimum air temperature with MODIS data in east Africa87-119
• 2.1 Introduction88-91
• 2.1.1 Background88-89
• 2.1.2 Overview of previous efrorts and methods89-91
• 2.1.3 Study Purpose91
• 2.2 Study area and data91-94
• 2.2.1 Study area91-92
• 2.2.2 Daily maximum and minimum air temperature92-93
• 2.2.3 MODIS data93-94
• 2.3 Ts vs. Ta94-95
• 2.4 Model construction95-103
• 2.4.1 Variable correlation95-97
• 2.4.2 Stepwise linear regression97-101
• 2.4.3 Model Assessment101-103
• 2.5 Discussion103-112
• 2.5.1 The pattern of diference between Ts and Ta103-107
• 2.5.2 Ts as surrogate of Ta for vector distribution prediction107-110
• 2.5.3 Ta predicted with elevation110-112
• 2.6 Conclusion112-113
• Acknowledgements113
• References113-119
• 3 Evaluation of MODIS surrogates for meteorological humidity data in east Africa119-135
• 3.1 Introduction120-121
• 3.2 Data121-125
• 3.2.1 Meteorological saturation deficit121-123
• 3.2.2 MODIS data123-125
• 3.3 Results125-128
• 3.4 Discussion128-130
• 3.5 Conclusions130-131
• Acknowledgements131
• References131-135
• 4 Modeling Tsetse fly distributions in east Afri ca using remotely sensed data and boostedregression trees135-153
• 4.1 Introduction136-139
• 4.1.1 African trypanosomiasis and tsetse fly136-137
• 4.1.2 Tsetse fly distribution models137-138
• 4.1.3 Objective138-139
• 4.2 Materials and methods139-142
• 4.2.1 Spatial predictors139-140
• 4.2.2 Modeling algorithms140-141
• 4.2.3 Model construction and assessment141-142
• 4.3 Result142-146
• 4.3.1 BRT model performance142-143
• 4.3.2 Vatiable contributions143-145
• 4.3.3 Variable interaction145-146
• 4.4 Discussion and conclusion146-149
• 4.4.1 BRT model for tsetse fly distribution146-148
• 4.4.2 Variable contribution and interaction148-149
• Acknowledgements149
• References149-153
• 5 Conclusions and prospects153-159
• 5.1 Conclusions153-155
• 5.2 Prospects155-156
• References156-159
• Curriculum vitae159-160

，

本文編號(hào)：1061909