基于多重环境因子生态位模型分析湖北钉螺时空分布格局

    基于生态位模型研判小尺度下钉螺种群扩散的潜在分布区域，为钉螺监测提供科学依据。通过收集苏州市2016年-2020年有螺环境面积、经纬度、钉螺密度等信息，以及苏州市的地理环境、气候、土壤指数、植被指数和社会经济数据，通过CARET程序包中的XGBoost、支持向量机、随机森林、广义推进模型和C5.0五种机器学习模型建立生态位模型预测出每个栅格的钉螺分布概率并获得各因素对钉螺孳生影响的相对重要性。结果显示，2016年-2020年苏州市共查出钉螺面积65.90hm2，其中新发钉螺面积36.41hm2。有螺环境分别分布在吴中区（25.18hm2）、相城区（21.76hm2）、虎丘区（18.26hm2）和太仓市（0.70hm2）。GBM、C5.0、XGB、RF和SVM模型均预测出吴中区、吴江区、太仓市和相城区西南区域存在钉螺适生区，其中吴中区中部（东山镇、金庭镇）存在高概率钉螺适生区，其AUC值分别为0.9958、0.9916、0.9748、0.9591和0.9371，显示5种模型预测效果优良，对钉螺孳生影响最大的因素是土壤粉砂含量（13.13%）、黏土含量（10.21%）、人口密度（8.16%）、≥0℃积温（8.12%）、夜间灯光指数（7.67%）和年平均降水量（7.23%）；2021年苏州市共查出有螺环境5个，分别位于吴中区的光福镇、金庭镇和香山镇，以及虎丘区的东渚镇和镇湖镇，C5.0模型预测范围涵盖这5个环境，但其中只有1个环境位于高概率适生区，其余均分布在低、中概率适生区，而XGB预测到的4个环境均分布于高概率适生区内，GBM模型预测到其中3个环境且均位于高概率适生区内，另有1个环境与预测出的高概率适生区接近，显示XGB和GBM模型的预测准确度更高。通过XGB和GBM两种机器学习算法建立的生态位模型可在小尺度下预测苏州市钉螺潜在分布，其预测准确度高，可为钉螺监测工作提供指导。

    附件：全文下载