基于分布滯后非線性模型的淡色庫蚊種群密度動態與氣象因素關系研究*

劉 曜 朱奕奕 姚雋一 周毅彬

(上海市疾病預防控制中心傳染病防治所，上海 200336)

研究表明媒介蚊蟲的環境孳生、密度分布與氣象因素存在著密切的關聯(周毅彬等，2014)。目前，全球變暖趨勢已對蚊媒孳生產生一定影響，改變了我國蚊媒傳染病的發病風險(Leandroetal.，2021；Mjwetal.，2021)。由于城市外環境與氣候條件的變化，如氣溫和降水量等氣象因素，對上海市蚊媒數量的變化也產生一定的影響(周毅彬等，2010)。結合氣象觀測數據探索蚊密度模型的研究，可以為不同氣候條件下蚊蟲監測和控制提供科學依據。

分布滯后非線性模型(Distributed Lag Non-linear Model,DLNM)(Gasparrini,2011)是近年來使用較多的方法，它可以用來描述變量之間的依賴關系以及時間上的滯后現象，該模型最早由 Almon 于1965年在計量經濟時間序列分析中提出，應用于經濟學研究(Almon,1965)。之后Schwartz (2000)、Gasparrini(2010；2014)等對此模型進行了多次評估和改進，目前DLNM作為暴露—滯后—反應關聯的模型，已在眾多領域得到廣泛應用。在蚊媒監測中，研究者使用DLNM，觀察到氣溫和降水量等氣象因素對蚊密度的影響及滯后效應。Lim等(2021)在韓國發現與溫度相關的成蚊豐度因物種和地點而異，可根據蚊種和預期量身定制蚊蟲防治措施。上海的研究顯示，氣象因素對于蚊密度存在滯后效應，氣候因素變化可能改變蚊媒密度滯后效應峰值的出現時間(謝博等，2019;楊迎宇等，2021)。

本研究將通過采用DLNM開展上海市淡色庫蚊Culexpipienspallens密度與氣象因素的非線性和滯后效應的研究，探索不同氣候條件下上海市淡色庫蚊密度變化的特征，從而采取針對性的控制措施來降低蚊媒傳染病傳播的風險。

1 材料與方法

1.1 淡色庫蚊密度監測

本次研究選用CO2誘蚊燈法(型號M02，上海禾奇科學儀器有限公司生產，引誘方式為：CO2氣體400 mL/min和誘餌)監測淡色庫蚊密度。在上海市除崇明區外的15個行政區，每個行政區分別選擇醫院、農戶、牲畜棚(如有)各2處作為監測點，其余按照城鎮居民區、公園(含街心公園)、學校等場所平均分配。共設置229個CO2誘蚊燈監測點，其中含30個醫院、26家農戶、10個牲畜棚、56個居民區、54個公園和53家學校。

除牲畜棚外，其余監測點在外環境進行，每個監測點設置1個CO2誘蚊燈。2018—2020年，每年的4—11月每旬監測1次，監測時間為16：00-22：00，遇雨天、風力>5級順延1 d開展監測。捕獲的蚊蟲收集至實驗室，在體視鏡下分類鑒定并計數，計算蚊密度。每年12月至次年3月的淡色庫蚊密度以0填充。

淡色庫蚊密度[只/(燈·夜)]=

1.2 氣象數據

氣象數據來源于上海市氣象局。取上海市所有9個市級站點：徐家匯站、松江站、閔行站、浦東站、青浦站、嘉定站、寶山站、金山站、奉賢站的均值作為上海市的氣象數據，并用于本次建模。氣象數據包括日平均氣溫、最高氣溫、最低氣溫、日降雨量、相對濕度、氣壓和風速，研究中氣象數據按旬統計均值。

1.3 分析方法

采用分布滯后非線性模型(Gasparrinietal.，2010)建模，分析不同氣象因素對淡色庫蚊密度的影響。最終模型結構為：

g(μt)=α+cbTmax+cb(Precmean)+

cb(Rhmean)+ns(Time,2×year)+Zt

μ≡E(Y)，g為連接函數，α為截距，Tmax為旬平均最高氣溫，Precmean為旬平均降雨量，Rhmean旬平均濕度，cb為交叉基函數,Time為時間，ns為自然樣條函數，Zt為對應變量產生線性影響的函數。

本研究分析使用R 4.1.2及 “dlnm”程序包進行DLNM的建模分析以及圖表制作。模型以改進的赤池信息準則(QAIC)最小值作為參數選擇依據。

2 結果

2.1 研究期間淡色庫蚊的密度變化

研究期間的淡色庫蚊密度變化見圖1。2018—2020年上海市的淡色庫蚊密度呈現類似的季節性變化，每年4月后密度逐步上升，在7月前達到密度高峰后逐步降低，至9月前后蚊蟲密度下降變緩或出現1個次高峰，于11月降至0。

圖1 2018—2020年上海市淡色庫蚊密度變化Fig.1 Density change of Culex pipiens pallens in Shanghai from 2018 to 2020

2.2 研究期間氣象因素分析

本次研究期間上海市主要氣象因素變化見圖2。2018—2020年上海市每旬的平均氣溫、平均最高氣溫、平均最低氣溫、平均相對濕度、日平均降雨量、平均風速的均值為17.59 ℃、21.90 ℃、14.24 ℃、4.43 mm、76.34%和1.86 m/s。

圖2 2018—2020年上海市主要氣象因素變化曲線Fig.2 Variation curve of main meteorological factors in Shanghai from 2018 to 2020

2.3 不同氣象因素對淡色庫蚊密度的滯后效應分析

最終取類泊松模型為連接函數，進入模型的氣象因素包括每旬的日平均最高氣溫、平均日降雨量和平均相對濕度。以QAIC對各個氣象因素和參數的遍歷組合進行模型評價，選擇QAIC最小(231.34)的模型分析氣象因素與淡色庫蚊密度的關系。最終模型的參數設置見表1。

表1 分布滯后非線性模型的建模參數Tab.1 Modeling parameters of DLNM

分別以最終進入模型的不同氣象因素和滯后天數組合來構建三維效應圖。分析隨不同滯后天數變化下，各種氣象因素對淡色庫蚊密度的作用效應(圖3)。旬平均最高氣溫與淡色庫蚊密度呈非線性關系，相對危險度隨溫度升高而逐步升高，在30 ℃后下降(滯后天數為0.5～2.5旬)或升高(圖3)。滯后天數與效應強度呈“U”型，在最高溫度為35 ℃，0滯后天數時相對危險度值最高達到2.1。隨日均降雨量增加，相對危險度值總體呈逐步增大，尤其是平均日降雨量>10 mm后,降雨量較大時相對危險度值與滯后天數呈倒“U”型(圖3)。平均相對濕度與相對危險度值總體呈倒“U”型，在相對濕度較高時滯后天數與相對危險度值呈倒“U”型(圖3)。

圖3 相對危險度隨每旬的日平均最高氣溫、平均日降雨量和平均相對濕度的變化圖Fig.3 Variation of relative risk with daily average maximum temperature,average daily rainfall and average relative humidity

2.4 不同滯后天數下各種氣象因素對淡色庫蚊密度累計效應分析

在累計滯后天為1、2和3旬時，平均最高氣溫和淡色庫蚊密度都呈倒“U”型，在約 30 ℃ 時相對危險度值最高(圖4)。在累計滯后天數為1旬時，淡色庫蚊密度相對危險度值在日平均降雨量小于7 mm時略下降，其后逐步升高；在累計滯后時間為2和3旬時，日平均降雨量小于7 mm時基本呈水平，其后隨降雨量增加后逐步增高(圖5)。在累計滯后天為1、2和3旬時，平均相對濕度和淡色庫蚊密度都呈倒“U”型，在約70%時相對危險度值最高(圖6)。

圖4 不同累計滯后天數下平均最高氣溫與效應強度的關系(以30℃為對照)Fig.4 Relationship between average maximum temperature and effect intensity under different lag days (30 ℃ as control)

圖5 不同累計滯后天數下平均日降雨量與效應強度的關系(以6 mm為對照)Fig.5 Relationship between average daily rainfall and effect intensity under different lag days (6 mm as control)

圖6 不同累計滯后天數下平均相對濕度與效應強度的關系(以70%為對照)Fig.6 Relationship between average relative humidity and effect intensity under different lag days (70% as control)

2.5 不同氣象因素與淡色庫蚊密度關系

結合圖3～6，旬平均最高氣溫與淡色庫蚊密度呈倒“U”型，在平均最高氣溫大于10 ℃后逐步升高，在30 ℃達到密度峰值，其后逐步降低(表2)。平均日降雨量與單色庫蚊密度呈“J”型，在日平均降雨量大于6 mm后逐步升高。旬平均相對濕度與淡色庫蚊密度呈倒“U”型，在平均相對濕度達到70%時達密度峰值(表2)。

表2 旬平均最高氣溫、平均日降雨量和平均相對濕度與淡色庫蚊密度關系Tab.2 Relationship between ten day average maximum temperature,average daily rainfall and average relative humidity with density of Culex pipiens pallens

3 討論

影響蚊蟲密度變化的因素包括氣象因素、環境因素和人為因素等。本次研究分析了氣象因素和淡色庫蚊密度的關系。由于線性方法會高估氣候變化對蚊蟲密度的影響(Davidetal.，2014)，本次選用DLNM模型，其可以描述氣象因素對蚊蟲密度的非線性關系(Gasparrini，2010)和滯后效應(謝博等，2019)。

本研究顯示，上海市淡色庫蚊密度與氣溫呈非線性倒“U”型，當旬平均最高氣溫高于30℃時，淡色庫蚊密度與氣溫呈負相關。研究顯示，高溫會縮短蚊蟲發育時間，但是也會增加蚊蟲的死亡率(尤其是成蚊)(Jiaetal.，2019)，因此總體而言蚊蟲數量會受到極大抑制。一旦溫度超過某個閾值，溫度對蚊蟲密度的影響可能會變得非線性，甚至是負的(Barryetal.，2001)。本次結果也顯示，上海市淡色庫蚊密度從峰值開始下降是隨著平均溫度的升高。此外，上海市易出現極端氣溫(Tanetal.，2007)，這可能是高溫季節蚊蟲密度降低的原因。

降水的研究表明，降水很可能是影響蚊密度的最復雜的環境變量(Joannaetal.，2013)。降雨對蚊密度可能是正影響(降雨產生產卵場所)(Lourenoetal.，2004)，可能是負影響(暴雨沖刷了幼蟲)(Davidetal.，2010)，或者沒有影響(Lucianoetal.，2003)。本次研究表明，日平均降雨量大于7 mm時，在累計滯后時間為2和3旬時，隨降雨量增加后淡色庫蚊密度逐步增高。對于大型積水孳生場所，可能降雨量大會擴大孳生面積，從而造成蚊蟲數量增多，密度升高(仲潔等，2015)。

濕度對蚊蟲孳生也有一定影響，過高的濕度不利于蚊蟲生存，較高的濕度可以延長蚊蟲壽命從而提高蚊蟲密度，濕度過低又會導致蚊蟲生存困難而使密度降低。一項在中國廣東地區模型預測顯示，每小時蚊蟲密度隨著相對濕度的增加而增加(Yinetal.，2019)。中國云南西雙版納地區用主成分回歸的方法，研究氣象因素與登革熱發病的關系，結果發現影響蚊蟲密度前三位氣象因素中包括月平均相對濕度且呈正相關(Liuetal.，2021)。菲律賓地區研究發現相對濕度與蚊密度關聯在不同省份之間存在異質性(如J型、反J型或倒V形等)，并發現相對濕度可以作為菲律賓蚊密度高峰的預測指標(Xuetal.，2020)。本次在上海地區對淡色庫蚊和氣象因素的研究表明，旬平均相對濕度與淡色庫蚊密度監測數值呈倒“U”型曲線關聯，在平均相對濕度達到70%時達密度峰值，結果表明在氣象因素中，相對濕度對淡色庫蚊的生長繁殖有一定的影響，70%平均相對濕度對淡色庫蚊孳生是一個較為適宜的氣候條件。

綜上，本次研究嘗試用數學模型提供了一種解釋手段來理解氣象因子變量對蚊蟲種群密度的影響。該非線性模型可以更好地理解不同氣象因子對蚊密度的影響，從而預測未來蚊密度的變化。特別是預測蚊密度的高峰時間具有優勢，相比常規的線性模型中蚊密度往往與溫度等氣象因子呈正相關，因此無法預測正確的蚊密度高峰時間。該模型也為設計控制預案，在合理的時間開展蚊蟲控制措施等提供科學依據。