基于空间模型的小概率地理健康事件生态学研究
发布时间：2020-11-19 16:26
人类健康问题是当前国际地理学和环境科学领域的核心内容之一。本文选题基于地理信息系统和模型技术在小概率疾病的健康问题的空间分布规律和空间影响因子分析的应用研究。笔者不仅总结了传统的空间分析方法和模型,更针对小概率健康问题的空间分析中所遇到的问题提出相应的模型方法,并辅以实例来说明这些模型。本文主要从理论和实践两个层面展开研究。 (一)理论研究 本文回顾并总结了空间数据的分析方法和模型的基本理论,并在此基础上运用三种空间模型解决空间分析在环境健康领域应用中存在的若干问题。层次贝叶斯模型解决了因小概率健康事件引起的发病率或死亡率不稳定性(率的变化范围比较大)问题,将其调整到大体一致水平。风险探测器、危险因子探测器、生态探测器和交互作用探测器分别解决了风险因子在哪里、风险因子重要性、风险因子间的相对性及风险因素是独立起作用还是具有交互作用等问题。广义线性地统计模型将空间数据的空间关系代入到数据建模中,避免了可能出现的虚假统计意义。 (二)实际应用 本文使用层次贝叶斯模型对汶川地震五岁以下儿童死亡率的空间分布进行了调整并制作出死亡率的空间分布“热点”图。在此图的基础上,我们使用地理探测器对儿童死亡的环境因子进行了探索研究,结果表明地震烈度、房屋倒塌率和地形坡度对儿童死亡的影响较大,且属于正相关。这三个因子的两两间相互作用影响更大,而其他的环境因子如人口密度、高程、断裂带、地貌和GDP等对儿童死亡影响较小。 基于云南不明原因猝死的病例数据,进行模拟以探讨猝死与环境因子之间关系研究中,我们使用空间线性高斯模型(空间高斯线性模型)对猝死和环境因子间的关系进行拟合,并与高斯线性模型的拟合结果对比。结果表明NDVI(作为反映小白菌的生长环境)与猝死之间具有统计学意义,并排除了温度这一“虚假”影响因子。这也证实了小白菌与猝死之间的关系。但我们并没有发现降水等气候因子与猝死之间有显著的统计关系;此外,我们也没有发现地层和断裂带等地质因素对于猝死有显著的影响。 论文的最后,笔者根据研究过程中所遇到的问题,对整个研究作了总结并提出了今后研究的重点和方向。
【学位单位】：中国地质大学（北京）
【学位级别】：博士
【学位年份】：2012
【中图分类】：X171
【部分图文】：
在这里我们通过空间方差分析来解决这四个问题，而且该方法适用于可测量数据和类别数据混交的情形。该方法考虑疾病的空间分布与自然、人文要素在空间分布上的一致性和差异性，对疾病与地理因素的关系做出定量的描述。2.2.2 原理假设在研究区 A 中（图 2-1），疾病是以 B 中的方格为单位统计的，记作 b1,b2, …, bn；C 和 D 是两个可能导致疾病的因子，c1,c2,c3和 d1,d2,d3是 C 因子和 D因子各自的空间类别分区。现在来分析疾病流行率（y）和疑似因子之间的空间关系。首先，将疾病分布层与疑似因子 C 层做空间叠加得到图 2-2，类别 c1, c2 和 c3 中疾病流行率的平均值和方差分别用c1y ,c2y ,c3y 和c1Var ,c2Var ，c3Var 来表示。
图 2-2 叠加后的图层及相应的参数（Wang et al, 2010a）Figure 2-2 Overlaid layer and the corresponding parameters (Wang et al, 2010a)不同类别分区疾病流行率 y 的平均值c1y ,c2y , 和c3y 之间差异的显著性可以通过统计方法来检验，而且，当每个类别分区内疾病流行率的变异性非常小，极端情况下等于零，而不同类别之间的差异性非常显著，这就意味着这种类别分区 可 以 部 分 或 全 部 解 释 疾 病 流 行 率 的 空 间 变 异 。 此 外 ，( )VarnnVarnVarnVarc1 c1c2c2c3c3++反映的是疾病流行率分区变异占研究区疾病流行率总体变异的比例，而 PD =( )nVarnVarnVarnVarc1 c1c2c2c3c31++ 定义为因子 C 对疾病流行率 y 的解释力。对于图 2-1 中 D 因子的分区，情况类似。当按照某一种因子的类别分区，当疾病流行率在各个不同分区类别上的变异性等于零时，即
滑度有关；第二，u增大时 ρ (u)是以怎样的形态趋近于零的，也反映过程中含与空间关系有关的物理意义。当u大于某个有限值时 ρ (u )=0，那么该值作变异函数的变程。而当u增大时 ρ (u)无限接近零，其变程是无法确定的， 我 们 把 ()0.050ρ u=处 的 u 值 称 作 实 际 变 程 （ practical range ）， 因220(u )=τ +0.95σ。具体的图形展示请见图 2-3。
【引证文献】
本文编号：2890222
【学位单位】：中国地质大学（北京）
【学位级别】：博士
【学位年份】：2012
【中图分类】：X171
【部分图文】：
在这里我们通过空间方差分析来解决这四个问题，而且该方法适用于可测量数据和类别数据混交的情形。该方法考虑疾病的空间分布与自然、人文要素在空间分布上的一致性和差异性，对疾病与地理因素的关系做出定量的描述。2.2.2 原理假设在研究区 A 中（图 2-1），疾病是以 B 中的方格为单位统计的，记作 b1,b2, …, bn；C 和 D 是两个可能导致疾病的因子，c1,c2,c3和 d1,d2,d3是 C 因子和 D因子各自的空间类别分区。现在来分析疾病流行率（y）和疑似因子之间的空间关系。首先，将疾病分布层与疑似因子 C 层做空间叠加得到图 2-2，类别 c1, c2 和 c3 中疾病流行率的平均值和方差分别用c1y ,c2y ,c3y 和c1Var ,c2Var ，c3Var 来表示。
图 2-2 叠加后的图层及相应的参数（Wang et al, 2010a）Figure 2-2 Overlaid layer and the corresponding parameters (Wang et al, 2010a)不同类别分区疾病流行率 y 的平均值c1y ,c2y , 和c3y 之间差异的显著性可以通过统计方法来检验，而且，当每个类别分区内疾病流行率的变异性非常小，极端情况下等于零，而不同类别之间的差异性非常显著，这就意味着这种类别分区 可 以 部 分 或 全 部 解 释 疾 病 流 行 率 的 空 间 变 异 。 此 外 ，( )VarnnVarnVarnVarc1 c1c2c2c3c3++反映的是疾病流行率分区变异占研究区疾病流行率总体变异的比例，而 PD =( )nVarnVarnVarnVarc1 c1c2c2c3c31++ 定义为因子 C 对疾病流行率 y 的解释力。对于图 2-1 中 D 因子的分区，情况类似。当按照某一种因子的类别分区，当疾病流行率在各个不同分区类别上的变异性等于零时，即
滑度有关；第二，u增大时 ρ (u)是以怎样的形态趋近于零的，也反映过程中含与空间关系有关的物理意义。当u大于某个有限值时 ρ (u )=0，那么该值作变异函数的变程。而当u增大时 ρ (u)无限接近零，其变程是无法确定的， 我 们 把 ()0.050ρ u=处 的 u 值 称 作 实 际 变 程 （ practical range ）， 因220(u )=τ +0.95σ。具体的图形展示请见图 2-3。
【引证文献】
相关期刊论文 前1条
1 通拉嘎;徐新良;付颖;魏凤华;;地理环境因子对螺情影响的探测分析[J];地理科学进展;2014年05期
本文编号：2890222
本文链接：https://www.wllwen.com/shengtaihuanjingbaohulunwen/2890222.html
