基于空间信息技术和生态位理论研究钉螺孳生地识别的智能机器学习方法

Schistosomiasis is endemic in 78 countries and regions in the world, and was listed as a major infectious disease in China. Oncomelania hupensis is the sole intermediate host of Schistosoma japonicum. The area of snail habitats is the leading indicator of infected snail density, so how to effectively identify snail habitats has attracted much attention. In the past ten years, most of the work was focused on exploring the technique of remote sensing to detect snail habitats, but its misclassification error is high and so far there is no significant breakthrough. On the basis of spatial information techniques, this study will first solve the issues of integrating and standardizing the spatial data from multiple sources, and then concentrate on studying the intelligent approach of effectively identifying snail habitats by applying the machine learning algorithm to the theory of ecological niche. Also, an open source platform system of merging different ecological niche models will be developed for comprehensively comparing and evaluating the model validity and accuracy from the global and local perspectives. Our preliminary work has proved the feasibility of this research idea and the advantages of intelligent models compared to the technique of remote sensing. The obtained results will help to illuminate the distribution patterns of snail habitats, discover the major driving factors, and determine its risk pattern and the changing trend of transmission risk under the background of environmental change. It is the necessary technical foundation for intelligently monitoring snail habitats, offers the new methods and means for improving the monitoring network of schistosomiasis, and provides the research ideas for intelligent monitoring of other vector-borne diseases and environment-related diseases.

全球78个国家和地区流行血吸虫病，在我国被列为重大传染病。钉螺是日本血吸虫病的唯一中间宿主，孳生地面积是指示感染性钉螺密度的首要指标，其有效识别受到广泛关注。以往的研究专注在应用遥感技术探测钉螺孳生地，错分率较高，至今尚无突破性研究进展。本项目将以空间信息技术为核心，在解决多种来源数据的整合与空间数据标准化的基础上，将机器学习方法与生态位理论结合，建立适用于高效识别钉螺孳生地的智能模型技术，并开发集成不同模型的开源平台系统，从全局和局部的空间角度全面比较与评价模型的效果。申请者的前期工作初步证明该研究思路的可行性和智能模型的优越性，其顺利实施将阐明钉螺孳生地分布的规律，明确其主要驱动因素，确定风险分布与环境变化背景下传播风险的变动趋势，为实现钉螺孳生地的现代化智能监测奠定必需的技术基础，为血吸虫病监测网络的完善提供新的方法与手段，也为其它媒介传播与环境相关疾病的智能化监测提供研究思路。

随着我国血吸虫病防控工作的成功，疫情监测已成为最重要的工作，而钉螺孳生地的监测则是重中之重。过去传统的依靠人工查螺和单纯基于遥感图像识别钉螺孳生地的方法已无法满足实际工作的需求，因此整合钉螺的主要影响因素基于模型方法从已知的钉螺孳生地信息来逆向反演钉螺孳生地的新技术受到关注，而基于空间信息技术将机器学习方法与生态位理论结合用于识别钉螺孳生地则可能是最具有发展前景的方向。本项目将现场流行病学调查、空间信息技术和统计建模结合，开发了适用于生态位模型的空间数据统一标准化与多源异构数据融合的处理技术与流程框架，将现场定位的5000个湖沼型钉螺孳生地、10000个山区型钉螺孳生地，以及收集整理的30多个影响因素进行整合，建立了用于钉螺孳生地识别预测的空间数据库，利用开源软件构建了箱盒环境包络、Gower距离、最大熵模型、基于规则集的遗传算法模型、广义线性模型、多重自适应样条回归、随机森林、广义增强模型、分类树模型、自有判别分析、支持向量机、人工神经网络等10余个用于钉螺孳生地识别预测的生态位模型和机器学习模型，基于灵敏度、特异度、ROC曲线下面积、Kappa系数、混淆矩阵、模型稳健性等指标对模型进行了比较与评价。结果显示，P/A模型总体要优于PO模型，特别是明确了机器学习方法在识别钉螺孳生地上的优越性，确定了不同类型钉螺孳生地在主要驱动因素上的差异，对不同因素的相对重要性进行了排序，预测绘制了研究区域内钉螺孳生地的风险分布图和分布范围，并初步探讨了样本量和样本比例对模型预测结果的影响。项目成果不仅为钉螺孳生地风险区域的智能化识别与监测提供了一套基于现代空间信息技术进行建模的统一框架体系，也为其它媒介传播与环境相关疾病的智能化监测提供了思路与方法，进一步丰富了空间流行病学的研究内容与分析方法。