气候与土地利用变化对孟加拉国禽流感传播适宜性的影响预测：一种综合空间建模方法

本研究针对气候变化和土地利用如何影响禽流感(AIV)在野生动物-家禽-人类界面的传播风险这一关键问题，开发了一种新颖的综合空间建模框架。研究人员通过模拟野生鸟类和家禽分布，结合结构方程模型(SEM)，预测了孟加拉国当前和未来四种AIV暴露界面的适宜性。结果表明，受家禽密度增长驱动，养殖场界面的暴露适宜性将显著增加，到2050年可能导致高达7900万新增人口面临暴露风险。该研究为优先部署监测和预防干预措施提供了重要的循证决策工具。

　　

在当今全球变化的背景下，人畜共患病的威胁日益凸显，其中禽流感(Avian Influenza, AIV)因其复杂的传播链和潜在的公共卫生风险，成为“单向健康”(One Health)领域的一个典型挑战。孟加拉国地处东亚-澳大拉西亚候鸟迁徙路线上，同时拥有高密度的家禽养殖和生物安全水平较低的饲养系统，再加上人口密集城市中活禽市场(Live Bird Markets, LBMs)的存在，使得该国成为禽流感病毒传播和溢出的高风险区。环境和社会经济因素共同调节着病毒从野生鸟类传播到养殖动物，并最终通过多种途径感染人类的风险。然而，一个关键的科学问题尚未得到充分解答：未来气候变化和土地利用的改变，将在多大程度上、以何种方式改变不同地区和不同传播界面（如野生鸟类栖息地、养殖场、活禽市场）的禽流感暴露适宜性？这种变化又将对面临风险的人口规模产生怎样的影响？

为了回答这些问题，一项发表在《One Health》杂志上的研究，由Adam C. Castonguay等人牵头，开展了一项开创性的工作。他们开发了一个空间显式的综合建模框架，首次将未来气候、土地覆盖和人口密度变化的情景融入对禽流感暴露风险的预测中，旨在为孟加拉国未来禽流感的防控提供精准的、基于证据的决策支持。

研究人员为了开展这项复杂的研究，主要运用了几个关键技术方法。首先，他们通过与本地专家共同设计有向无环图(Directed Acyclic Graph, DAG)来构建概念模型框架，识别了关键的AIV暴露界面和风险因素。其次，利用随机森林(Random Forest, RF)等机器学习算法，模拟了64种水鸟和乌鸦等野生宿主在当前及未来气候下的栖息地适宜性分布。第三，他们创新性地建立了针对孟加拉国背景的家禽密度分布预测模型，并基于共享社会经济路径(Shared Socioeconomic Pathways, SSPs)和代表性浓度途径(Representative Concentration Pathways, RCPs)组合（如SSP1-2.6, SSP2-4.5, SSP3-7.0）的未来情景进行了预测。第四，研究核心是构建了一个空间结构方程模型(Structural Equation Model, SEM)，用以量化不同风险因素（如气候变量、土地覆盖、宿主分布）对四个AIV暴露界面（水鸟巢址、城市栖鸟、家禽养殖场、活禽市场）适宜性的影响路径和强度。最后，通过热点分析(Getis-Ord Gi*统计量)识别了未来风险变化显著的区域，并评估了暴露于风险区域的人口规模变化。研究所用数据包括全球生物多样性信息设施(GBIF)的鸟类出现点、世界动物卫生信息系统(WOAH-WAHIS)的AIV报告病例、孟加拉国农业普查数据以及未来气候、土地覆盖和人口密度投影数据。

3. 结果

3.1. 模型验证

模型验证结果表明，用于预测野生鸟类分布的随机森林(RF)模型整体表现优异，平均曲线下面积(Area Under the Curve, AUC)和真实技巧统计(True Skill Statistic, TSS)值分别达到0.91和0.74。在预测家禽密度分布方面，RF模型也优于广义线性模型(Generalized Linear Model, GLM)和极限梯度提升(eXtreme Gradient Boosting, XGBoost)模型，其均方根误差(Root Mean Square Error, RMSE)为8.5头/公顷，与官方普查数据吻合更好。核心的结构方程模型(SEM)整体拟合度极佳，其比较拟合指数(Comparative Fit Index, CFI)为0.996，近似误差均方根(Root Mean Square Error of Approximation, RMSEA)为0.038，标准化均方根残差(Standardized Root Mean Square Residual, SRMR)为0.03，均优于推荐阈值。对于单个暴露界面，模型预测的AUC值显示，其对活禽市场(AUC=0.95)和水鸟巢址(AUC=0.9)界面的暴露适宜性判别能力优秀，对家禽养殖场(AUC=0.76)和城市栖鸟(AUC=0.73)界面的判别能力可接受。

3.2. 变量和风险因子重要性

分析发现，土地利用变量（特别是耕地、草地和城市用地的网格占比）是解释野生鸟类分布最重要的预测因子。在气候变量中，年均温和降水季节性最为关键。对于家禽密度，年均温、到达最近城市的旅行时间和人口密度是主要预测因子。在SEM模型中，路径系数揭示了各风险因子的相对重要性：降水季节性和水鸟分布是影响水鸟巢址界面暴露适宜性的最主要因素；而水鸟巢址的暴露适宜性本身又是家禽养殖场界面最重要的风险因子，其次是家禽密度分布。城市栖鸟和活禽市场界面的暴露适宜性则主要由城市用地占比解释。

3.3. 预测的鸟类物种分布

气候变化对不同鸟类物种分布范围的影响存在显著差异。平均而言，物种分布范围倾向于缩小，特别是在MIROC6气候模型下，平均减少87.5%。然而，部分物种如灰雁(Ardeola grayii)和矾鹬(Xenus cinereus)的适宜分布区在所有情景下均预计增加，其中苍鹭(Ardea cinerea)的适宜区在SSP3-ACCESS-CM2情景下可能扩大高达325%。

3.4. 动物界面AIV暴露适宜性预测

• •
  当前适宜性：当前气候条件下，水鸟巢址的暴露高适宜区主要分布在国家东北部和东南部以及达卡首都区周边。家禽养殖场的暴露适宜性在人口高密度区和城市化区域普遍较高。城市栖鸟和活禽市场的暴露适宜性则高度集中在达卡和吉大港等大城市。
• •
  按地区预测的适宜性：到2050年，水鸟巢址界面的暴露适宜性变化在北部地区（如迈门辛格、奈特罗科纳等县）最为显著，且受所选全球气候模型(General Circulation Model, GCM)的影响大于SSP情景，全国平均适宜性预计增加8.62至18.3个单位。家禽养殖场界面的暴露适宜性增加更为显著，且主要受SSP情景（特别是高排放的SSP3-7.0）驱动，全国平均适宜性预计增加57至100个单位，这主要归因于未来家禽需求的增长和密度上升。

3.5. 预测的风险人口

研究估计，到2050年，被认为是AIV暴露适宜区的总面积及其内居住的人口在所有界面均将增加。特别是在家禽养殖场界面，暴露适宜区的大幅扩大，结合人口密度增长，将导致面临风险的人口显著上升。总体而言，生活在至少一个AIV暴露界面适宜区内的人口，在SSP3-7.0情景下，可能从目前的1.07亿增加到1.86亿，净增约7900万人。

3.6. 气候变化影响的热点分析

热点分析显示，水鸟巢址界面的高风险增长区（“热点”）主要集中在北部的朗布尔专区和迈门辛格专区。家禽养殖场界面的热点则围绕主要城市，特别是达卡、朗布尔、拉杰沙希和吉大港。甘加查拉、考尼亚等一些乡镇在两个界面均被识别为“极热点”，表明这些地区野生动物向家畜溢出的风险可能进一步加剧。

4. 讨论与结论

该研究成功构建了一个创新的“单向健康”建模框架，将未来环境变化预测、宿主分布模拟、多界面流行病学建模和风险人口评估有机整合。研究揭示了AIV暴露风险驱动因素的异质性：水鸟巢址界面的风险变化主要由气候变化（特别是降水季节性）驱动的野生鸟类分布变化主导；而家禽养殖系统相关界面的风险增长则更多与未来家禽密度增加和城市扩张等社会经济因素相关。尽管存在数据限制（如野生鸟类AIV病例数据有限）和气候变化预测的不确定性，但该框架的灵活性允许随着新数据的获得而不断更新和改进。

这项研究的结论具有重要的政策意义。通过识别未来AIV暴露适宜性可能显著增加的地区和界面（热点），该模型为决策者提供了一个强大的工具，可以优先在关键传播界面（如特定的乡镇、养殖密集区或鸟类栖息地）部署有限的资源，用于加强监测、提高生物安全措施或实施针对性的疫苗接种策略。这种空间显式、前瞻性的风险评估方法，不仅适用于孟加拉国的禽流感防控，也为评估气候变化下其他地区其他人畜共患病的传播风险提供了可借鉴的范例。最终，这种基于证据的精准干预，对于 mitigating（减轻）未来禽流感疫情暴发风险、保障动物和人类健康、维护社会经济稳定具有至关重要的作用。