非洲猪瘟在家猪和野猪中的风险地图绘制，以提升亚洲地区的防控与管理水平

《Transboundary and Emerging Diseases》：Risk Mapping of African Swine Fever in Domestic Pigs and Wild Boars to Enhance Management and Surveillance in Asia

本研究采用简化的多准则分析方法（SMCA），整合环境与人为因素，识别亚洲家猪和野猪ASFV感染脆弱区，并通过卡方检验验证地图准确性。结果显示，东部中国、韩国南部及日本南部为高发区，边境地带风险更高。研究为跨区域防控提供了空间工具。

　　非洲猪瘟（African Swine Fever, ASF）是一种严重影响猪类健康的烈性病毒性疾病，由非洲猪瘟病毒（ASFV）引起。该疾病对家猪和野猪均具有高致死率，且在亚洲地区近年来传播迅速，对当地的畜牧业造成了巨大冲击。本文通过一种简化多准则分析（Simplified Multicriteria Approach, SMCA）方法，结合地理信息系统（GIS）技术，评估了 ASFV 在亚洲地区家猪和野猪的感染风险区域（Vulnerable Areas, VAs），并识别了家猪与野猪之间可能的传染接触区。研究结果有助于提升对 ASF 的监测和早期预警能力，同时为制定更有效的防控策略提供了科学依据。

### ASF 的基本背景与影响

ASFV 是一种属于 Asfarviridae 家族的双链 DNA 病毒，具有极强的环境适应能力，可在血液、肉类、内脏、土壤和媒介物中长期保持感染性。该病毒主要感染猪科动物，包括家猪和野猪，而非洲的某些野猪种类如疣猪（Phacochoerus aethiopicus）和丛林猪（Potamochoerus porcus）则对 ASF 具有较强的抵抗力，成为病毒的潜在宿主和储存宿主。 ASF 的传播途径多样，包括直接接触、间接污染、以及通过人类活动的传播。例如，非法运输受感染的猪只或猪肉制品，以及养殖环境中的生物安全措施不足，都可能加剧 ASF 的扩散。

自 20 世纪初 ASF 在非洲被首次发现以来，该疾病已逐步扩散至欧洲、亚洲和中东地区。2007 年 ASF 首次进入格鲁吉亚，并迅速蔓延至邻近国家如俄罗斯、亚美尼亚和阿塞拜疆。2014 年， ASF 在欧洲联盟首次被报告，随后在多个欧洲国家爆发。2018 年 8 月， ASF 首次在亚洲出现，随后迅速传播，截至 2024 年底，已确认在包括中国、蒙古、越南、柬埔寨、朝鲜、老挝、缅甸、菲律宾、韩国、东帝汶、印度尼西亚、巴布亚新几内亚、印度、马来西亚、不丹、泰国、尼泊尔、新加坡和斯里兰卡在内的 20 个国家爆发。其中，巴布亚新几内亚是亚洲以外唯一出现 ASF 爆发的太平洋地区。

### ASF 的传播模式与生态因素

ASF 的传播模式可以分为四种：森林型（sylvatic）、蜱虫-猪型（tick-pig）、家猪型（domestic）和野猪-栖息地型（wild boar-habitat）。其中，家猪型传播占 ASF 爆发的绝大多数，通常通过猪只之间的直接接触或猪源性产品传播，而不涉及自然宿主。野猪-栖息地型传播在欧洲国家和韩国尤为重要，因为野猪在 ASF 的传播中扮演了关键角色。此外，野猪与家猪之间的接触被认为是 ASF 在东欧、高加索地区和俄罗斯联邦等地区扩散的主要因素之一，特别是在生物安全措施不足的小型家庭式养猪场中更为常见。

在亚洲， ASF 的传播主要依赖于家猪型循环。家猪数量庞大，尤其在中国，2024 年全国家猪数量超过 4 亿头，为全球最高。这种高密度的家猪养殖与较差的生物安全措施、使用猪粪喂养、猪肉制品的非法运输以及社会文化习惯共同推动了 ASF 的传播。尽管野猪在亚洲的分布广泛，但大多数国家的野猪感染病例相对较少，主要集中在韩国和马来西亚。这可能是由于许多亚洲国家对野生动物的监测不足，导致野猪感染情况被低估。野猪的高密度和广泛的栖息地，加上家猪养殖中普遍存在的生物安全漏洞，增加了野猪与家猪之间接触的可能性，从而提高了 ASF 从野猪向家猪传播的风险。因此，野猪和家猪都应被视为 ASF 在亚洲传播的重要风险因素。

### 方法论：SMCA 与地理数据分析

为识别 ASFV 在家猪和野猪中的高风险区域以及两者之间的潜在接触点，研究采用了简化多准则分析（SMCA）方法。该方法基于 GIS 数据和多种评估指标，以系统化的方式对 ASF 的传播风险进行综合评估。SMCA 的关键在于对所有变量赋予相等权重，以避免人为判断对风险评估结果的影响。

研究区域覆盖了除新加坡以外的亚洲所有国家。新加坡由于没有家猪养殖，且 ASF 对其畜牧业影响较小，因此被排除在外。巴布亚新几内亚虽然地理上远离亚洲，但由于其与亚洲的密切互动，仍被纳入研究范围。此外，一些没有道路或河流的岛屿也被排除，因为这些地区的人类活动较少，对 ASF 的传播影响有限。

为了构建 ASFV 感染风险地图，研究者选择了多个预测变量，包括气候、植被、地形、野猪栖息地适宜性、家猪密度以及人类活动的影响。对于家猪，选择了三个变量：家猪密度、野猪适宜栖息地指数（QAH Level 1）和人类足迹指数。这些变量反映了 ASF 在家猪中的传播风险，其中家猪密度是最重要的预测因素。为减少极端值对结果的影响，研究者对家猪密度数据进行了上限控制，将超过 7355 头/平方公里的值统一设定为 7355。

对于野猪，研究者选择了 11 个变量，包括地形特征（如地形起伏指数和坡度）、环境因素（如距离河流和森林覆盖率）、气候因素（如年均温、年降水量和年平均湿度）、栖息地适宜性（如野猪分布指数）以及人类活动影响（如距离道路和人类足迹的反向指标）。这些变量涵盖了 ASF 在野猪中的传播机制，其中野猪分布指数、地形起伏指数和距离道路被确定为最重要的影响因素。此外，研究者还对变量之间的共线性进行了检查，以确保分析的可靠性。

所有数据均经过标准化处理，统一使用 30 弧秒（约 1 公里）的空间分辨率，并采用相同的投影和范围。通过 ArcGIS 和 R 语言的多种工具包，如“raster”、“dplyr”、“reshape2”、“ggplot2”和“factoextra”，实现了数据的整合和分析。最终的风险值被归一化为 0 到 1000，根据 Jenks 自然断点法划分为低、中、高三个风险等级，以便更直观地展示风险分布。

### 结果分析：高风险区域识别

研究结果表明，家猪的 ASFV 感染高风险区域主要集中在东亚地区，尤其是中国东部。这一区域不仅家猪数量密集，而且猪场分布广泛，与野猪的栖息地存在较高的重叠。此外，韩国和日本的部分地区也被识别为高风险区域。相比之下，家猪的高风险区域在东南亚国家如越南、缅甸和菲律宾更为明显，这些国家的 ASF 爆发情况也较多。而在马来西亚、印度尼西亚、巴布亚新几内亚、蒙古和俄罗斯等国家，家猪的 ASFV 感染风险较低，但靠近中国和中亚边境的地区仍需关注。

对于野猪的 ASFV 感染风险，研究发现高风险区域主要分布在俄罗斯、东亚和东南亚。特别是俄罗斯远东地区，近年来 ASF 爆发频繁，反映出野猪的迁徙行为对疾病传播的潜在影响。此外，东南亚的多个国家，如泰国、越南、柬埔寨、缅甸、马来西亚和菲律宾，也被识别为野猪感染高风险地区。野猪分布指数、地形起伏指数和距离道路等因素在这些地区对 ASFV 感染风险具有显著影响。值得注意的是，尽管某些地区尚未报告 ASF 爆发，但这些区域仍可能成为 ASFV 的潜在传播源，因此应加强监测。

在野猪与家猪的潜在接触区域方面，研究者识别出中国东部、韩国西南部和日本南部等地区为高风险区域。这些地区不仅野猪数量多，而且家猪养殖密度高，且生物安全措施不足，使得 ASFV 在两者之间传播的可能性增加。此外，菲律宾和印度支那半岛的一些区域也被划分为高风险区域。研究还指出，野猪的迁徙和栖息地分布对 ASF 的传播具有重要作用，尤其是在俄罗斯和东南亚地区。

### 验证与讨论：模型的可靠性与局限性

为了验证 VA 地图的可靠性，研究者采用了卡方检验（chi-square test）对 ASF 的实际爆发情况与模型预测结果进行了对比。结果显示，家猪的高风险区域中，实际爆发数量显著高于预期，而低风险区域则低于预期，这表明模型能够较好地反映 ASF 的传播趋势。对于野猪，高风险区域的 ASF 案例数量与预期相近，但低风险区域的案例数量明显低于预期，这可能与野猪的监测不足有关。

尽管研究取得了重要成果，但也存在一定的局限性。首先，由于各国数据的可得性差异，SMCA 方法在亚洲地区的应用可能无法完全反映所有变量的真实重要性。因此，研究者通过调整变量权重，进行了敏感性分析，以识别对风险评估影响最大的因素。其次，由于缺乏季节性变化或时间动态的数据，研究未考虑时间因素对 ASF 传播的影响。然而，已有研究表明， ASF 在亚洲某些地区存在季节性波动，因此未来研究可以考虑引入时间维度，以提高风险模型的预测能力。此外，由于不同变量和 ASF 爆发数据的记录时间不一致，可能存在时间上的不匹配，影响模型的准确性。未来研究可以通过更精细的时间匹配方法，进一步优化模型。

### 结论与展望

本研究通过 SMCA 方法，首次系统地评估了 ASFV 在亚洲家猪和野猪中的感染风险，并识别了两者之间的潜在接触区域。研究结果不仅有助于识别 ASF 高风险地区，还为制定跨区域的防控策略提供了科学依据。通过综合考虑环境和人为因素，研究为 ASF 的监测和早期预警提供了新的视角，同时强调了加强生物安全和野生动物监测的重要性。

此外，本研究还提出了一种标准化的风险评估工具，可用于比较不同国家和不同宿主之间的 ASFV 感染风险。这种工具不仅适用于 ASF，还可以推广至其他跨区域传播的猪类疾病。未来，随着数据的进一步完善和方法的优化，该模型有望在亚洲乃至全球范围内发挥更大的作用，为公共卫生和农业政策提供支持。研究团队也呼吁各国加强合作，结合本地知识和数据，以提高风险评估的准确性和实用性。