《Transboundary and Emerging Diseases》：Analysing Spatiotemporal Characteristics and Estimating the Spatial Distribution of Peste des Petits Ruminants (PPR) in Africa
编辑推荐：
本综述综合运用地理信息系统（GIS）与最大熵（MaxEnt）模型，系统分析了非洲小反刍兽疫（PPR）的时空传播规律及关键环境驱动因子。研究揭示了PPR疫情重心由非洲西北向东南迁移的趋势，明确了人口密度、降水格局（如Prec11、Bio14）、温度季节性（Bio4）及土地利用类型等生态因子对疫情分布的显著影响，为非洲地区PPR的精准监测和分区防控提供了重要科学依据。
引言
小反刍兽疫（PPR）是由小反刍兽疫病毒（PPRV）引起的高度接触性传染病，主要感染绵羊和山羊等小反刍动物，死亡率可达90%。自1942年在科特迪瓦首次发现以来，PPR已扩散至非洲、中东和亚洲的70余个国家，对畜牧业生产和粮食安全构成严重威胁。PPRV属于副黏病毒科（Paramyxoviridae）麻疹病毒属（Morbillivirus），其感染可导致发热、坏死性口炎、胃肠炎和肺炎等症状，并显著削弱动物免疫系统，增加继发感染风险。病毒通过直接接触、呼吸道飞沫或污染饲料水源传播，在小型反刍动物高密度地区尤为猖獗。尽管联合国粮农组织（FAO）与世界动物卫生组织（WOAH）提出2030年全球根除目标，但疫情监测盲区、跨境传播路径不明及风险预测能力不足仍是主要挑战。
材料与方法
疫情数据与环境变量
研究整合了FAO、WOAH全球动物疾病信息系统（EMPRES-i）及文献报道的2005–2025年非洲PPR疫情数据，剔除重复坐标后用于空间分析。环境变量包括气候（CHELSA数据库的67个指标）、地形（ASTER-GDEM 90米分辨率数字高程模型）、人口密度（WorldPop）、植被与土地利用（ESA CCI）和土壤类型（FAO土壤门户）五类数据，均统一重采样至1 km2分辨率。
空间分析方法
基于GIS平台，采用四种空间分析技术：
- 1.
热点分析：通过Getis-Ord Gi?指数识别疫情高值聚类区（热点）与低值区（冷点）；
- 2.
核密度估计：刻画疫情空间聚集强度，最高密度达48.71起/km2；
- 3.
标准偏差椭圆（SDE）：描述疫情分布的方向性趋势和离散程度；
- 4.
线性方向均值（LDM）：量化疫情传播的主要路径方向。
最大熵（MaxEnt）模型构建
基于 K?ppen气候分区将非洲划分为9个子区域（如Af热带雨林区、Bw沙漠区等），分别建立物种分布模型（SDM）。通过主成分分析（PCA）降维筛选环境变量，并采用刀切法检验变量贡献度，最终保留方差膨胀因子（VIF）<10的预测因子。模型以75%疫情点训练、25%验证，通过受试者工作特征曲线下面积（AUC）评估性能（AUC>0.9表示预测精度优异）。
结果
时空分布特征
2008–2009年疫情达到峰值，2017年病例数再次激增。空间上，西非为疫情核心区，北非沿海地带（摩洛哥、阿尔及利亚）呈高密度聚集，而东非（埃塞俄比亚、肯尼亚）虽暴发频次低但规模大。热点分析显示东非存在95%–99%置信度的热点区，北西非则多为冷点区。核密度图进一步证实北非沿海为疫情扩散核心。
传播路径与方向
2008–2024年间，疫情重心由西北非向东南方向迁移。SDE分析表明疫情沿东北–西南轴向扩散，范围持续扩大。LDM轨迹揭示主要传播廊道为“摩洛哥→阿尔及利亚→马里→肯尼亚”，与非洲牲畜迁徙和活畜贸易路线高度重合。
MaxEnt模型预测
9个子模型（SDM-1至SDM-9）的AUC值为0.884–0.988，均表现良好。关键驱动因子包括：
- •
人口密度：>0人/km2时疫情风险骤升（SDM-4、5、7）；
- •
降水：11月降水（Prec11）50–100 mm/month时风险最高（SDM-1），而旱季降水（Bio14）增加则抑制风险（SDM-2）；
- •
温度：最冷月最低温（Bio6）约15°C时风险峰值（SDM-8），9月最低温（Tmin9）18–20°C为最适区间（SDM-6）；
- •
土地利用：城市区（190）、灌丛（120）和农田（20）为高风险环境；
- •
土壤类型：铁铝土（Ferralsols）、潜育土（Gleysols）等与疫情显著相关。
风险地图显示高危险区集中于北非、中非及西非部分区域，撒哈拉沙漠因极端环境为低风险区。
讨论
PPR在非洲的传播受生态与社会经济因素共同驱动。半干旱区（降水300–1200 mm/year）的干湿季交替可通过营养应激和病毒环境存活期延长加剧传播；温度则呈现非线性效应，15–20°C为最适区间。城市区和高人口密度地带因活畜贸易频繁成为疫情枢纽，而农牧交错带（如萨赫勒地区）通过牲畜流动促进跨区域扩散。建议针对高风险廊道加强边境检疫，在干旱–雨季过渡期提升监测强度，并发展区域协同防控网络。本研究建立的“分区SDM+空间交叉验证”框架可为其他动物疫病的空间预测提供方法论参考。
