《Tropical Medicine and Health》：An integrated GIS and remote-sensing framework for district-level dengue risk assessment in northern India: development of a spatial Dengue Risk Index and assessment of its spatial concordance with reported incidence
编辑推荐：
**摘要**
**背景**：登革热是一种日益重要的媒介传染病，受气候变率、城市化、环境变化和人口增长驱动。尽管该病在印度北部的负担不断上升，但整合环境适宜性、传播危害和人口脆弱性的地区级空间流行病学框架仍然有限。本研究开发了一个基于地理信息系统（GIS）和遥
**摘要**
**背景**：登革热是一种日益重要的媒介传染病，受气候变率、城市化、环境变化和人口增长驱动。尽管该病在印度北部的负担不断上升，但整合环境适宜性、传播危害和人口脆弱性的地区级空间流行病学框架仍然有限。本研究开发了一个基于地理信息系统（GIS）和遥感（RS）的登革热风险指数（DRI），用于描述印度北方邦戈勒克布尔县登革热的长期空间易感性，并评估其与报告登革热发病率的空间一致性。
**方法**：研究采用基于GIS的多准则决策分析（MCDA）框架，结合层次分析法（AHP），将14个环境、地形、水文和社会人口变量整合为三个专题组分：环境适宜性指数（ESI；6个变量）、危害指数（HI；5个变量）和脆弱性指数（VI；3个变量）。相对湿度和归一化差异水分指数在冗余筛选后被排除。降水量来源于印度气象局（IMD）2025年0.25°日网格数据，高程来源于Copernicus 30 m DEM，人口密度来源于WorldPop 2025年约束估计数据。标准化（1–5级）栅格图层采用加权线性组合（WLC）方法进行整合，以构建DRI。研究人员采用Pearson和Spearman相关分析、线性回归和负二项回归、影响诊断以及全局Moran's I与Lagrange乘子检验，评估了区块水平平均DRI与2025年实验室确诊登革热发病率（225例，覆盖20个区块）之间的空间一致性。
**结果**：DRI（1–5相对尺度）呈现显著的空间异质性，县域中部和西部地区数值较高。包含戈勒克布尔市的Chargawan是唯一被划分为极高风险的区块，其次是Sahjanwa、Piprauli和Jungle Kaudia（高风险），而Brahmpur被划分为极低风险。总体而言，全县32.87%的面积（1,090.2 km2）被划分为高风险或极高风险。仅极高风险区块即占报告病例数的48.9%。然而，区块水平DRI与发病率之间的一致性较弱且无统计学显著性（Pearson's r = 0.16, p = 0.49；Spearman's ρ = ?0.003, p = 0.99；R2 = 0.03；每0.1 DRI的发病率比 = 1.05，95% CI 0.91–1.21）。发病率与回归残差均未显示显著的空间自相关（Moran's I = ?0.13和?0.17；p ≥ 0.44），因此无需进行空间回归。
**解释**：DRI提供了一种透明、可重复的登革热长期空间易感性描述方法，整合了环境适宜性、传播危害和人口脆弱性。由于其与单年、区块水平发病率的一致性较弱且不显著，该指数不应被解释为登革热发病率的预测因子或经过验证的风险模型。该框架可能有助于地区项目规划监测工作，但在用于分配干预措施之前，仍需多年发病率数据、更精细的空间单元和昆虫学数据。
**登革热空间风险评估框架的构建与验证——基于GIS与遥感的印度北部地区级研究解读**
**一、研究背景与问题提出**
登革热是由伊蚊属（*Aedes aegypti*和*Aedes albopictus*）为主要传播媒介的病毒性传染病，近年来在全球范围内呈现快速蔓延态势。2021年全球登革热病例约达5,896万例，2024年世界卫生组织报告的病例数超过1,380万例，相关死亡人数逾1万，创下年度历史新高。气候变率、城市化进程加速、环境退化、全球化及人口流动等因素共同推动了登革热传播范围的持续扩大。南亚地区已成为全球增长最快的登革热疫源地之一，而印度在其中承担了相当大的疾病负担，其传播范围已从大都市中心向城郊和农村社区持续扩展。印度北方邦因其湿润的亚热带气候、密集的河网系统、季风降水、快速城市扩张和多样的环境条件，成为登革热传播的脆弱区域。戈勒克布尔县位于北方邦东部，年降水量高、季风期长、洪水频发，加之冲积平原、农业景观和密集的农村人口，形成了有利于蚊虫孳生的生态条件。然而，尽管该县登革热发病呈上升趋势，其空间流行病学研究长期未受到足够重视，已有研究多侧重于日本脑炎和急性脑炎综合征。
现有登革热空间研究存在明显不足：多数研究仅关注单一分析维度，如环境适宜性、热点探测、气候关联分析或疫情预测，而缺乏整合环境适宜性、传播危害和人口脆弱性的统一空间流行病学框架。尤其是在印度北部，基于GIS的登革热地区级综合风险评估研究十分有限。因此，开发一个能够整合多源空间数据、系统描述登革热长期空间易感性的评估框架，具有迫切的公共卫生现实需求。
**二、研究目的与结论概述**
针对上述空白，研究人员开展了一项回顾性生态学GIS空间流行病学研究，旨在为戈勒克布尔县构建一个整合地理信息系统（GIS）和遥感（RS）的登革热风险评估框架。该框架通过层次分析法（AHP）和多准则决策分析（MCDA）整合14个环境、地形、水文和社会人口变量，构建了环境适宜性指数（ESI）、危害指数（HI）和脆弱性指数（VI）三个专题组分，并进一步合成登革热风险指数（DRI），以描述县域内登革热的长期空间易感性。同时，研究评估了区块水平DRI与2025年实验室确诊登革热发病率之间的空间一致性。研究结果表明，DRI在全县范围内呈现显著的空间异质性，中部和西部地区风险较高，其中包含戈勒克布尔市的Chargawan区块为唯一极高风险区。然而，区块水平DRI与报告发病率之间的一致性较弱且无统计学显著性（Pearson's r = 0.16, p = 0.49），说明该指数可作为描述长期空间易感性的工具，而非发病率预测模型。这一发现强调了登革热传播的多因素复杂性，也为未来框架的改进指明了方向。
**三、关键技术与方法**
研究人员构建了系统的GIS-MCDA-AHP-WLC方法学流程。研究区域为印度北方邦戈勒克布尔县，以行政区块为空间分析单元。在数据方面，降水量取自印度气象局（IMD）0.25°日网格数据（2025年），高程数据来源于Copernicus 30 m DEM，人口密度采用WorldPop 2025年约束估计数据。Landsat-8/9影像用于提取地表温度（LST）、归一化差异植被指数（NDVI）、改良归一化差异水体指数（MNDWI）、归一化差异建成指数（NDBI）和土地利用/覆盖（LULC）等信息。候选变量经冗余筛选后保留14个，分为环境适宜性（6个变量）、危害（5个变量）和脆弱性（3个变量）三个专题域。所有变量标准化为1–5级适宜性评分，AHP确定权重，加权线性组合（WLC）合成各指数。空间一致性评估采用Pearson相关、Spearman秩相关、线性回归、负二项回归、Cook's距离和全局Moran's I等方法。
**四、主要研究结果**
**环境决定因素的空间分布**：环境变量呈现显著的空间异质性。年均地表温度范围为22.96–45.60°C，最高值集中于戈勒克布尔市及周边建成区；2025年总降水量为277–1,033 mm，呈现西—东梯度；NDVI高值主要分布于外围和南部农村地区；NDBI高值集中在城市和城郊区域。冗余筛选识别出相对湿度与降水量、归一化差异水分指数（NDMI）与NDBI两对完全共线的候选图层，相应变量被排除。
**危害与脆弱性决定因素的空间分布**：高程自西北向东南洪泛平原递减，坡度总体较低（均值1.34°），地形湿度指数（TWI）识别出低洼地和排水走廊的局部湿润区。人口密度和家庭密度集中在中心城区和城郊，2025年人口密度从Campierganj的1,058人/km2到Chargawan的8,135人/km2不等。2025年报告发病率范围为0–7.17/10万。
**环境适宜性指数（ESI）**：ESI呈现明显的西—东梯度，区块均值范围为2.06（Brahmpur）至3.24（Pali）。西部区块适宜性较高，其中地表温度（权重0.463）和降水量（权重0.241）贡献最大。区块均值ESI呈现显著空间自相关（Moran's I = 0.60, p < 0.001）。
**脆弱性指数（VI）**：VI区块均值范围为1.56（Brahmpur）至4.28（Chargawan），高脆弱性集中在中心区块。Pali和Bharohiya呈现高环境适宜性但低脆弱性，表明环境适宜性和人口脆弱性是登革热易感性的两个独立空间维度。
**危害指数（HI）**：HI的区块间变异相对有限，均值范围为3.08–3.70，且无显著空间自相关（Moran's I = 0.03, p = 0.59）。在区块尺度上，HI对DRI整体差异的贡献弱于ESI和VI。
**综合登革热风险指数（DRI）**：DRI的像素值范围为1.42–4.28，区块均值范围为2.17（Brahmpur）至3.35（Chargawan）。Chargawan为唯一极高风险区块，Sahjanwa、Piprauli和Jungle Kaudia为高风险，Brahmpur为极低风险。DRI的产生主要受ESI（权重0.540）和VI（权重0.297）驱动。区块排序在等权重、±20%专题权重扰动和±10%准则权重扰动下保持稳定（Spearman's ρ = 0.93–1.00）。
**DRI的空间范围**：DRI将全县划分为五个相对风险等级，中等风险类面积最大（1,082.8 km2，32.65%），高风险和极高风险合计占32.87%（1,090.2 km2），低风险和极低风险合计占34.48%（1,143.4 km2）。
**DRI与报告发病率的空间一致性**：区块水平DRI与2025年发病率之间的关联较弱且不显著（Pearson's r = 0.164, p = 0.491；Spearman's ρ = ?0.003, p = 0.990）。线性回归仅解释区块间发病率变异的2.7%（R2 = 0.027）。极高风险区块Chargawan占报告病例数的48.9%。发病率与回归残差均无显著空间自相关，无需空间回归模型。敏感性分析显示，排除Chargawan或Bharohiya不改变结论。使用2011年普查人口分母时Pearson相关呈显著（r = 0.524），但该结果完全由Chargawan驱动，反映了人口分母选择对区块水平分析的关键影响。
**五、讨论与结论**
研究人员指出，DRI与单年发病率一致性较弱可能源于多方面的因素：气候图层（地表温度和降水合计权重0.70）中降水仅以0.25°网格提供，主要贡献区域性梯度而非区块间局部分辨率；2025年降水（均值689 mm）低于常年水平，可能不代表典型气候条件；家庭密度仍依赖2011年普查数据；LULC分类精度（总体精度78.9%，kappa = 0.74）的不确定性传导至ESI和DRI。登革热传播是蚊媒、病毒、人群免疫、环境条件和公共卫生干预措施动态互作的结果，环境变量只能解释观测发病异质性的一部分。此外，医疗保健可及性在框架中具有双重角色，既作为脆弱性的风险因素，又影响病例的发现和报告，这一内在张力在区块水平残差中可能有所体现。研究还存在样本量有限（n = 20）、单年数据、缺乏昆虫学指标和病毒学信息等局限。尽管DRI作为长期空间易感性描述工具具有透明性和可重复性，但在用于监测资源分配和干预措施优先排序之前，仍需多年发病率数据、更精细的空间单元和昆虫学数据的进一步验证。
**结论**：本研究开发了一个透明的GIS–AHP框架，将环境适宜性、危害和人口脆弱性整合为戈勒克布尔县的登革热风险指数。DRI呈现显著的空间聚集性异质性，最高值出现在包含戈勒克布尔市的Chargawan区块及中西部区块。然而，其与单年区块水平登革热发病率的一致性较弱且不显著，因此该指数描述的是相对的长期空间易感性，而非预测或解释报告发病率。风险等级相对于该县而言，并非经过流行病学校准的绝对类别。该框架依赖广泛可用的地理空间和人口数据，可在其他地区复制应用，但在用于监测或媒介控制资源优先排序之前，应基于更精细空间单元的多年发病率数据以及季节性气候、昆虫学和卫生系统信息进行评估和扩展。
