
-
生物通官微
陪你抓住生命科技
跳动的脉搏
肯尼亚沿海地区各社区健康单元周边城镇化的纵向多代理地理空间分类
《International Journal of Health Geographics》:A longitudinal multi?proxy geospatial classification of peri?urban transitions across community health units in coastal Kenya
【字体: 大 中 小 】 时间:2026年08月17日 来源:International Journal of Health Geographics 4.1
编辑推荐:
摘要背景在许多撒哈拉以南非洲地区,城市化进程在空间上存在显著差异。当“农村”和“城郊”这类标签被随意使用或更新不一致时,就会给社区健康规划带来困难。我们研究了在肯尼亚沿海地区的卡洛莱尼·拉巴伊健康与人口监测系统(KRHDSS)中,是否能通过多种公开可用的地理空间指标来描述居民点的
在许多撒哈拉以南非洲地区,城市化进程在空间上存在显著差异。当“农村”和“城郊”这类标签被随意使用或更新不一致时,就会给社区健康规划带来困难。我们研究了在肯尼亚沿海地区的卡洛莱尼·拉巴伊健康与人口监测系统(KRHDSS)中,是否能通过多种公开可用的地理空间指标来描述居民点的发展动态,并为社区健康单元(CHU)的分类提供依据。
我们对基利菲县的10个社区健康单元进行了纵向生态学分析,数据涵盖2017年至2024年的年度观测结果。我们在每个社区健康单元范围内选取了五种反映居民点密集程度的地理空间指标:可见红外成像辐射计套件(VIIRS)测得的夜间灯光亮度、Sentinel-2卫星数据得出的建成区比例、WorldPop数据得出的建成区比例、WorldPop数据得出的人口密度,以及城市化程度指标。我们量化了这些指标的年度变化和累计变化情况,通过多种相关性分析方法评估其一致性,包括综合描述性相关性分析、社区健康单元层面的汇总相关性分析、以社区健康单元内部为中心的相关性分析以及变化相关性分析。此外,我们还对标准化后的社区健康单元层面指标值应用k均值聚类算法进行探索性分类,再通过跨指标投票得分法确定最终分类结果。为检验方法的稳健性,我们还采用了其他时间序列汇总方式、指标排除分析、单社区健康单元排除法、时间重采样分析、联合k均值聚类分析以及主成分分析等方法。
每个指标对应的分析数据集包含80个社区健康单元年度观测值,且没有原始数据缺失。在“城市化程度”这一指标中,有37个观测值为零,呈现出明显的下限效应。从2017年到2024年,夜间灯光亮度的累计百分比变化中位数为62.25%,Sentinel-2卫星数据得出的建成区比例的累计百分比变化中位数为110.74%,WorldPop数据得出的建成区比例的累计百分比变化中位数为34.14%,而人口密度的累计百分比变化中位数为14.67%。Sentinel-2卫星数据得出的建成区比例在不同年份间差异较大,其中41.0%的年度变化值为负。各指标的原始数据综合相关性范围在0.710到0.955之间,但由于80个社区健康单元年度观测值中有部分在10个社区健康单元内重复出现,因此这些相关性数值仅作为描述性指标使用。社区健康单元层面的指标相关性中位数范围在0.736到0.967之间,而以社区健康单元内部为中心的相关性分析和变化相关性分析显示的时间一致性则较弱。通过跨指标投票得分法,10个社区健康单元中有3个被归类为典型的城郊区域;在主要的指标排除分析和时间序列汇总敏感性分析中,这3个社区健康单元的类别依然保持稳定。
多指标地理空间分析方法可以为分析过渡性地区的社区健康单元居民点分布特征提供一个可重复使用的探索性框架。在该研究背景下,该方法不仅识别出了那些居民点密集程度较高的稳定核心区域,同时也揭示了指标间的依赖关系、数据的时间波动性以及与阈值相关的下限效应。这种分析方法应被视为一种补充性的空间分层工具,在直接用于常规卫生系统规划之前,还需要进行本地化的校准和验证。
在许多撒哈拉以南非洲地区,城市化进程在空间上存在显著差异。当“农村”和“城郊”这类标签被随意使用或更新不一致时,就会给社区健康规划带来困难。我们研究了在肯尼亚沿海地区的卡洛莱尼·拉巴伊健康与人口监测系统(KRHDSS)中,是否能通过多种公开可用的地理空间指标来描述居民点的发展动态,并为社区健康单元(CHU)的分类提供依据。
我们对基利菲县的10个社区健康单元进行了纵向生态学分析,数据涵盖2017年至2024年的年度观测结果。我们在每个社区健康单元范围内选取了五种反映居民点密集程度的地理空间指标:可见红外成像辐射计套件(VIIRS)测得的夜间灯光亮度、Sentinel-2卫星数据得出的建成区比例、WorldPop数据得出的建成区比例、WorldPop数据得出的人口密度,以及城市化程度指标。我们量化了这些指标的年度变化和累计变化情况,通过多种相关性分析方法评估其一致性,包括综合描述性相关性分析、社区健康单元层面的汇总相关性分析、以社区健康单元内部为中心的相关性分析以及变化相关性分析。此外,我们还对标准化后的社区健康单元层面指标值应用k均值聚类算法进行探索性分类,再通过跨指标投票得分法确定最终分类结果。为检验方法的稳健性,我们还采用了其他时间序列汇总方式、指标排除分析、单社区健康单元排除法、时间重采样分析、联合k均值聚类分析以及主成分分析等方法。
每个指标对应的分析数据集包含80个社区健康单元年度观测值,且没有原始数据缺失。在“城市化程度”这一指标中,有37个观测值为零,呈现出明显的下限效应。从2017年到2024年,夜间灯光亮度的累计百分比变化中位数为62.25%,Sentinel-2卫星数据得出的建成区比例的累计百分比变化中位数为110.74%,WorldPop数据得出的建成区比例的累计百分比变化中位数为34.14%,而人口密度的累计百分比变化中位数为14.67%。Sentinel-2卫星数据得出的建成区比例在不同年份间差异较大,其中41.0%的年度变化值为负。各指标的原始数据综合相关性范围在0.710到0.955之间,但由于80个社区健康单元年度观测值中有部分在10个社区健康单元内重复出现,因此这些相关性数值仅作为描述性指标使用。社区健康单元层面的指标相关性中位数范围在0.736到0.967之间,而以社区健康单元内部为中心的相关性分析和变化相关性分析显示的时间一致性则较弱。通过跨指标投票得分法,10个社区健康单元中有3个被归类为典型的城郊区域;在主要的指标排除分析和时间序列汇总敏感性分析中,这3个社区健康单元的类别依然保持稳定。
多指标地理空间分析方法可以为分析过渡性地区的社区健康单元居民点分布特征提供一个可重复使用的探索性框架。在该研究背景下,该方法不仅识别出了那些居民点密集程度较高的稳定核心区域,同时也揭示了指标间的依赖关系、数据的时间波动性以及与阈值相关的下限效应。这种分析方法应被视为一种补充性的空间分层工具,在直接用于常规卫生系统规划之前,还需要进行本地化的校准和验证。
生物通微信公众号