عنوان به زبان ديگر :
Identifying the Climatic Factors Affecting the Prevalence of Cutaneous Leishmaniosis in Ilam Province, Iran, Using Satellite Imagery
پديد آورندگان :
فرج‌زاده‌ي‌اصل، منوچهر دانشگاه تربيت مدرس - گروه جغرافياي طبيعي , غلامي، سروش دانشگاه تربيت مدرس - گروه جغرافياي طبيعي , قويدل‌رحيمي، يوسف دانشگاه تربيت مدرس - گروه جغرافياي طبيعي
كليدواژه :
ليشمانيوز , پشه خاكي , TRMM , LST , ماهواره سنجش از دور
چكيده فارسي :
مقدمه: ليشمانيوز يكي از ﺑﯿﻤﺎريﻫﺎي اﻧﮕﻠﯽ ﺷﺎيﻊ در ﻣﻨﺎﻃﻖ ﮔﺮﻣﺴﯿﺮي و ﻧﯿﻤﻪﮔﺮﻣﺴﯿﺮي ﺟﻬﺎن است ﮐﻪ ﺗﻮﺳﻂ اﻧﮕﻞﻫﺎي ﺗﮏيﺎﺧﺘﻪاي از ﺟﻨﺲ ﻟﯿﺸﻤﺎﻧﯿﺎ ايﺠﺎد شده و به واسطه‌ي ﮔﺰش گونه‌هايي از ﭘﺸﻪ ﺧﺎﮐﯽ ﺑﻪ اﻧﺴﺎن ﻣﻨﺘﻘﻞ ﻣﯽﮔﺮدد. اين بيماري يكي از ﺑﯿﻤﺎريﻫﺎي اﻧﮕﻠﯽ زﺋﻮﻧﻮزي[1] اﺳﺖ ﮐﻪ توسط ﺳﺎزﻣﺎن ﺟﻬﺎﻧﯽ ﺑﻬﺪاﺷﺖ در رديﻒ ﺷﺶ ﺑﯿﻤﺎري ﻣﻬﻢ ﻋﻔﻮﻧﯽ ﻣﻨﺎﻃﻖ ﮔﺮﻣﺴﯿﺮي دﻧﯿﺎ ﻣﻌﺮﻓﯽ شده اﺳﺖ. جمعيت حشره‌ي ناقل اين بيماري تحت تأثير آب و هوا تغيير مي‌كند؛ اين عامل ارتباط بسيار زيادي با عوامل آب و هوايي دارد. هدف از مطالعه حاضر امكان‌سنجي و تبيين توانمندي تصاوير و داده‌هاي ماهواره‌اي در كمك به شناسايي، تبيين و تحليل پراكندگي و تأثير عوامل آب و هوايي بر ميزان شيوع بيماري ليشمانيوز در منطقه‌ي ايلام است.
روش كار: براي اين كار از داده‌هاي دما، رطوبت، بارش، سرعت باد و تابش خورشيدي كلي 8 ايستگاه هواشناسي سينوپتيك و همچنين محصولات دماي سطح زمين[2]، شاخص پوشش گياهي تفاضلي نرمال شده[3] سنجنده‌ي ماديس و داده‌هاي بارش تجمعي ماهواره‌ي TRMM براي يك دوره سه ساله (1390تا1392) استفاده شد. در ابتدا نقشه‌هاي رستري داده‌هاي مذكور در محيط Arc GIS تهيه گرديد، سپس ميزان همبستگي ميانگين پيكسل‌هاي نقشه‌هاي رستري داده‌هاي آب و هوايي و ماهواره‌اي با شيوع بيماري ليشمانيوز در مقياس زماني فصلي با استفاده از رابطه‌ي همبستگي پيرسون مورد بررسي و تحليل قرار گرفت و در آخر براي شناسايي و مدلسازي متغييرهاي محيطي اثرگذار بر ميزان شيوع ليشمانيوز، مدل رگرسيون چندگانه ميزان شيوع بيماري ليشمانيوز در منطقه بر اساس متغييرهاي همبسته، طراحي گرديد.
يافته‌ها: نتيجه بررسي ضرايب همبستگي براي منطقه حاكي از وجود همبستگي منفي و قوي ميان ميزان شيوع بيماري ليشمانيوز با دما، دماي خاك و سرعت باد به مقدار به ترتيب: (-0.760, -0.756, -0.691) و همبستگي مثبت با رطوبت نسبي و بارش به مقدار به ترتيب (0.660, 0.662) در داده‌هاي ايستگاهي و ماهواره‌اي بود. به علاوه، نقش سرعت باد نيز به عنوان يك عامل محدود كننده در منطقه شناسايي شد.
نتيجه‌گيري: نتيجه‌ي بررسي‌ها نشان داد كه داده‌هاي سنجش از دور و به طور اخص داده‌هاي دماي سطح زمين سنجنده‌ي ماديس و بارش ماهواره‌ي TRMM توانايي قابل قبولي براي جايگزيني با داده‌هاي هواشناسي ايستگاهي و كمك به تببين و شناسايي عوامل اثرگذار بر ميزان شيوع و الگوهاي فضايي پراكندگي اين بيماري دارند.
چكيده لاتين :
Introduction: Leishmaniosis is a common parasitic disease in tropical and subtropical areas of the world caused by protozoan of the genus Leishmania and transmitted to human via the bite of the species of sandflies. This is a zoonotic disease subsumed by the World Health Organization (WHO) in the list of 6 important infectious diseases in the world. The population of the insect vector of this disease is influenced by changes in climate, and has a very strong relationship with climatic factors. The current study aimed at verifying and explaining the feasibility and capability of satellite imagery and data to contribute to identifying, analyzing, and explaining the impacts of climatic factors, and its spatial distribution on the prevalence of leishmaniosis in Ilam province, Iran.
Method: For this purpose, the climatic data including air temperature, soil temperature, relative humidity, precipitation, wind speed, and global solar radiation from 8 meteorological synoptic stations along with the NDVI and LST products of the MODIS sensor for a 3-year period, from 2011 to 2013, were gathered and used. To carry out the current study, at first, raster of all the data were created in Arc GIS 10.2; then, the correlation between the average of raster’s pixels of satellite and stationary data with the raster of leishmaniasis prevalence in a seasonal and temporal scale was verified and analyzed, using the Pearson correlation coefficient. At the end, to identify and model the variables affecting the incidence of leishmaniasis, a multivariate regression model of the prevalence of leishmaniosis was designed for the studied area, based on the correlated variables.
Results: The results for the entire studied area in a seasonal temporal scale showed a negative strong correlation between leishmaniasis prevalence and soil temperature, air temperature, and wind speed (with correlation coefficients of -0.760, -0.756, and -0.691, respectively), and a strong positive correlation with relative humidity and precipitation (with correlation coefficients of 0.660 and 0.662, respectively). Also, wind speed was verified as a limiting factor for leishmaniasis prevalence.
Conclusion: The obtained result showed that the remote sensing data, particularly the LST product from MODIS sensor and rainfall data from TRMM satellite, had acceptable capabilities to be replaced with meteorological stationary data and they also helped to explain and identify factors influencing the prevalence and distribution of spatial patterns of the disease.
