مدلسازی مکانی رخداد بیماری لمپی اسکین در ایران مبتنی بر داده‌های اقلیمی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مرکز مطالعات سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید بهشتی

2 دانشیار مرکز مطالعات سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید بهشتی

3 استادیار مرکز مطالعات سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید بهشتی

4 استاد مرکز مطالعات سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید بهشتی

چکیده

در سال­های اخیر نگرانی­ها درباره تاثیر تغییراقلیم بر تغییر الگوی مکانی و زمانی بیماری­های واگیر و شرایط زیستگاه گونه­ها افزایش یافته است. بیماری لمپی اسکین یک بیماری ویروسی با پیامدهای اقتصادی گسترده است که از طریق ویروس کاپری پاکس در گاو ایجاد می­شود. هدف از این مطالعه، پیش بینی احتمال وقوع بیماری ویروسی لمپی اسکین در جمعیت گاوها برای سال­های 2014 تا 2018 در ایران است. در این تحقیق از مدل حداکثر آنتروپی (MaxEnt) برای توصیف آشیان اکولوژیکی اقلیمی بیماری استفاده شده است. بدین منظور ابتدا از بین 19 متغیر زیست اقلیمی موجود، 7 متغیر (4 متغیر دمایی و3 متغیر بارشی) غیرهمبسته و با بیشترین درصد اهمیت نسبی در آزمون جک نایفبه همراه متغیر­های ارتفاع و پوشش گیاهی برای مدلسازی به کار گرفته شده است. برای ارزیابی دقت مدل نیز از محاسبه مساحت زیر منحنی ROCاستفاده گردید. نقشه احتمال رخداد این بیماری نشان داد که در بخش­های غرب، شمال غرب، شمال شرق ایران و جنوب دریای مازندران بیشترین احتمال وقوع بیماری لمپی اسکین را دارا بوده و دقت مدل نیز بر اساس شاخص مساحت زیر منحنی ROC برابر 0.88 می­باشد. نتایج آزمون جک نایف نشان داد که متغیر­های پیش بینی­کننده شاخص پوشش گیاهی و بارش سالانه به ترتیب بیشترین اهمیت را در مدل MaxEnt دارا می­باشند.

کلیدواژه‌ها

عنوان مقاله [English]

Spatial modeling of the incidence of lamprey skin disease in Iran based on climatic data

نویسندگان [English]

  • Fatemeh Alibeigi 1
  • A SHAKIBA 2
  • BABAK MIRBAGHERI 3
  • Ali Akbar Matkan 4
چکیده [English]

a

کلیدواژه‌ها [English]

  • a

مراجع

  1.  

     

    1. علایی طالقانی، محمود، 5985 و 5983 ، ژئومورفولوژی ایران، چاپ اول و چاپ هفتم، نشر قومس.

    2.Abera Z, Degefu H, Gari G, Kidane M. Sero-prevalence of lumpy skin disease in selected districts of West Wollega zone, Ethiopia. BMC Vet Res (2015) 11:135.

    3.MacDonald RAS. Pseudo-Urticaria of Cattle. Government of Northern Rhodesia: Department of Animal Health (1931). p. 20–1.

    4.Davies FG. Observations on the epidemiology of lumpy skin disease in Kenya. J Hyg (Lond) (1982) 88(1):95–102.

    5.Burdin ML, Prydie J. Lumpy skin disease of cattle in Kenya. Nature (1959) 183(4666):949–50

    6.Gari G, Bonnet P, Roger F, Waret-Szkuta A. Epidemiological aspects and financial impact of lumpy skin disease in Ethiopia. Prev Vet Med (2011) 102(4):274–83

    7.Sameea Youseei, P., Mardani, K., Dalir‐Naghadeh, B. & Jalilzadeh‐Amin, G. 2017. Epidemiological Study of Lumpy skin disease Outbreaks in North‐western Iran. Transboundary and emerging diseases, 64, 1782-1789.

    8.Cingoli, G. & Rinaldi, L. 2007. Geographical Information Systems in buffalo health applications. Italian Journal of Animal Science, 6, 217-222.

    9.Chen, D., Moulin, B. & WU, J. 2014. Analyzing and Modeling Spatial and Temporal Dynamics of Infectious Diseases, Wiley

    1. Stevens, K., Pfeiffer, D., 2011. Spatial modelling of disease using data- and knowledge-driven approaches. Spatial and Spatio-temporal Epidemiology 2, 125–133.
    2. Jane Elith, Steven J. Phillips, Trevor Hastie, Miroslav Dudík, Yung En Chee, and Colin J. Yates. 2011. A statistical explanation of MaxEnt for ecologists. Diversity and Distributions, 17:43-57.
    3. Phillips SJ, Andreson RP, Schapire RE. Maximum entropy modeling of species geographic distributions. Ecol Modell (2006) 190(3–4):231–59.
    4. Elith J, Graham CH, Anderson RP, Dudík M, Ferrier S, Guisan A, et al. Novel methods improve prediction of species’ distributions from occurrence data. Ecography (2006) 29(2):129–51
    5. Hijmans RJ, Cameron SE, Parra JL, Jones PG, Jarvis A. Very high resolution interpolated climate surfaces for global land areas. JOC Int J Climatol (2005) 25(15):1965–78.
    6. Guisan, A., Thuiller, W., & Zimmermann, N. E. (2017). Habitat suitability and distribution models: with applications in R. Cambridge University Press.‏
    7. Phillips SJ, Andreson RP, Schapire RE. Maximum entropy modeling of species geographic distributions. Ecol Modell (2006) 190(3–4):231–59.
    8. Corey Merow, Matthew J. Smith, and John A. Silander, Jr. 2013. A practical guide to MaxEnt for modeling species’ distributions: what it does, and why inputs and settings matter. Ecography, 36: 1058–1069.
    9. Busby, J.R., 1986. A biogeographical analysis of Nothofagus cunninghamii (Hook.) Oerst. in southeastern Australia. Aust. J. Ecol.11, 1–7.

     

     

    .

     

     

پژوهش های اقلیم شناسی
دوره 1398، شماره 40 - شماره پیاپی 40
سال دهم شماره چهل ام-زمستان 1398
شهریور 1399
صفحه 91-97

فایل ها

هم رسانی

ارجاع به این مقاله

آمار