城市景观格局主导驱动中国杭州登革热初期疫情分布

登革热（dengue fever, DF）是全球传播最广泛的蚊媒传染病之一，估计至2080年全球将有约63%的人口处于登革热感染风险。本文基于景观流行病学的框架和方法，对杭州市新出现的登革热疫情与城市景观特征的空间关系进行了研究。研究采集了杭州市的景观特征（包括景观指数和社交聚集点密度）和社会经济条件，使用了地理加权零膨胀泊松回归(GWZIPR)模型分析上述因素对登革热空间风险的影响。并借助ZIPR-LASSO算法进行变量选择和模型优化。结果表明，城市的景观特征对登革热流行风险的影响比社会经济条件更为重要，建成区面积，房产价格、娱乐场所和公共服务场所密度能够较好地解释杭州登革热风险的空间差异。

登革热是一种由登革病毒引起的蚊媒疾病，威胁着世界一半以上的人口。从2000年到2019年，WHO记录的登革热病例从50万例增加到520万例，分布在全球129个国家。了解登革热流行的驱动因素，实施有效的预防和控制措施有助于实现全球可持续发展目标和良好的人类福祉。基于景观流行病学的知识框架，城市的景观特征可能与登革热媒介生物埃及伊蚊和白纹伊蚊的空间分布密切相关，也会调控城市居民的聚集行为，影响城市内登革热风险的空间分布。然而，传统的研究主要关注病媒生物的空间分布，对人蚊接触及相关的人群聚集活动这一重要的疾病感染过程却往往被忽略。由于蚊媒传染病的空间聚集特点，研究区域内往往出现大量无病例空间，对传统统计模型的结果造成较大偏差，需要使用零膨胀模型处理这类具有大量零值的数据集。此外流行病的特点导致这些感染病例之间存在较强的空间自相关关系，因此我们在本研究中开发了一种结合零膨胀模型和空间加权回归模型分析城市景观特征与登革热传播之间的新途径，用于辨析调控城市登革热空间风险的景观与社会过程。

杭州是浙江省省会城市，位于中国东部，东经118-120°，北纬29-30°。它是长三角的核心城市，也是中国最发达的地区之一。杭州属亚热带季风气候，年平均气温17.8℃，年降水量1454毫米。由于夏季持续的高温和充沛的降雨，蚊子种群通常在8-10月达到高峰。

2017 年夏季，杭州发生了第一次 大规模的登革热本地疫情，主城区报告了 1151 例本地 感染病例。由于登革热病例主要分布在杭州市主城区，本次研究范围划定为杭州主城区范围内，包括上城区、下城区、拱墅区、江干区、西湖区、滨江区、余杭区、萧山区。

图1 2017年杭州市登革热病例地理位置

2.2.1 登革热病例数据

从杭州市疾病预防控制中心获取2017年登革热本地病例的基本信息。由于感染者无法准确确定被蚊子叮咬发生感染的位置，我们假设这些感染者的日常活动以他们的住址为中心，并将住址作为登革热病例唯一确认的空间位置。此外我们获取了2018年和2019年的登革热病例数据用以验证了预测模型的准确性。登革热病例的半方差分析发现其空间自相关的作用尺度为2.1公里，因此我们将杭州主城区划分为2km×2km的网格，作为分析的基本空间单元。以一个空间单元内的本地登革热病例数作为登革热空间风险指标，并将研究区域内所有单元分为有病例的计数单元和无病例的零单元。

在本研究中，城市景观格局由土地利用格局（LULC）和社交聚集点（SGP）格局组成。LULC反映了景观要素的平面格局，而SGPS反映了城市公共场所的点状格局。10m分辨率的LULC数据被重新分类为绿地、水体和建成区三种类型。我们计算了三种LULC类型(表1)的两个景观指数，即总面积(CA)和形状指数(SI)。SGP的POI数据从高德地图开放平台获得，包括传统农贸市场(247项)、商场(366项)、公园(3249项)、餐馆(40240项)、公共服务(20804项)和娱乐场所(11117项)，然后计算了每种SGP类型在每个空间单元中的密度。

图1 相关变量的具体描述

人口数据来自WorldPop数据库。道路密度从OpenStreet获取。房产价格来自链家网站。GDP数据来源于中国科学院资源环境科学与数据中心。

使用Moran‘s I对每个单元中出现的病例数量进行全局空间自相关分析。为了进一步评估局部空间的聚类模式，计算了局部空间自相关度量（LISA）。

使用零膨胀泊松回归模型（ZIPR）和地理加权GWZIPR零膨胀泊松回归模型分析来量化16个变量(表1)，包括社会经济条件、LULC和SGP对登革热空间风险的影响，并比较这两个模型的性能。由于研究区域内零单元的频率很高，我们使用ZIPR模型进行全局多变量分析。ZIPR模型可以应用于目标数据具有较多的零值的情况，分为两个子模型，一个是关于观测值是否为零的Logistic回归模型，另一个是分析具体观测数值的泊松回归模型。GWZIPR是经典ZIPR的地理加权版本，通过研究各变量的作用系数的空间分布，可以更好地理解传播过程的空间异质性。

在对16个变量进行标准化后，我们构建了三个独立的数据子集，分别涉及社会经济变量、LULC变量和SGP变量，并将它们应用于ZIPR和GWZIPR模型，以检验它们对登革热风险的独立影响。并利用ZIPR-LASSO算法对包含16个变量的全模型进行变量选择和模型优化，计算优化模型中各变量的相对贡献，最后利用优化的GWZIPR模型进行登革热空间分风险的预测。我们将2018年和2019年的登革热实际病例的空间位置叠加在风险预测图上，以验证模型的准确性。

杭州主城区共记录有140个计数单元和822个零单元，感染病例呈自市中心向外递减的梯度分布(图2a)。登革热病例的分布具有显著的空间自相关性(Moran’s I = 0.214，p < 0.001)。LISA聚类分析确定了34个高-高聚集单元，集中在杭州的城市中心，9个低-高单元，与高-高集群相邻；3个高-低单元。没有发现低-低单元(图2b)。大多数高-高聚集单元分布在城市中心，表明大多数登革热病例发生在建成区面积较大的区域，而不是蓝绿空间较多的区域(图3A)。高-高单元中房产价格中并不是最高的，而是在低-高集群单元中最高(图3B)。除公园外，大多数SGP中以高-高单元为主(图3C)。低-高单元大多位于房价和绿化程度较高的新开发城市化地区。

图2 登革热病例的空间分布(a)和登革热密度的LISA聚类图(b)

图3 LISA单元集群中LULC类型(a)、社会经济条件(b)和SGP密度(c)的分布

GWZIPR和ZIPR的模型比较表明，GWZIPR是一个性能更优异的模型(表2)。在每个类别的GWZIPR模型中，均表现除较高的校正R2、较低的AICC和残差Moran‘s I。在GWZIPR模型中，与SGP相关的变量比LULC和社会经济条件具有更好的解释效力。

表2 GWZIPR和ZIPR对登革热风险的三个解释类别的比较

ZIPR-LASSO算法选取了9个变量进行后续分析(图4)。去除一个不显著的变量（餐馆）后，最终优化的ZIPR模型(表3)和GWZIPR模型(表4)都包含8个变量，涉及房产价格、GDP、人口、娱乐场所、公园、商场、公共服务和建成区面积。优化后的GWZIPR模型(表4)与ZIPR模型(表3)相比，性能更好。与包含一类变量的初始模型(表2)相比，考虑了所有变量的优化GWZIPR模型的性能也更强(表4)

表3 优化ZIPR模型分析结果

表4 优化GWZIPR模型分析结果

由于GWZIPR模型是一个局部空间回归，变量的贡献随着空间位置的不同而变化，无法估计变量的整体贡献。因此我们估计了优化ZIPR模型中8个关键变量的相对贡献率。建成区面积是登革热风险最重要的解释变量(图5)，代表家庭收入的房产价格是第二重要的影响因素，而一些特殊的SGP，如娱乐场所和公共服务，也在登革热传播的空间风险中发挥了重要作用。超出我们预期的是，虽然蓝绿空间在早期的大量研究中被认为与蚊子的密度密切相关，但我们的研究发现登革热的空间风险与蓝绿空间无关。

图5 ZIPR模型中各变量对登革热风险的相对贡献

基于优化的GWZIPR模型的空间可视化发现，模型识别的关键变量对登革热风险的作用是具有空间依赖的。在计数模型中，娱乐场所密度、公园密度、建成区面积和GDP在登革热病例密度高的中部地区对登革热风险有正向影响(图6a，e，f，h)。服务业和购物中心的密度以及房产价格则呈现出相反的空间格局(图6b，c，g)。人口对东部地区有正面影响，而对西部地区有负面影响(图6d)。在零模型中，购物中心和服务对登革热病例的是否出现有负面影响(表4)。

根据优化的GWZIPR模型对杭州登革热的空间风险进行预测，并根据预测的每个小区的登革热病例数来划分风险级别(图7a)。在研究区域内，识别了11个高风险单元、67个中风险单元和65个低风险单元。2017年，预测的高风险和中等风险地区覆盖了91%的登革热实际病例(表5，图7b)。2018年中高、风险地区仅覆盖44%的登革热病例(图7c)，这是由于2017年登革热疫情爆发后，杭州采取了超常规的预防和控制措施。2019年在高、中风险地区(图7d)再次覆盖了83%的实际病例。

图6优化GWZIPR计数模型中的各变量作用系数的空间分布

图7 基于GWZIPR的杭州登革热风险评估。(a)登革热风险的空间预测；(b)2017年登革热实际病例；(c)2018年登革热实际病例；(d)2019年登革热实际病例

杭州市位于中国城市化程度最高的长三角地区，具有很高的建筑密度和房产价格。前的我们发现与高度城市化相关的城市特征，如面积更大的建成区、高GDP和更多的娱乐场所会增加登革热的风险。在相关的社会经济变量中，代表家庭收入的房产价格与登革热风险呈负相关，高收入家庭可以负担得起更好的防蚊设施和医疗保健开支，以降低登革热感染风险。

SGP密度对登革热空间风险具有重要的影响，且作用具有空间异质性的。现有的研究对SGP效应的空间依赖性考虑较少，导致在传统的流行病学研究中低估了它们的作用。然而，在我们的研究中，SGP在确定城市地区登革热的空间风险方面的作用超出了我们的预期。在探讨六个SGP对登革热风险的影响时，娱乐场所对登革热的影响最大，这些娱乐场所拥挤而温暖的室内环境也促进了蚊子的叮咬行为，增加感染风险。商场内有足够的空调降温，产生的干燥凉爽的环境并不适合蚊子栖息和繁殖。商场较少的地区也会导致这些仅有的购物场所产生更强的聚集效应。这些可能是城市中心购物中心对登革热风险产生负面影响的原因。

GWZIPR零模型的结果也表明，商场和公共服务场所的密度促进了登革热疫情的发生。以往的经典流行病学研究证明，来自传统疫区(如东南亚国家)的输入性感染是新疫区暴发的主要驱动力。商场较少的地区增加了对本地人和外来者在仅有的少量商场中的聚集和相遇。然而，在计数和零模型中，公共服务场所具有相反的效果。我们推测这是由于外国人和当地人对公共服务场所的使用方式不同所致。与当地人相比，外国短期游客访问这些公共服务场所的人数较少。而服务场所数量较少的地区也使这些外来访客聚集在一个特定的场所，增加了这些潜在感染源与本地居民之间的联系。

尽管许多研究报道了城市绿地对蚊子密度的显著影响，但其对登革热风险的直接影响弱于SGPS和社会经济水平。蚊虫密度与登革热风险之间的正相关关系是毋庸置疑的，但本研究发现蚊虫和易感人群的时空重叠对登革热疫情风险更为重要和直接。此外，城市蓝绿色空间也可能有利于蚊子的天敌种群发展，抑制蚊子密度。因此，蓝绿色空间对登革热风险的影响尚无明确定论，且它们的作用也存在空间异质性。例如在我们的结果中，公园对登革热的风险在城市中心和边缘完全不同。

本研究采用景观流行病学的研究框架和技术方法，论证了跨学科研究对城市公共卫生和可持续景观治理的重要性。此外，将空间异质性与传统的流行病学方法相结合，将支持更准确的空间风险预测和更具可操作性的精细尺度预防和控制措施。在政策和实践方面，景观特征对传染病的影响一直是城市可持续发展框架中缺失的问题。在这些城市可持续发展研究中，低估了过去几十年新的流行病对全球城市造成的灾难。根据我们的研究结果，高度人为影响的城市景观中的低收入社区遭受的登革热风险最高。我们建议在市中心规划更多的公园，以减少建筑区的高覆盖率。并在低收入社区开展更频繁的蚊子和感染者监测。基于景观流行病学框架对这些流行病进行精确、有效和公平的预防和控制，可以改善我们实现城市可持续发展的目标。

本研究分析了中国登革热新发疫区杭州市登革热病例的城市景观特征，探讨了影响登革热流行空间变异的主导因素。我们发现在城市尺度，与城市化相关的景观格局，包括土地利用格局和社交聚集点对登革热空间风险地影响要强于经济社会条件。建成区面积对登革热风险的影响最大，而蓝绿空间对登革热风险的直接影响较小。这些发现突出了景观流行病学在公共卫生管理和城市可持续发展中的关键作用。我们建议未来登革热的预防和控制策略应该更多地考虑城市的景观格局和社交聚集点地分布。

本公众号由复旦城市生态与暴露生态学研究组(Urban Ecology and Exposure Ecology Lab, UEEE)运营维护，发布相关研究成果，更传播城市生态与暴露生态学最新研究与实践。欢迎专家学者将研究成果在此发布（发送邮件:zhaowu_yu@fudan.edu.cn），让更多人了解您的研究及工作。