基于动态物种分布模型(Dynamic Species Distribution Models, DSDMs)预测短生活史周期物种适生区——在巴西登革热与疟疾流行病学中的应用研究

《Acta Tropica》：Predicting short-life-cycle species suitability via Dynamic Species Distribution Models: applications in dengue and malaria epidemiology in Brazil

　　

物种分布模型(Species Distribution Models, SDMs)用于依据物种出现记录与气候变量估算生物的环境适生性及潜在分布范围。然而，传统方法依赖长期气候平均值，产生无法捕捉季节性变化的静态预测，这对短生活史周期物种（如媒介生物）尤为关键。在本研究中，研究人员通过整合2016–2022年月尺度出现记录及对应气候变量，采用MaxEnt算法构建了埃及伊蚊(Ae. aegypti)与达氏按蚊(An. darlingi)的动态物种分布模型(Dynamic Species Distribution Models, DSDMs)。作为空间流行病学应用，研究人员基于DSDMs预测的高气候适生区定义暴露人群，估算了巴西各州及地区的登革热与疟疾发病密度比(Incidence Rate Ratio, IRR)。模型表现良好（Ae. aegypti：AUC=0.8，TSS=0.6；An. darlingi：AUC=0.9，TSS=0.8），并确定水汽压(vapor pressure, vap)为两媒介最具影响力的气候预测因子。Ae. aegypti气候适生区遍布全国，具明显季节性，高值集中于春至初夏。IRR地图显示东南部与南部登革热发病率较高，且适生性与病例数及IRR呈显著关联(p<0.01)。An. darlingi适生区集中于北部尤其是亚马逊流域，反映其对湿润环境的依赖。研究结果表明，在SDMs中纳入时间动态可识别传播风险升高的季节窗口，为气候变率加剧背景下更有针对性的监测与控制策略提供支持。

论文解读：基于动态物种分布模型预测短生活史周期物种适生区及其在巴西登革热与疟疾流行病学中的应用

研究背景与立项依据

理解决定物种分布的因素是生态学的核心问题。基于Hutchinson生态位理论，物种分布模型(Species Distribution Models, SDMs)被广泛用于依据出现数据和环境变量估算环境适生性，应用于保护规划、气候变化及流行病学研究。传统SDMs多采用30年或50年长期气候平均值（如WorldClim、Bio-ORACLE数据库），生成反映平均条件的平滑静态分布图，缺乏季节变异信息，无法捕捉短时段内气候适生性的变化——即静态SDMs无法描述较小时间窗口内的种群动态。这一局限对受季节气候波动强烈影响、生活史短的物种（如传染病媒介蚊类）尤为突出。气候变率对重要医学媒介蚊种的种群动态有关键作用：巴西埃及伊蚊(Aedes aegypti Linnaeus, 1762)是登革热(dengue)主要媒介，达氏按蚊(Anopheles darlingi Root, 1926)是疟疾(malaria)主要媒介，二者均为短生活史周期物种，种群动态受环境条件影响显著且具有明显时间波动。登革热在巴西大部分领土呈地方性流行(endemic)，疟疾则集中于亚马逊地区，两者构成重要公共卫生负担。因此，在短时段尺度预测媒介潜在分布可支持更有效的监测与决策。将时间信息显式纳入分析的动态物种分布模型(Dynamic Species Distribution Models, DSDMs)，考虑采样日期及对应气候条件，能更真实地反映与媒介定殖和活动相关的环境适生性时间动态。本研究旨在探究将时间变异性纳入物种分布模型是否能改善巴西虫媒病流行病学风险短期窗口的识别；检验DSDMs能否捕捉Ae. aegypti和An. darlingi气候适生性的季节波动及其与疾病发病变化的关联。研究人员假设：DSDMs判定为高适生区的区域和时段对应于登革热与疟疾发病升高，表现为暴露人群较高的发病密度比(Incidence Rate Ratio, IRR)。

主要技术方法概述

研究人员从全球生物多样性信息网络(Global Biodiversity Information Facility, GBIF)获取Ae. aegypti和An. darlingi的 occurrence records（2016–2022年，含月份信息），从TerraClimate数据库获取同期月尺度气候变量，从巴西卫生部DATASUS/SVSA获取登革热与疟疾月度发病数据。以巴西各市镇为分析单元，按月份匹配出现记录与对应月气候数据，采用最大熵算法(Maximum Entropy, MaxEnt)分别构建12个月份的Dynamic SDMs（即DSDMs）。使用受试者工作特征曲线下面积(Area Under the ROC Curve, AUC)和True Skill Statistic(TSS)评估模型性能，通过置换重要性(permutation importance)确定主导气候变量。基于DSDMs逐月预测各网格气候适生性值，定义高适生区（适生性值≥阈值），将位于高适生区内的市镇人口定义为暴露人群，计算各州及地区登革热与疟疾的IRR，并进行统计学显著性检验。

研究结果

Occurrence data acquisition（出现数据获取）

研究人员从GBIF获取Ae. aegypti和An. darlingi的月度出现记录。尽管大生物多样性数据库存在采样方法异质性的已知局限，但预期不会显著影响模型结果。

Dynamic Climatic Suitability Models（动态气候适生性模型）

DSDMs表现出满意性能（Ae. aegypti：AUC=0.8，TSS=0.6；An. darlingi：AUC=0.9，TSS=0.8），能充分表征两物种的时间分布记录。水汽压(vapor pressure, vap)被识别为两模型中最重要变量。DSDMs揭示适生性在月际间存在时空变化：Ae. aegypti高适生区分布于全国各区域，全年渐变波动，最高适生值出现于春季至初夏；IRR地图显示东南部与南部登革热发病率更高，适生性、病例数与IRR呈显著关联(p<0.01)。An. darlingi适生区集中于北部尤指亚马逊流域，反映其对高湿环境的依赖；相应 malariaIRR分析显示北部高适生区与发病关联。

Discussion（讨论）

气候动态是巴西境内Ae. aegypti和An. darlingi潜在分布的基本决定因素。两媒介均对时空变化的环境梯度敏感响应，这种对局地条件的紧密依赖清晰反映在DSDMs模拟的气候适生性季节变化中。有利气候窗口不仅区域间推移，还与媒介活跃度交互。将时间动态纳入SDMs克服了传统静态模型平滑掉季节信号的问题，可识别短生活史媒介的季节易感性窗口，为针对性监测和防控提供依据。未来研究应整合社会环境变量、时间序列分析及更高分辨率数据进一步完善。

Conclusions（结论）

研究总体表明，气候动态在塑造Ae. aegypti和An. darlingi潜在分布及调节人群登革热与疟疾暴露中起决定性作用。动态方法能够识别季节趋势和区域特异性格局，提供气候—媒介生态—人群脆弱性关系的精细化解读。未来研究整合社会环境变量、时间序列及高分辨率数据有望进一步提升预警能力。本研究结果证明，在SDMs中纳入时间动态可识别传播风险增高的季节窗口，支持气候变率加剧背景下更具针对性的媒介监测与控制策略。

（注：本文为对上传论文正文内容的浓缩总结，论文发表于Acta Tropica）