监测大规模个体稻田淹水动态：助力疟疾防控的创新之举

《Malaria Journal》：Monitoring individual rice field flooding dynamics over a large scale to improve mosquito surveillance and control

当前疟疾防控面临蚊虫行为改变和杀虫剂耐药性问题，传统防控措施受限。研究人员开展了 “Monitoring individual rice field flooding dynamics over a large scale to improve mosquito surveillance and control” 的研究，利用雷达图像监测稻田淹水动态，得出多项指标，为 LSM 干预提供依据，有助于降低疟疾负担。

　　在疟疾防控的战场上，曾经取得的显著进展正遭遇严峻挑战。近几十年来，通过扩大室内滞留喷洒和长效驱虫蚊帐等基于杀虫剂的病媒控制措施，全球抗击疟疾曾取得了持续进展。然而近年来，疟疾消除工作却陷入了困境，2022 年全球疟疾病例数高达 2.49 亿。这主要是因为蚊虫行为发生了改变，比如出现了白天和户外叮咬的情况，而且杀虫剂耐药性也在不断扩散，使得传统的病媒控制措施效果大打折扣。在这样的背景下，幼虫源管理（Larval Source Management，LSM）作为一种补充手段，受到了越来越多的关注。但 LSM 的实施需要精确了解幼虫栖息地的时空特征，以确保干预措施能够精准、及时地实施。于是，来自 ONG PIVOT、Institut de Recherche Pour Le Développement 等机构的研究人员开展了一项研究，相关成果发表在《Malaria Journal》上。

研究人员采用了多种关键技术方法。首先，通过实地数据收集，对稻田淹水情况进行了详细的观测记录。然后，利用 Google Earth Engine（GEE）平台下载 Sentinel - 1 卫星的雷达图像数据，并进行分析处理。在此基础上，使用接收者操作特征（ROC）曲线确定不同水类的分类阈值，从而对稻田的淹水动态进行分类和监测。此外，还借助 OpenStreetMap（OSM）平台获取稻田和建筑物等的地理信息，通过算法对稻田淹水时间序列进行分析和分类。

研究结果如下：

• 确定分类阈值：通过对 Sentinel - 1 SAR 图像的分析，结合实地数据，确定了不同水类的分类阈值。当 VH 极化值低于 - 17.98 dB 时被认为是开阔水面，在 - 17.98 至 - 15.93 dB 之间为植被覆盖的水面，高于 - 15.93 dB 则为无水区域。并且，该分类模型对开阔水面和植被覆盖水面的分类具有较高的灵敏度和特异性。
• 分析稻田淹水季节特征：研究发现，伊法纳迪耶纳地区（Ifanadiana）的稻田在每个农业年中，有一到两个明显的淹水季节，时间差异较大。主要淹水季节从 7 月开始，9 - 10 月达到淹水高峰，中位数持续时间为 336 天；部分稻田还有次要淹水季节，多在 3 - 4 月达到高峰，持续时间较短。此外，37.90% 的稻田至少有一个非活跃淹水季节，淹水覆盖率增加低于 10%。
• 稻田分类及与周边住户关系：运用动态时间规整（DTW）分类算法，将稻田分为八组不同淹水动态类别。其中，28.79% 的稻田具有高淹水覆盖率，38.84% 为中等淹水覆盖率，18.89% 为低淹水覆盖率，其余为始终非活跃稻田。同时，研究还发现大多数稻田（82.30%）周边 500 米范围内的住户少于 50 户。
• 开发电子健康决策支持工具：研究人员将所有数据和结果整合到一个基于 “R Shiny” 平台开发的网络应用程序中，这个工具可以在地区、村（fokontany）和个体稻田等不同层面展示关键信息，有助于相关人员更好地规划和实施 LSM 干预措施。

在研究结论和讨论部分，该研究具有重要意义。一方面，这种结合 OSM 数据和 SAR 图像分析的方法，能够在不同空间聚合层面（个体稻田、村庄、地区）对稻田进行分类和监测，为 LSM 干预的不同阶段和类型提供补充信息。比如，根据历史淹水趋势可以确定哪些稻田适合进行间歇性灌溉、排水等栖息地改造策略，还能帮助确定幼虫杀虫剂的最佳使用时期和地点，优化资源利用。另一方面，该研究揭示了当地稻田淹水季节的显著异质性，考虑到这种异质性对于 LSM 策略的成功实施至关重要。不过，研究也存在一些局限性，例如没有同步进行实地调查来确定幼虫生产力与淹水动态的关系，未考虑稻田以外的其他水生栖息地，Sentinel - 1 卫星数据的空间分辨率有限，时间序列处理可能会去除一些真实的短期异常情况，且未在实际 LSM 干预条件下测试该方法的效果。尽管如此，这项研究为大规模监测稻田淹水动态以指导 LSM 干预提供了创新且可重复的方法，有望在以稻田为重要幼虫栖息地的地区推广应用，从而降低疟疾负担，为全球疟疾防控工作提供了新的思路和方向。