Τηλεπισκόπηση και Μοντελοποίηση της αφθονίας κουνουπιών και των Ενδιαιτημάτων τους στις παράκτιες περιοχές της Βιρτζίνια

[[Εικόνα:Mv_art6_pic1.jpg|thumb|right|Σχήμα 1. Περιοχή μελέτης]]

[[Εικόνα:Mv_art6_pic2.jpg|thumb|right|Σχήμα 2. Σημεία τοποθέτησης παγίδων κουνουπιών]]

[[Εικόνα:Mv_art6_pic3.jpg|thumb|right|Σχήμα 3. Δείκτες φωτεινότητας (TC1), «πρασινότητας» (TC2) και υγρασίας (TC3) προερχόμενοι από μετασχηματισμένες εικόνες Landsat-7 ETM +.]]

[[Εικόνα:Mv_art6_pic4.jpg|thumb|right|Σχήμα 4. Δείκτες Καταλληλότητας Βιοτόπου (HSI) για τα εφήμερα είδη και το είδος C. melanura.]]

[[Εικόνα:Mv_art6_pic5.jpg|thumb|right|Σχήμα 5. Μηνιαία αφθονία του εφήμερου είδους με ποσοστιαίες αξίες.]]

'''Στόχος μελέτης'''

Αυτή η μελέτη χρησιμοποιεί τηλεπισκόπηση και GIS για την πρόβλεψη της αφθονίας των κουνουπιών φορέων, ιδιαίτερα του είδους Culiseta melanura καθώς και τη συνδυασμένη αφθονία των Aedes vexans και Psorophora columbiae σε όλη την περιοχή Chesapeake, Βιρτζίνια.Τα είδη Aedes vexans και Psorophora columbiae μπορούν να προβλεφθούν ως ένα συνδυασμένο σύνολο, επειδή τα είδη αυτά έχουν παρόμοιες προτιμήσεις ενδιαιτημάτων και παρόμοιο κύκλο ζωής του πληθυσμού. Τα είδη αυτά μοιράζονται ένα βιότοπο προτίμησης των εφήμερων υδατοδεξαμενών, όπως είναι τα λιμνάζοντα νερά από τη θερινή περίοδο των βροχοπτώσεων, και ως εκ τούτου θα αναφέρονται ως «εφήμερο είδος» σε αυτή την εργασία. Το είδος C. melanura είναι ένα σημαντικό είδος, διότι είναι ο πρωταρχικός φορέας της Εγκεφαλίτιδας (ΕEE). Σύμφωνα με τα Κέντρα Ελέγχου και Πρόληψης Ασθενειών, ο EEE είναι ένας δυνητικά θανατηφόρος ιός με ένα ποσοστό θνησιμότητας 33% (2009). Το είδος C. melanura είναι επίσης ένας πιθανός φορέας του Ιού του Δυτικού Νείλου (WNV). Αυτό το είδος βρίσκεται κυρίως σε βάλτους γλυκών νερών. Το είδος Α. vexans είναι ένα άλλο σημαντικό είδος, διότι είναι ένας πιθανός φορέας του WNV. Ο ιός συχνά φουντώνει το καλοκαίρι και συνεχίζεται το φθινόπωρο. Το είδος P. columbiae είναι επίσης ένας πιθανός φορέας του WNV, καθώς της εγκεφαλίτιδας (VEE). Τέτοια γνώση της ικανότητας κάθε είδος να μεταδσει την ασθένεια, τις προτιμήσεις των οικοτόπων, των περιβαλλοντικών απαιτήσεων για την αναπαραγωγή, καθώς και του κύκλου ζωής είναι σημαντικές για την προγνωστική χωρική μοντελοποίηση.
Αυτή η μελέτη έχει προσπαθήσει να βελτιώσει τις τεχνικές μοντελοποίησης του κινδύνου της νόσου από την πρόβλεψη της αφθονίας των ειδών-φορέων αντί να χαρτογραφηθούν απλά τα σημεία εμφάνισης κουνουπιών.
Μια δεδομένη παρουσία ενός είδους κουνουπιού επηρεάζεται από πολλές περιβαλλοντικές μεταβλητές όπως η θερμοκρασία, η βροχόπτωση, και η υγρασία του εδάφους. Πεδινές παράκτιες πεδιάδες, είναι επίσης επιρρεπείς σε αργή αποστράγγιση του εδάφους του νερού, ένα μωσαϊκό διάσπαρτων ενδιαιτημάτων ανθρώπων και ειδών-φορέων (βάλτοι, χαντάκια, και κανάλια), και επιπτώσεις από τροπικούς κυκλώνες. Μέσω της χρήσης της τηλεπισκόπησης, τα ενδιαιτήματα μπορούν να χαρτογραφηθούν και οι δυναμικές μεταβλητές περιβάλλοντος μπορούν να μετρηθούν και να χρησιμοποιηθούν για να προβλέψουν την καταλληλότητα των ενδιαιτημάτων μιας συγκεκριμένης περιοχής. Για να προσδιοριστεί η καταλληλότητα των περιοχών εντός Chesapeake, Βιρτζίνια, για την κατοικία κουνουπιών, ένας δείκτης καταλληλότητας βιοτόπου (HSI) μπορεί να υπολογιστεί για τις δύο ομάδες ειδών για το έτος 2003. Τα αποτελέσματα του HSI, μαζί με τη δυναμική των περιβαλλοντικών μεταβλητών που ενσωματώνονται σε ένα χωρικό μοντέλο GIS υπολογίστηκε η αφθονία των κουνουπιών σε όλη την περιοχή μελέτης για τη θερινή περίοδο, Ιούνιο μέχρι τον Αύγουστο του 2003. Οι προβλέψεις περιορίστηκαν σε αυτή την περίοδο, λόγω των άφθονων δεδομένων παγίδευσης κουνουπιών που διατίθενται για αυτούς τους μήνες. Αυτοί οι μήνες αντιπροσωπεύουν επίσης την προνομιακή περίοδο αναπαραγωγής για τα εν λόγω κουνούπια καθώς οι υψηλές θερμοκρασίες και οι υψηλές βροχοπτώσεις δημιουργούν ένα ιδανικό βιότοπο για τους πληθυσμούς των κουνουπιών για να ευδοκιμήσουν. Μόλις προβλεφθεί η αφθονία, τα αποτελέσματα μπορούν να χρησιμοποιηθούν σε μεταγενέστερα μοντέλα κινδύνου για την πρόβλεψη του κινδύνου μετάδοσης της νόσου από αυτά τα είδη κουνουπιών.

'''Περιοχή μελέτης και δεδομένα'''

Το Chesapeake είναι μια ανεξάρτητη πόλη που αποτελείται από 340 τετραγωνικά μίλια (2000) της νοτιοανατολικής Βιρτζίνια και έχει πληθυσμό 220.111 (2008). Η πόλη βρίσκεται στην παράκτια πεδιάδα της Βιρτζίνια και περιέχει το βορειοανατολικό τμήμα του βάλτου Great Dismal Swamp (Σχήμα 1). Τα δεδομένα από παγίδες κουνουπιών που συλλέγονται από το προσωπικό της Επιτροπής Ελέγχου των κουνουπιών χρησιμοποιήθηκαν για την πρόβλεψη τόσο του HSI όσο και της αφθονίας κουνουπιών σε όλη την περιοχή μελέτης. Παγίδες με φως CDC και δόλωμα CO2 τοποθετήθηκαν σε περισσότερα από 40 σημεία σε όλη την Chesapeake, Βιρτζίνια, το 2003 (Σχήμα 2). 

'''Μεθοδολογία'''

''Δείκτης Καταλληλότητας Βιοτόπου (HSI)''

Για να προβλέψουμε την αφθονία κουνουπιών, ένα ψηφιδωτό χωρικό μοντέλο δημιουργήθηκε το οποίο υπολογίζει ένα δείκτη καταλληλότητας βιοτόπου (HSI) και για τις δύο ομάδες των κουνουπιών σε όλη την Chesapeake. Στην παρούσα μελέτη εφαρμόστηκε το πλαίσιο μοντελοποίησης του Bellow για την ενσωμάτωση της καταλληλότητας των βιότοπων και τα δυναμικά περιβαλλοντικά μοντέλα. Το μοντέλο της καταλληλότητας των ενδιαιτημάτων χρησιμοποιεί δεδομένα από παγίδες κουνουπιών, μαζί με τις περιβαλλοντικές μεταβλητές για να υπολογίσετε έναν HIS για όλη την πόλη για το είδος C. melanura και τα εφήμερα είδη, Α vexans και P. columbiae που δείχνει όπου τα είδη αυτά είναι πιο πιθανό να βρεθούν. Για κάθε ομάδα ειδών, υπολογίζεται ένα γραμμικό μοντέλο παλινδρόμησης το οποίο χρησιμοποιεί τον συνολικό αριθμό των κουνουπιών της εποχής ως τις εξαρτημένες μεταβλητές. Υποθέτοντας ότι η παρουσία των κουνουπιών είναι μια λειτουργία των περιβαλλοντικών μεταβλητών, συγκεκριμένες ιδιότητες των ενδιαιτημάτων χρησιμοποιήθηκαν ως ανεξάρτητες μεταβλητές για να εξηγήσουν τη χωρική μεταβολή στα δεδομένα παγίδευσης των κουνουπιών. Οι μεταβλητές ενδιαιτημάτων που αναμένονται να προβλέψουν καλύτερα τη χωρική μεταβολή στα δεδομένα παγίδευσης κουνουπιών επελέγησαν ως οι ανεξάρτητες μεταβλητές στα μοντέλα γραμμικής παλινδρόμησης.Χρησιμοποιήθηκαν δορυφορικές εικόνες Landsat-7 Enhanced Thematic Mapper (ETM+) για την αξιολόγηση των κατάλληλων ενδιαιτημάτων σε κλίμακα τοπίου. Ένας Tasseled-Cap μετασχηματισμός υπολογίστηκε από εικόνα Landsat της 5ης Ιουλίου 2002 που αποκτήθηκε από την Γεωλογική Εταιρεία ΗΠΑ (USGS). Επιπλέον, ο μετασχηματισμός των πολυφασματικών δεδομένων Landsat χρησιμοποιείται για το διαχωρισμό της φωτεινότητας, της «πρασινότητας» και των καναλιών υγρασίας εντός των δορυφορικών εικόνων. Οι φωτεινοί, οι πράσινοι και οι υγροί δείκτες είναι χρήσιμοι για τον χαρακτηρισμό αυτών των βιοφυσικών χωρικών προτύπων που σχετίζονται με την καταλληλότητα τοων βιοτόπων των κουνουπιών και επιλέχθηκαν αντί της ταξινόμησης κάλυψης εδάφους, προκειμένου να χαρακτηρίσει αυτές τις περιβαλλοντικές κλίσεις. Η φωτεινότητα (TC1) είναι ένα μέτρο της ανάκλασης και συσχετίζεται με την υφή και την περιεκτικότητα σε υγρασία του εδάφους. Η «πρασινότητα» (TC2) είναι ένα μέτρο της πυκνότητας της βλάστησης, ενώ η υγρότητα (TC3) είναι ένα μέτρο της υγρασίας στο έδαφος, τη βλάστηση, και άλλες επιφάνειες.

'''Αποτελέσματα'''

''Δείκτης καταλληλότητας βιότοπου (HSI)''

Οι χάρτες καταλληλότητας βιοτόπου για τις δύο ομάδες των κουνουπιών είναι ο καθένας μοναδικός και αντιπροσωπευτικός των αντίστοιχων προτιμήσεων των κουνουπιών (Σχήμα 4). Τα αποτελέσματα της αφθονίας κουνουπιών (Σχήμα 5) φαίνεται να είναι αντιπροσωπευτικά του τρόπου αναπαραγωγής και των προτιμήσεων βιοτόπων του κάθε είδους.

'''Συμπεράσματα'''

Τα μοντέλα που δημιουργήθηκαν σε αυτή τη μελέτη θα μπορούσαν να εφαρμοστούν και σε άλλη πόλη για να προσδιοριστεί ο κίνδυνος εξάπλωσης νόσου από κουνούπια-φορείς. Με την πρόβλεψη περιοχών υψηλής αφθονίας φορέων, το μοντέλο μπορεί ενδεχομένως να βοηθήσει τις υπηρεσίες να στοχεύσουν πού να εφαρμόσουν τις προσπάθειες καταπολέμησης των κουνουπιών. Αυτό θα μπορούσε να μειώσει το υψηλό κόστος που συνδέεται με τις πρακτικές καταπολέμησης των κουνουπιών, όπως η χρήση εντομοκτόνων. Αυτό επιτρέπει την διακοπή της μετάδοσης της νόσου, καθώς και την εξοικονόμηση πόρων, προσωπικού και τα προϊόντων ελέγχου, κατευθύνοντας την αποτελεσματική εφαρμογή τους και αξιοποιώντας τις εξελίξεις στις διαθέσιμες τηλεπισκοπικές εικόνες υψηλής ανάλυσης και των δεδομένων LiDAR.

[http://www.mdpi.com/2072-4292/3/12/2663 MDPI]













 [[category:Υγεία]]