从卫星上发现Culex pipiens:使用Sentinel-2和深度学习技术在意大利中部建模息地的适宜性
Carla Ippoliti1, Lorenzo Bonicelli2, Matteo De Ascentis1
1Istituto Zooprofilattico Sperimentale dell'Abruzzo e del Molise "G. Caporale", Teramo, Italy.
Frontiers in veterinary science
|July 19, 2024
概括
这项研究使用了Sentinel-2卫星数据和先进的AI模型来预测疾病载体Culex pipiens在意大利的分布. 这些发现为改善载体监测和控制策略提供了有价值的见解.
科学领域:
- 环境科学环境科学
- 遥感是一种远程传感.
- 医学昆虫学 医学昆虫学
背景情况:
- 皮皮 (Culex pipiens) 是许多载体传播疾病的重要载体.
- 预测Cx的分布. 皮皮恩对于有效预防疾病至关重要.
研究的目的:
- 预测Cx的潜在分布. 意大利中部的 pipiens 使用遥感数据和机器学习.
- 评估不同的建模方法,包括基线,多时代和图形神经网络模型.
主要方法:
- 综合存在/缺席数据来自四年 (2019-2022) 的昆虫学调查,使用Sentinel-2卫星频谱带.
- 采用深度卷积神经网络 (DCNN) 用于基线和多时代模型,以及多相邻图注意网络 (MAGAT) 用于空间和气候关系.
- 评估了卫星数据采集和蚊子收集 (0-50天) 之间的时间延迟.
主要成果:
- 多时代模型获得了最高的F1得分81.4%,超过了基线 (高达81.4%) 和MAGAT (80.9%) 模型.
- 模型有效地捕获了Cx的时间模式. 使用Sentinel-2频谱带的虫种群.
- 证实了Cx.的广泛存在. 在被调查的阿布鲁佐和莫利斯地区,皮皮恩斯.
结论:
- 开发的方法,利用Sentinel-2数据和AI,准确地预测Cx. 皮皮恩的分布和时间模式.
- 这种方法可以在全国范围内扩展,并应用于其他载体,以支持公共卫生监测和控制战略.
- 对载体种群的早期预测有助于及时和有针对性的干预对抗载体传播疾病.
