机器学习用于预测气候变化对Pseudopithomyces chartarum子数的影响:面部湿疹的风险指标

科学领域:

• 环境科学 环境科学
• 菌类学 菌类学是指菌类学.
• 气候科学 气候科学

背景情况:

• 面部湿疹 (FE) 是新西兰的一个重要的动物健康问题,是由 Pseudopithomyces chartarum. 的真菌的牧场子数量驱动的.
• 了解气候变量对P. chartarum子增殖的影响对于预测和管理FE疫情至关重要.

研究的目的:

• 为了确定影响P. chartarum牧场子数量的关键气候变量.
• 预测到2100年新西兰的P. chartarum子数量和相关的面部湿疹风险.

主要方法:

• 利用了来自新西兰北岛102个农场的862个牧场的纵向P. chartarum牧场子计数数据 (2010-2017年).
• 将子计数数据与历史和预测气候数据合并,包括时间延迟.
• 采用线性回归和随机森林模型来确定变量重要性并预测未来的子数量.

主要成果:

• 随机森林模型在分类高FE风险 (>20,000个子) 中达到80%的准确性,R2为43%.
• 确定的主要气候驱动因素包括土壤温度,太阳辐射,潜在的蒸发透气,蒸汽压力,土壤湿度和最低温度.
• 模型预测,在高排放场景 (RCP 8.5) 下,到2100年季节性平均子数量将增加17%,高风险事件的频率将增加.

结论:

• 研究结果表明,由于气候变化,新西兰面部湿疹的风险增加,特别是在北岛和南岛的部分地区.
• 该研究强调了生态数据对于预测气候敏感疾病风险和为缓解策略提供信息的重要性.
• 结果可以指导有针对性的干预措施,以管理面部湿疹风险在不断变化的气候.