简介：目的对卫星遥感技术在钉螺监测中的应用作一综述并对其应用现状作评价,希望对血防工作有所启示.方法将卫星遥感技术与传统的钉螺监测方法作了介绍并进行了比较,重点介绍了目前国内外卫星遥感技术在钉螺监测中的应用现状.结果卫星遥感技术在钉螺监测中应用主要分为4个方面:(1)确定钉螺的可能孳生地;(2)预测血吸虫病潜在的疫区;(3)预测钉螺的相应变化;(4)识别影响钉螺分布的危险因素.结论卫星遥感技术在钉螺监测中具有广阔的应用前景.

简介：目的了解武汉马路边绿化带及老旧居民区土质地面鼠洞分布现状,检验城市地下井周边土质地面更容易有鼠洞的经验是否可靠。方法在武汉城区马路边绿化带、老旧居民区土质地面选全部落在距离井盖5m范围内的＂井盖附近样方＂及所有点距离最近的地下井井盖超过5m的＂远离井盖样方＂,记录样方中鼠洞数量及与井盖是否＂零距离＂接触,分析多种因素与土质地面样方是否有鼠洞的关联性。结果＂井盖附近样方＂及＂远离井盖样方＂鼠洞阳性率分别为7.3%和3.1%,具有显著性差异（P〈0.001）;鼠洞密度分别为0.052和0.018个/m2,具有显著性差异（P=0.005）。＂零距离＂和＂非零距离＂样方鼠洞阳性率分别为17.7%和3.1%,具有显著性差异（P〈0.001）;鼠洞密度分别为0.069和0.023个/m2,具有显著性差异（P〈0.001）。马路边绿化带和老旧居民区样方鼠洞阳性率分别为2.4%和8.9%,具有显著性差异（P〈0.001）;鼠洞密度分别为0.030和0.040个/m2,具有显著性差异（P=0.037）。结论城市地下井盖附近土质地面更可能有鼠洞。

简介：目的：分析地面“十”字定位法在脊柱手术中的运用效果。方法：运用术前C臂透视机定位所需手术的脊柱节段并在地面做“十”字标记，术中运用此标记进行透视。结果：2013年1～12月我科行脊柱手术约300余台，均在术中使用地面“十”字定位法进行C臂透视，手术时间均由2012年的2～25h缩短到1．5～2h，手术切口感染发生列数2012年1列，2013年未发生。结论：使用C臂透视机地面“十”字定位法较传统式的定位法定位成功率更高，明显缩短手术的时间降低切口感染。

简介：目的通过分析广州市2002年登革热疫情数据,采用遥感以及地理信息系统技术标识与登革热（DF）的流行风险相关的地表景观种类。方法首先,通过基于泊松模型的回顾式空间-时间分析方法获取疫情数据的时空聚集状况。其后,从MODIS卫星图像中提取地表景观信息,并逐月逐区计算各地类所占对应研究区的面积比例。最终,由广义线性模型分析确定DF病例的存在与否与地表景观种类面积比例的关系,并使用二态逻辑回归分析建立预测模型。结果最有可能的登革热聚集圈中心位于东山区,同时覆盖越秀区以及荔湾区,其时间窗为8月至10月。最佳预测模型对＂某行政区在气候条件允许下是否存在登革热病例＂的预测达到了91.1%的准确度。结论开放水域,以沼泽和湿地为主的湿草场,以水稻为主的农田以及开发用地被标识为与登革热病例存在与否最为相关的地类因子。

简介：目的探讨钉螺孳生环境和钉螺密度与遥感指数值之间的定量关系。方法选择鄱阳湖区有螺洲滩一块．采用系统（20m×10m）和环境抽样两种方法对洲滩进行钉螺调查，同时对查螺时间段的遥感影像进行影像解析．分别提取NDVI、GVI、GEMI、PVI、MSAV12指数，并结合螺情资料进行分析。结果不同指数值均能区别反映有螺孳生环境和无螺环境。钉螺密度的自然对数值与各指数值之问存在着正相关关系（P〈0．01）：并建立了钉螺密度的自然对数值（Y）与综合指数值间（X）的综合数学模型。结论遥感数值能反映钉螺数量分布，但用综合指数建立的数学模型所反应的数据与实际调查结果更为接近。

简介：目的探讨皖北疟疾的发病率与地表温度（landsurfacetemperature,LST）、归一化植被指数（normalizeddifferencevegetationindex,NDVI）的关联性,评价用LST、NDVI对疟疾发病率自回归移动平均模型（autoregressiveintegratedmovingaveragemodel,ARIMA）预测结果进行校正的效果。方法以皖北五县为研究现场,收集各县2004-2011年的疟疾疫情数据及LST、NDVI等遥感图像资料,提取、合成遥感相关指标;运用SPSS17.0软件进行统计学处理。结果ARIMA模型对2010年各月份的预测结果较报告发病率高（平均误差=0.721/10万）。多因素分析结果显示,当地的疟疾发病率与近三个月的平均LST（lst_（_012）,β=0.295）及之前两个月的平均NDVI（ndvi_（_12）,β=0.280）有关联（P〈0.001）;将二者作为校正因子（相对贡献为2∶1时）对2010年的预测结果进行校正,平均误差缩小为0.018/10万。以2004-2010年的发病率数据再次拟合并筛选ARIMA模型,并以2011年的疟疾报告发病数据为参照,再次评价lst_（_012）与ndvi_（_12）对模型预测结果的校正效果;发现校正后的预测误差（〈0.001/10万）低于校正前的误差（0.293/10万）。结论ARIMA模型能较好地用于该地疟疾发病率的拟合与预测,环境遥感替代指标LST、NDVI可在一定程度上改善ARIMA模型的预测效果。