当人类成为传播媒介：如何利用影像追踪疾病
19742 文章评分:
5.0
当人类成为传播媒介：如何利用影像追踪疾病
匿名 2014年9月23日，星期二
今天早上收听美国国家公共广播电台关于埃博拉病毒传播的报道，让我思考起利用影像追踪疾病的方法。有些疾病非常适合通过影像进行监测，因为其传播媒介可以通过间接观察发现。所谓间接观察，我指的是寻找发展中国家茅草屋顶作为可能滋生携带汉坦病毒或其他疾病啮齿动物的地点，或者寻找热带森林中的采伐区域，这些区域会扰乱自然排水并可能成为蚊虫的滋生地， https://dukespace.lib.duke.edu/dspace/handle/10161/8551。而埃博拉病毒，由于其传播方式，是一种更难通过影像观察的难题。但有几种方式可以利用影像：
- 寻找并识别人口密集的城区，在这些区域，人与人之间的密切接触可能带来更高的风险。
- 将影像与GIS结合使用，绘制已知病毒存在区域的地图，然后利用影像对可能已有地图或尚未有地图的道路或其他交通走廊进行数字化，以更好地理解疾病的物理传播路线。
- 尝试进行影像衍生信息的相关性分析，例如，通过统计建模分析传播率是否在特定规模的人群、特定地理特征附近或靠近公共场所的区域更高。
因此，在听到严峻的统计数据且对西非赤道地区知之甚少的情况下，我着手寻找可用的影像。在2014年我能找到的10景Landsat 8影像中，只有一景适合观察蒙罗维亚。事实证明，利比里亚多云天气非常普遍，这正是合成孔径雷达在多云环境中如此有用的原因。即使你无法通过合成孔径雷达观察到完全相同的特征，你也可以"看透"云层，这就是为什么合成孔径雷达对世界多云地区如此重要，也是为什么Sentinel任务（提供广泛可用的免费SAR数据）如此关键的原因。
这是一张利比里亚蒙罗维亚西点地区的Landsat 8影像。右侧经过新的NNDiffuse全色锐化算法增强。尽管Landsat的全色波段只有15米分辨率，但数据锐化后，你对该区域的人口密度有了更清晰的认识。该影像仍可用于光谱处理流程以提取更多信息。
至此，你拥有了更高分辨率且保留了光谱内容的数据，因此我可以运行任何ENVI光谱处理工具。在本例中，我将使用特征提取，因为生成的图斑与人文地理特征（如人口密度更高或更低的街区/区域）能很好地对应。
在上图预览特征提取图斑时，你可以看到，人口更密集的西点街区被作为一个独特的图斑提取出来，其他不同密度的街区也是如此。这类信息可用于确定教育项目、医疗团队、野战医院选址、制定外展宣传信息等的优先级。
我还获得了每个图斑的空间和光谱统计信息，如果我在研究人口密度并试图寻找世界上其他密集地区，然后将其与社会经济数据进行对比，或者试图理解密度与社会公平或安全之间的关系，这些信息会很有帮助。实现这些发现的关键在于获取具有足够空间分辨率的数据，以便提取空间和光谱差异。原始的Landsat数据适合这类工作，尤其是对于具有明确区域边界的大城市，但从像Pleiades和WorldView这样的高分辨率数据中可以提取更多信息，但通常这类影像成本较高且并不总是可用，这意味着传感器并未覆盖世界所有地区。NV5 Geospatial（原Exelis VIS）正在致力于为新用户提供获取高分辨率数据的方案，我无法透露所有细节，请在未来几周内保持关注。
尽管阻止像埃博拉这样的疾病需要在地面付出巨大的努力，但影像可以帮助指导工作并为未来的预防制定计划。
在推特上关注我 @asoconnor
