15. NGHIÊN CỨU ỨNG DỤNG VIỄN THÁM VÀ GIS TRONG LẬP BẢN ĐỒ PHÂN VÙNG NGUY CƠ BỆNH SỐT RÉT

Đức Nguyễn Danh, Thảo Đỗ Thị Phương, Vinh Trần Thị Tuyết, Lợi Nguyễn Văn

Giới thiệu

Bệnh sốt rét là một trong những bệnh truyền nhiễm nhiệt đới phổ biến tại Việt Nam. Theo số liệu thống kê, năm 1991, Việt Nam có tới 1 triệu trường hợp mắc. Đến năm 2018, số lượng mắc chỉ còn 6780 người, nỗ lực của chính phủ là năm 2030 loại trừ bệnh sốt rét khỏi cộng đồng. Tuy nhiên, các tỉnh Trung, Tây Nguyên vẫn là điểm nóng của dịch sốt rét với đặc điểm về địa hình, dân cư và tập quán sinh hoạt của nhân dân. Trong công tác loại trừ bênh sốt rét, việc dự báo, phân vùng nguy cơ để lập các phương án đối phó là hết sức quan trọng. Bài báo này sử dụng GIS và công cụ máy học được áp dụng với các dữ liệu viễn thám, quan trắc tại khu vực Đắk Nông để thành lập bản đồ phân vùng nguy cơ bệnh sốt rét. Nơron nhân tạo ANN (Artificial Neuron Network) được ứng dụng để mô hình hóa các điều kiện tối ưu cho bệnh sốt rét với 15 tiêu chí đầu vào và các dữ liệu lấy mẫu thực địa. Kết quả cho thấy bản đồ nguy cơ bệnh sốt rét có mức độ tương đồng cao với dữ liệu lấy mẫu thực tế. Điều này cho thấy tiềm năng lớn của việc ứng dụng GIS và trí tuệ nhân tạo trong thành lập bản đồ phân vùng nguy cơ bệnh sốt rét bằng dữ liệu viễn thám.

Toàn văn bài báo

Được tạo từ tệp XML

Trích dẫn

[1]. Hoàng Hà (2014). Nghiên cứu thực trạng sốt rét và đánh giá kết quả can thiệp phòng chống sốt rét tại một số xã biên giới của huyện Hướng Hóa, tỉnh Quảng Trị. Luận án Tiến sĩ y học, Huế.
[2]. Abiodun Morakinyo Adeola, and et al (2015). Application of geographical information system and remote sensing in malaria research and control in South Africa: a review. Southern African Journal of Infectious Diseases, Volume 30, Issue 4.
[3]. Jacklin F Mosha, and et al (2014). Hot spot or not: a comparison of spatial statistical methods to predict prospective malaria infections. Malaria Journal 2014. https://malariajournal.biomedcentral.com/articles/10.1186/1475-2875-13-53.
[4]. Maru Aregawi et al (2013). Marc Coosemans Time Series Analysis of Trends in Malaria Cases and Deaths at Hospitals and the Effect of Antimalarial Interventions, 2001 - 2011, Ethiopia. Journal of PLOS ONE. https://doi.org/10.1371/journal.pone.0106359.
[5]. Sudheer Ch et al (2014). A Support Vector Machine-Firefly Algorithm based forecasting model to determine malaria transmission. Journal ofNeurocomputing https://doi.org/10.1016/j.neucom.2013.09.030.
[6]. Palaniyandi M (2014). Red and Infrared remote sensing data for mapping and assessing the malaria and JE vectors. J Geophys Remote Sensing. 3(3):1 – 4.
[7]. Anna L Buczak, and et al (2015). Fuzzy association rule mining and classificationfor the prediction of malaria in South Korea. BMC Medical Informatics and Decision Making 15(1):47, DOI: 10.1186/s12911-015-0170-6.
[8]. Orlando Zacarias, Henrik Boström (2013). Comparing Support Vector Regression and Random Forests Modeling for Predicting Malaria Incidence in Mozambique. International Journal on Advances in ICT for Emerging Regions (ICTer), DOI: 10.1109/ICTer.2013.6761181.
[9]. Hồ Đắc Thoàn (2018). Nghiên cứu một số đặc điểm dịch tễ và biện pháp phòng chống sốt rét cho người dân ngủ rẫy ở hai huyện của tỉnh Khánh Hòa và Gia Lai (2014 - 2017). Luận án Tiến sĩ Y tế công cộng, Hà Nội.
[10]. Nguyễn Đức Hảo (2010). Xác định tỷ lệ mắc và thực trạng sử dụng thuốc tự điều trị sốt rét cho người ngủ rẫy tại xã Đắk R Măng, huyện Đắk Glong, tỉnh Đắk Nông năm 2010. Y tế công cộng.
[11]. Nguyễn Quang Mỹ (2002), Tăng cường năng lực đào tạo về Viễn thám và GIS trong lĩnh vực môi trường và sức khoẻ ở Việt Nam, Đại học Khoa học tự nhiên, Đại học Quốc gia Hà Nội
[12]. Đào Văn Dũng và nnk (2009). Ứng dụng viễn thám và hệ thống thông tin địa lý trong dự báo dịch sốt rét ở Gia Lai. Tạp chí Y học Việt Nam.
[13]. Quang-Thanh Bui and et al (2018). Understanding spatial variations of malaria in Vietnam using remotely sensed data integrated into GIS and machine learning classifiers. Geocarto International.
[14]. Dieu Tien Bui, and et al (2016). Hybrid artificial intelligence approach based on neural fuzzy inference model and metaheuristic optimization for flood susceptibility modeling in a high-frequency tropical. Journal of Hydrology, Vol 540, pp 317 – 330.
[15]. Dieu Tien Bui and et al (2017). A hybrid artificial intelligence approach using GIS-based neural-fuzzy inference system and particle swarm optimization for forest fire susceptibility modeling at a tropical area. Journal of Agricultural and forest meteorology, Vol 233, pp 32 - 44.

Các tác giả

Đức Nguyễn Danh
Thảo Đỗ Thị Phương
phuongthao.mdc@gmail.com (Liên hệ chính)
Vinh Trần Thị Tuyết
Lợi Nguyễn Văn
Nguyễn Danh, Đức, Đỗ Thị Phương, T., Trần Thị Tuyết, V., & Nguyễn Văn, L. (2021). 15. NGHIÊN CỨU ỨNG DỤNG VIỄN THÁM VÀ GIS TRONG LẬP BẢN ĐỒ PHÂN VÙNG NGUY CƠ BỆNH SỐT RÉT . Tạp Chí Khoa học Tài Nguyên Và Môi trường, (38), 146–155. Truy vấn từ https://tapchikhtnmt.hunre.edu.vn/index.php/tapchikhtnmt/article/view/371
##submission.license.notAvailable##

Chi tiết bài viết

Các bài báo tương tự

1 2 3 4 5 6 7 8 > >> 

Bạn cũng có thể bắt đầu một tìm kiếm tương tự nâng cao cho bài báo này.

Các bài báo được đọc nhiều nhất của cùng tác giả

02. GIẢI PHÁP NÂNG CAO ĐỘ CHÍNH XÁC TRONG QUAN TRẮC CÔNG TRÌNH BẰNG CÔNG NGHỆ GNSS RTK

Trung Dương Thành, Tuấn Hoàng Anh, Dương Đỗ Văn
Abstract View : 43
Download :5