Modeling the spatial distribution of Culex and Stegomyia mosquitoes collected in the Taita Hills, Kenya in 2016, with notes on other genera

Show full item record



Permalink

http://urn.fi/URN:NBN:fi-fe2017112251509
Title: Modeling the spatial distribution of Culex and Stegomyia mosquitoes collected in the Taita Hills, Kenya in 2016, with notes on other genera
Author: Uusitalo, Ruut
Contributor: University of Helsinki, Faculty of Science, Department of Geosciences and Geography
Publisher: Helsingfors universitet
Date: 2017
Language: eng
URI: http://urn.fi/URN:NBN:fi-fe2017112251509
http://hdl.handle.net/10138/229127
Thesis level: master's thesis
Discipline: Geography
Maantiede
Geografi
Abstract: Mosquitoes are arguably amongst the most economically and socially important animals on the planet due to their ability to act as vectors for pathogens, including parasites and viruses, from animals to humans, or between humans. Mosquito-borne diseases (MBDs), are contracted following infection by one or more mosquito borne viruses (MBVs) or parasites, including dengue virus (DENV), chikungunya virus (CHIKV), Zika virus (ZIKV), West Nile virus (WNV), yellow fever virus (YFV) and malaria, and annually cause more than one million human deaths (WHO 2016). MBDs are contracted after an infected mosquito transfers one or more pathogens in the course of blood feeding from one host to another. Three important genera which act as vectors for many pathogens are Anopheles, Culex and Stegomyia and they are most problematic in the tropical and subtropical regions of Asia, South America and Africa (WHO 2016). Among vector-borne diseases (VBDs), MBDs have the strongest dependence on environmental factors. These factors have either direct or indirect impact on mosquito presence and abundance as mosquitoes are dependent on habitat suitability. This study will utilize species distribution modeling (SDM) to investigate the relationship between environmental, anthropogenic and distance factors on the occurrence of mosquito species. It forms part of an ongoing Wildlife screening project, led by Prof. Olli Vapalahti, which aims to screen mosquitoes, rodents and bats for new and known viruses in Kenya. The absence of previous studies of the geographical distribution and habitat suitability patterns of mosquito species over the Taita Hills region in southeastern Kenya, justifies the need for this research. This project has three main objectives: 1) to investigate which mosquito genera are distributed in the Taita Hills, and how they are distributed, 2) to examine which factors best explain the presence of Culex and Stegomyia mosquitoes, 3) to test whether any of the available statistical regression models can reliably estimate the distribution of Culex and Stegomyia mosquitoes, and to build predictive maps for estimations created by the most reliable models. Biological, Geographic Information Systems (GIS) and statistical methods were combined in the study. Data consists of occurrence, environmental, anthropogenic, distance and biological data. The specimens were collected from 122 locations from January–March 2016 throughout the Taita Hills. Environmental, anthropogenic and distance data were acquired from the satellite and aerial imagery and produced in ArcMap. The biomod2 package, intended for ensemble forecasting of species distributions in R, was used to generate models. After multicollinearity of the environmental, anthropogenic and distance factors was pruned, the best estimating predictor variables were selected. The factors that best estimated the distribution of Culex were slope, human population density, NDVI, distance to roads and elevation. This resulted in six reliable models with accurate estimation values. Multivariate adaptive regression splines (MARS) resulted area under the curve (AUC)- value of 0.806, and a traditional Generalized linear model(GLM) brought an AUC- value of 0.730 with high statistical significance rates, both above the value for a good model fit (AUC ≥ 0.7); thus ensuring a reliable estimation. Five environmental, anthropogenic and distance factors best estimated the distribution of Stegomyia: mean radiation in January–March, human population density, NDVI, distance to roads and mean temperature in January–March. By these predictors, biomod2 resulted in highest AUC- values for generalized boosted model (hereafter GBM) and random forest (RF) with AUC- value of 0.708 for each. Hence, reliable estimations resulted for both Culex and Stegomyia, which are visualized by the probability of presence maps in the Results chapter. The results may be used as a guide for public health officials in the Taita region regarding the distribution, favorable habitats and prevention strategies of Culex and Stegomyia mosquitoes, which are capable of transmitting mosquito-borne infections.Hyttyset ovat yksi taloudellisesti ja sosiaalisesti merkittävimmistä eläinlajeista planeetallamme, sillä ne kykenevät välittämään taudinaiheuttajia, kuten loisia tai viruksia, eläimistä ihmisiin ja ihmisistä toisiin. Hyttysten levittämät taudit syntyvät yhden tai useamman hyttysen levittämän viruksen tai loisen aiheuttamana tartuntana. Tällaisia tartuntatauteja ovat dengue virus (DENV), chikungunya virus (CHIKV), Zika virus (ZIKV), malaria, Länsi-Niilin virus ja keltakuume, jotka ovat aiheuttaneet vuosittain yli miljoona kuolemaa maailmanlaajuisesti (WHO 2016). Hyttysten levittämät sairaudet syntyvät, kun tartunnan saanut hyttynen siirtää yhden tai useamman taudinaiheuttajan isännästä toiseen veren imemisen aikana. Kolme hyttyssukua; Anopheles, Culex ja Stegomyia (Aedes), toimivat merkittävimpinä taudinaiheuttajien välittäjinä synnyttäen ongelmallisimman tilanteen erityisesti Aasian, Etelä-Amerikan ja Afrikan trooppisilla ja subtrooppisilla alueilla (WHO 2016). Vektorien välittämistä taudeista, hyttysten levittämät taudit ovat läheisimmin yhteydessä ihmistoimintaan liittyviin tekijöihin sekä ympäristötekijöihin. Ympäristötekijöillä on joko suora tai epäsuora vaikutus hyttysten esiintymiseen, sillä hyttyset ovat riippuvaisia suotuisasta elinympäristöstä. Tämä tutkimus hyödyntää lajilevinneisyysmallinnusta hyttyshavaintojen, ympäristömuuttujien ja ihmistoimintaan liittyvien muuttujien välisten suhteiden tarkastelussa. Tämä tutkimus on osa prof. Olli Vapalahden luotsaamaa Villieläinten seulonta-projektia, jonka tavoitteena on löytää uusia lajeja ja etsiä mahdollisia viruksia jyrsijöistä, lepakoista ja hyttysistä Keniassa. Hyttyslajien maantieteelliseen levinneisyyteen ja elinympäristöyhteyksiin liittyvien aiempien tutkimusten puuttuminen vahvistaa tarvetta lisätutkimukselle Taita Hillsin alueella Kaakkois-Keniassa. Tutkimuksella on kolme päätavoitetta: 1) tutkia, mitä hyttyssukuja Taita Hillsin alueella esiintyy, ja miten kerättyjen hyttyssukujen levinneisyys sijoittuu alueellisesti 2) tarkastella, mitkä tekijät selittävät parhaiten Culex ja Stegomyia hyttysten levinneisyyttä, 3) antaa vastaus hypoteesiin; voiko jokin tilastollinen malli ennustaa uskottavasti Culex ja Stegomyia hyttysten levinneisyyttä. Mahdollisten luotettavien mallien avulla on lisäksi tarkoitus ennustaa hyttyslajien levinneisyyttä ennustekartoin. Tässä tutkimuksessa yhdistettiin biologisia, tilastollisia, ja paikkatietojärjestelmiin perustuvia tutkimusmetodeita. Tutkimusaineisto sisältää havaintoaineiston, ympäristöaineiston, ihmistoimintaan ja etäisyyksiin perustuvan aineiston sekä biologisen aineiston. Näytteitä kerättiin yhteensä 122 sijainnista Taita Hillsin alueella tammi-maaliskuussa 2016. Ympäristöaineisto sekä ihmistoimintaan ja etäisyyksiin perustuvat aineistot saatiin satelliitti- ja ilmakuvista, ja ne tuotettiin ja muokattiin ArcMap- ohjelmassa. Analyysissä käytettiin biomod2- ohjelmapakettia, joka on lajilevinneisyyden ennustamiseen tarkoitettu alusta R-ohjelmointiympäristössä. Selittävien muuttujien eli ennustemuuttujien korrelaatioiden testauksen jälkeen parhaiten ennustavat muuttujat valittiin lopulliseen malliin. Parhaiten Culexin levinneisyyttä ennustavia tekijöitä olivat rinnekaltevuus, asukastiheys, NDVI, etäisyys tiehen sekä korkeus. Tämä tuotti 6 luotettavaa ennustemallia korkeilla ennustearvoilla. Multivariate adaptive regression splines (MARS) tuotti AUC(Area under curve)-arvon 0.806, ja perinteinen yleistetty lineaarinen malli(GLM) tuotti AUC-arvon 0.730 tilastollisesti merkitsevillä arvoilla. Kumpikin malli sai hyvän mallin sovittamisen ylittävän AUC-arvon (AUC ≥ 0.7), ja tuotti näin luotettavan ennusteen Culex ja Stegomyia hyttysten lajilevinneisyydelle. Stegomyia- hyttysten levinneisyyttä ennusti parhaiten viisi ennustemuuttujaa mukaan lukien keskisäteily, asukastiheys, NDVI, etäisyys tiehen sekä keskilämpötila. Näillä muuttujilla, korkeimmat AUC-arvot tuotti yleistetty luokittelupuumenetelmä (GBM) ja satumetsä(RF), AUC-arvoilla 0.708. Kummallekin hyttyssuvulle, Culexille ja Stegomyialle syntyi luotettavia levinneisyysennusteita, jotka esitetään todennäköisyyskarttoina Results-osiossa. Tutkimuksen tuloksia voidaan hyödyntää terveysviranomaisten ohjenuorana hyttysperäisiä tauteja levittävien Culex ja Stegomyia hyttysten suotuisten elinympäristöjen kartoittamisessa, sekä niiden esiintymiseen ja tautien ehkäisyyn liittyvien strategioiden tukena Taita Hillsin alueella.


Files in this item

Total number of downloads: Loading...

Files Size Format View
progradu_ruutjuu.pdf 5.682Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record