Um paradigma termodinâmico para o uso de medidas geofísicas baseadas em satélites e suas aplicações em saúde pública
PDF

Palavras-chave

doenças vetoriais
sensoriamento remoto termal
hábitat
ciclos de vida
equações epidemiológicas

Como Citar

1.
Luvall JC. Um paradigma termodinâmico para o uso de medidas geofísicas baseadas em satélites e suas aplicações em saúde pública. Rev Inst Adolfo Lutz [Internet]. 29º de março de 2018 [citado 2º de maio de 2024];77:1/8. Disponível em: https://periodicos.saude.sp.gov.br/RIAL/article/view/34206

Resumo

Um paradigma termodinâmico para estudar os habitats e ciclos de vida dos vetores de doenças utilizando dados de sensoriamento remoto da NASA está sendo proposto. As missões atuais e planejadas para os satélites da NASA fornecem medições das funções críticas ambientais e funções do estado ambiental, importantes para os ciclos de vida de vetores e doenças, como precipitação, umidade do solo, temperatura, déficits de pressão do vapor, bordas úmidas/secas e radiação solar. Os dados de satélite fornecem as funções dos processos na escala da paisagem, representada pelo mapeamento do uso/cobertura da terra e medições reais das funções/estruturas ecológicas: cobertura do dossel, espécies, fenologia e cobertura de plantas aquáticas. Essas medições são feitas em um contexto espacial e fornecem uma série temporal de dados para rastrear dinâmica das mudanças. A saúde pública global está entrando em uma nova era informacional através do uso de modelos espaciais para vetores/hospedeiros de doenças, impulsionados pelo uso de dados de sensoriamento remoto, para medir fatores ambientais e estruturais críticos na determinação de habitats de vetores de doenças, distribuições, ciclos de vida e interações com o hospedeiro. Os microclimas dos habitats vetoriais podem ser quantificados em termos do orçamento de energia superficial, medidos por satélites. As equações epidemiológicas (processos) podem ser adaptadas e modificadas para incorporar explicitamente fatores e interfaces ambientais requeridos por uma doença específica e o ciclo do seu vetor/hospedeiro. O sensoriamento remoto pode ser usado para medir ou avaliar, ou mesmo estimar tanto o ambiente (funções do seu estado) quanto a interface (funções de seus processos). É fundamental que os produtos de sensoriamento remoto sejam expressos de forma a integrá-los diretamente às equações epidemiológicas.

https://doi.org/10.53393/rial.2018.v77.34206
PDF

Referências

1. Morens DM, Folkers GK, Fauci AS. The challenge of emerging and re-emerging infectious diseases. Nature. 2004;430(6996):242-9. Available in: https://www.nature.com/articles/nature02759

2. Rosenberg R. Threat from emerging vectorborne viruses. Emerg Infect Dis. 2016;22(5):910–1. http://dx.doi.org/10.3201/eid2205.160284

3. Coura JR. Chagas disease: what is known and what is needed--a background article. Mem Inst Oswaldo Cruz. 2007;102 Suppl 1:113–22. http://dx.doi.org/10.1590/S0074-02762007000900018

4. Luvall JC, Holbo HR. Thermal Remote Sensing Methods in Landscape Ecology. In: Turner MG, Gardner RH, editors. Quantitative Methods in Landscape Ecology. Series: Ecological Studies. Springer; 1991. p.127–52.

5. Quattrochi DA, Luvall JC. Thermal remote sensing in land surface processes. 1. ed. CRC Press; 2004.

6. Luvall JC, Quattrochi DA, Rickman DL, Estes Jr MG. Boundary layer (atmospheric) and air pollution: urban heat islands. In: Encyclopedia of Atmospheric Sciences. Amsterdam: Elsevier; 2015. p. 310–8. http://doi.org/10.1016/B978-0-12-382225-3.00442-4

7. Luvall JC, Holbo RH. Measurements of short-term thermal responses of coniferous forest canopies using thermal scanner data. Remote Sens Environ. 1989;27:1–10. Available in: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.468.8438&rep=rep1&type=pdf

8. Raso G, Vounatsou P, McManus DP, Utzinger J. Bayesian risk maps for Schistosoma mansoni and hookworm mono-infections in a setting where both parasites co-exist. Geospat Health. 2007;2(1):85–96. http://dx.doi.org/10.4081/gh.2007.257

9. Brooker S, Clements ACA, Bundy DAP. Global epidemiology, ecology and control of soil-transmitted helminth infections. Adv Parasitol. 2006;62:221–61. https://doi.org/10.1016/S0065-308X(05)62007-6

10. Bavia ME, Hale LF, Malone JB, Braud DH, Shane SM. Geographic information systems and the environmental risk of schistosomiasis in Bahia, Brazil. Am J Trop Med Hyg. 1999;60(4):566–72.

11. Nieto P, Malone JB, Bavia ME. Ecological niche modeling for visceral leishmaniasis in the state of Bahia, Brazil, using genetic algorithm for rule-set prediction and growing degree day-water budget analysis. Geospat Health. 2006;1(1):115-26. https://doi.org/10.4081/gh.2006.286

12. Ceccato P, Vancutsem C, Klaver R, Rowland J, Connor SJ. A vectorial capacity product to monitor changing malaria transmission potential in epidemic regions of Africa. J Trop Med. 2012;2012:595948. https://doi.org/10.1155/2012/595948

13. Yang GJ, Tanner M, Utzinger J, Malone JB, Bergquist R, Yy Chan E. Malaria surveillance-response strategies in different transmission zones of the People’s Republic of China: Preparing for climate change. Malar J. 2012;11:426. https://doi.org/10.1186/1475-2875-11-426

14. Guhl F. Chagas disease in Andean countries. Mem Inst Oswaldo Cruz. 2007;102 Supp l:29–37. http://dx.doi.org/10.1590/S0074-02762007005000099

15. Gaunt M, Miles M. The ecotopes and evolution of triatomine bugs (Triatominae) and their associated trypanosomes. Mem Inst Oswaldo Cruz. 2000;95(4):557–65. http://dx.doi.org/10.1590/S0074-02762000000400019

16. Malone JB. Biology-based mapping of vector-borne parasites by Geographic Information Systems and Remote Sensing. Parassitologia. 2005;47(1):27–50.

17. Dominguez A, Kleissl J, Luvall JC, Rickman DL. High-resolution urban thermal sharpener (HUTS). Remote Sens Environ. 2011;115(7):1772–8: http://dx.doi.org/10.1016/j.rse.2011.03.008

18. Government US. United States Environmental Protection Agency. Reducing Urban Heat Islands: Compendium of Strategies; 2016.

19. Christofferson RC, Mores CN. Potential for extrinsic incubation temperature to alter interplay between transmission potential and mortality ofdengue-infected Aedes aegypti. Environ Health Insights. 2016;10:119-23. http://dx.doi.org/10.4137/EHI.S38345

20. Morin CW, Comrie AC. Regional and seasonal response of a West Nile virus vector to climate change. Proc Natl Acad Sci. 2013;110(39):15629-5. http://dx.doi.org/10.1073/pnas.1307135110

21. Morin CW, Monaghan AJ, Hayden MH, Barrera R, Ernst K. Meteorologically driven simulations of dengue epidemics in San Juan, PR. PLoS Negl Trop Dis. 2015;9(8):e0004002. http://dx.doi.org/10.1371/journal.pntd.0004002

22. Lee CM, Cable ML, Hook SJ, Green RO, Ustin SL, Mandl DJ. An introduction to the NASA Hyperspectral InfraRed Imager (HyspIRI) mission and preparatory activities. Remote Sens Environ. 2015;167:6–19. http://dx.doi.org/10.1016/j.rse.2015.06.012

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Copyright (c) 2018 Jeffrey C Luvall

Downloads

Não há dados estatísticos.