血吸虫病长期流行于我国长江以南的12个省区,严重危害人民健康和经济发展。在我国的血吸虫病防治研究和工作中,主要侧重于研究自然环境因素对血吸虫病的影响,而越来越多的研究表明,城镇化对血吸虫病的影响同样重要。城镇化的快速发展,改变了人口、经济、文化等社会因素,进而影响了血吸虫病的感染和流行情况。准确评价城镇化水平,探究城镇化对血吸虫病影响的时空特性,对血吸虫病的防治具有重要意义。本文同时使用DMSP-OLS和NPP-VIIRS夜间灯光数据估算2000-2015年安徽县级城镇化水平,并使用人口、经济、社会生活、农业机械化等指标计算基于统计数据的城镇化水平,将基于夜间灯光数据的城镇化水平与基于统计数据的城镇化水平进行相关性分析和时空分布分析,分析使用两种灯光数据估算长时间序列县级城镇化水平的合理性。在此基础上,收集影响血吸虫病的自然因素数据,使用时空地理加权回归模型分析城镇化对血吸虫病的影响,并讨论该影响的时空特性,为防治血吸虫病、保障公众健康提供借鉴和参考。本文的主要内容和结论如下:1.计算基于夜间灯光数据的城镇化水平。首先计算2000-2013年的DMSP-OLS年平均夜间灯光指数和2012-2015年的NPP-VIIRS年平均夜间灯光指数。然后以NPP-VIIRS灯光指数为自变量,以DMSP-OLS灯光指数为因变量,对2012年和2013年的两种灯光指数年数据进行曲线拟合,建立两种不同分辨率灯光数据的对应关系。拟合得到三次多项式y0.018x3-0.677x2+9.183x+2.750(F=3.252,显著性检验P<0.001,R2=0.957)。利用建立的拟合模型,将2012-2015年的NPP-VIIRS灯光指数转化为DMSP-OLS灯光指数,得到2000-2015年安徽县级基于夜间灯光数据的城镇化水平。2.计算基于统计数据的城镇化水平。使用统计年鉴数据,采用复合指标法,从人口、经济、社会生活、农业机械化四个方面选择19个能充分反映城镇化发展水平的指标。使用层次分析法计算各指标的权重,将所有指标的标准化值进行加权求和,计算得到2000-2015年安徽县级基于统计数据的城镇化水平。3.分析使用夜间灯光数据估算城镇化水平的可行性。对2000-2015年安徽县级基于夜间灯光数据的城镇化水平和基于统计数据的城镇化水平进行相关性分析和线性回归分析,讨论两种方法计算的城镇化水平时空分布的异同点,分析同时使用两种灯光数据估算长时间序列城镇化水平的可行性。结果显示,基于夜间灯光数据的城镇化水平和基于统计数据的城镇化水平在县级尺度上具有高度相关性,相关系数为0.91(P<0.05),线性回归的回归方程为y=0.008x+0.102(F=3561.996,显著性检验P<0.05,R2=0.82)。灯光指数和基于统计数据的城镇化水平的时空分布基本一致,空间上,安徽省县级城镇化水平整体分布不均衡,呈现出东高西低的规律;时间上,2000-2015年安徽省县级城镇化水平呈现逐年增长的趋势。说明同时使用两种灯光数据估算2000-2015年安徽省县级城镇化水平的方法是可行的。4.分析城镇化对血吸虫病的影响。收集气候、土壤、水文、植被、地形地貌和土地利用等共6类43个自然因素指标,并进行数据的预处理,得到2000-2015年安徽县级影响血吸虫病流行的自然因素数据。使用共线性检验和显著性检验的方法对自然因素变量进行筛选和降维,去除变量间的共线性。以血吸虫病感染率为因变量,以各影响因素(包括基于夜间灯光数据的城镇化水平和筛选后的自然因素)为自变量,建立时空地理加权回归模型(GTWR),分析城镇化水平对血吸虫病感染率的影响。同时建立OLS、TWR、GWR模型,与GTWR模型作比较。模型结果显示,与其他三种模型相比,GTWR模型能更好地解释城镇化对血吸虫病影响(R2=0.804)。研究得到以下结论:1)城镇化可以抑制血吸虫病的传播;2)对于城镇化水平较为落后的地区,城镇化对血吸虫病的影响更大;而当城镇化发展到一定程度时,城镇化对血吸虫病的影响会减小;3)即使城镇化水平提高,但如果不加强防控,同样会导致血吸虫病疫情复发。