目的：分析淮河流域疟疾流行的态势，筛选可用于该区域疟疾监测的指标，探索有效的疟疾预测方法。 方法： ①利用ERDAS8.6软件对MODIS图像进行文件格式转换和投影变换，运用ArcGIS8.3软件集成的spatial analyst模块中的raster calculator与zonal statistics功能，提取并合成各种NDVI与LST值。 ②运用克里格空间插值法，获得淮河流域不同区域尺度(县、乡)近3年疟疾流行的空间分布图，观察疟疾高发区的范围和发病强度；通过比较不同年份空间分布特征的变化观察疟疾流行的态势，包括流行强度和流行范围的变化，并推测下一年疟疾流行的可能趋势。 ③将近3个月的气象因素和遥感替代指标进行组合，形成反映不同时段自然因素状况的指标。 ④采用ArcGIS8．3软件进行专题制图，以直观显示疟疾发病率、各类NDVI与LST、以及主要社会因素的空间分布特征。 ⑤运用Spearman等级相关分析不同区域尺度上疟疾发病率与气象因素、NDVI、LST以及社会因素的相关性。 ⑥采用多元回归分析法筛选影响疟疾发病率的变量，并根据决定系数的改变量，评价疟疾既往发病率对当前发病率的指示作用。 ⑦对相关性较大的气象因素、NDVI、LST等指标进行主成分和因子分析，以充分提取各变量包含的信息，构建因子分析方程。 ⑧按照残差不相关和简洁的原则确定模型的结构，依据Akaike信息准则(AIC)与Schwarz贝叶斯准则(BIC)确定模型的优度，构建不同区域尺度上的时间序列ARIMA模型，并评价模型的拟合及预测效果。 ⑨根据月发病数占当年发病总数的构成比，将12个月份分为高发月、中发月、低发月，然后采用Fisher逐步判别分析构建用于判断疟疾是否进入高发月的气象因素函数，并检验其判别效果。 结果： ①流行态势：流域东北部是疟疾的相对高发区，从2004至2006年，疟疾的流行强度增加，流行范围扩大；发病率大于1/万的流行区呈现出以墉桥区、固镇县、蒙城县为中心，向西、南方向蔓延之势；推测该区域疟疾的流行总体上处于上升阶段，疫情控制形势依然严峻。 ②NDVI：流域内NDVI的丰度大且覆盖范围广。相关分析显示，年均极大NDVI、年均NDVI，以及年均NDVI大于140栅格所占面积的构成比等指标与疟疾年发病率呈正相关：月发病率与近3个月的NDVI也表现出一定程度的正相关性。因子分析显示，平均植被覆盖量在第一公因子上载荷较大，极端植被覆盖量在第二公因子上的载荷较大。 ③气象因素：气温和降雨量与疟疾发病率存在较为一致的波动性，尤以气温显著；发病高峰的出现略迟于气温和降雨量的高峰出现时间。相关分析显示：气温与发病率的相关系数多在0.7左右，降雨量次之。对全流域的回归分析显示：近3个月的平均气温(Tmean<,012>)和之前1月的平均气温(Tmean<,1>)分别可解释月发病率变动的56.7％和56.1％；引入既往月发病率(I)后，当月与之前1月的平均气温(Tmean<,01>)与之前1月的发病率(I<,1>)能解释月发病率变动的72．2％，当月的平均气温(Tmean<,0>)和I<,1>能解释月发病率变动的71.0％，决定系数较引入I前分别提高15.5％和14.9％。对怀远县的回归分析显示：近3个月的平均最高气温(Tmax<,012>)和之前1月与之前2月的平均湿度(M<,12>)可解释月发病率变动的66.2％；引入I后，Tmeanoi、I<,1>可解释月发病率变动的73.2％。主成分与因子分析显示：第一、第二主成分能充分提取各指标包含的信息，两公因子的累积贡献率约为88％，其中前期气象因素在第一公因子上的载荷较大、近期气象因素在第二公因子上载荷较大。 ④LST:流域内每年月均气温超出16℃的时间长达8个月；月发病率与近3个月各种组合的LST均呈现出正相关性，尤以近3个月的平均极大LST(L Tmax<,012>)和之前1月的极大LST(L Tmax<,1>)更为明显；对LST的因子分析结果类似于对气象因素的因子分析。 ⑤社会因素：使用纱门纱窗、蚊帐、蚊香和灭蚊剂以防止蚊虫叮咬的家庭分别有32.55％、61.51％、81.84％和57.67％，人均拥有蚊帐0.261顶，有露宿习惯者占6.13％，露宿和室外纳凉习惯者占25.85％，人均饲养大牲畜0.3头。相关分析显示：纱门户率(X<,1>)、人均蚊帐数(X<,2>)与疟疾发病率(Y)呈负相关(P<0.01，P<0.05)，而露宿率(X<,6>)、去年发病率(X<,9>)和前年发病率(X<,10>)与Y呈正相关(P<0.01)。回归分析显示：变量X<,1>(β=-0.109，P<0.01)，X<,2>(β=-9.762，P<0.05)与Y′(Y经Box-Cox转换，λ=0.337)呈负关联，而X<,6>(β=0.119，P<0.05)，X<,9>(β=0.033，P<0.01)与Y′呈正关联。 ⑥时间序列分析：构建的ARIMA模型能在全流域、分区和县(市、区)三个区域尺度上较好地反映疟疾发病率的时序变动趋势，拟合及预测值的动态趋势与实际情况基本一致，实际发病率虽不与拟合及预测值完全相同，但都落入了预测值的95％可信区间之内。 ⑦判别分析：之前1月的最低气温(Tmin<,1>)、前两个月的平均降雨量(R<,12>)和Tmax<,012>三个变量最终引入判别方程，建立判别函数的判别准确率在85％以上。 结论： ①近年来淮河流域疟疾的流行强度增加，流行范围扩大，高发区以流域东北部为中心向西、南方向扩展；该区域的疟疾流行总体上处于上升阶段。 ②年均极大NDVI、年均NDVI以及年均NDVI超出140栅格所占面积的构成比，是适用于以年为单位进行大范围疟疾监测的指标；LTmax<,012>和LTmax<,1>是适用于以月为单位进行大范围疟疾监测的指标。Tmean<,012>及Tmean<,1>均是较好的监测指标，而Tmean<,01>与I<,1>联合运用是更佳的疟疾疫情短期(月)监测指标。纱门户率、人均蚊帐数、露宿率、之前1年发病率等指标是在较长时期(3年左右)内进行疟疾发病率监测的较好指标。 ③构建的ARIMA模型能在不同尺度上较好地反映以月为单位疟疾发病率的时序变动情况，构建的判别函数能准确地判断高发月份的出现时间。