Кратко — модель, алгоритм, ожидаемые эффекты и ограничения.
Модельная база (русская формулировка Ross–Macdonald с температуро‑ и влажностезависимыми параметрами):
- Базовое репродуктивное число можно записать как
$$R_0=\frac{m{a}^{2}bc{e}^{-\mu \tau }}{r\mu },$$ где $m$ — плотность комаров на человека, $a$ — частота укусов (bite rate), $b$ и $c$ — вероятность передачи человек→комар и комар→человек, $\mu$ — суточная смертность комара, $\tau$ — время внешнего инкубационного периода (EIP) паразита, $r$ — скорость выздоровления человека. Все параметры, кроме $r,b,c$, зависят от температуры $T$ и влажности $H$.
Зависимости параметров от $T$ и $H$:
- Частота укусов $a(T)$: растёт с $T$ до оптимума, может аппроксимироваться Brière‑функцией:
$$a(T)=c_{a}T(T-T_{a,\min })\sqrt{T_{a,\max }-T},$$ (аналогично для скорости развития личинок и др.).
- Внешний инкубационный период (EIP) $\tau (T)=1/\rho (T)$, где скорость развития паразита $\rho (T)$ можно задать Brière:
$$\rho (T)=c_{\rho }T(T-T_{\rho ,\min })\sqrt{T_{\rho ,\max }-T}.$$ - Суточная смертность комара $\mu (T,H)$ — U‑образная по температуре и сильно зависит от влажности; одна простая форма:
$$\mu (T,H)={\mu }_T(T)\cdot f_H(H),$$ где, например,
$${\mu }_T(T)=\alpha +\beta (T-T_{opt}{)}^2,f_H(H)=\exp (\gamma (1-H)),$$ и $H$ — доля (0–1) относительной влажности (или можно использовать дефицит парциального давления).
- Плотность $m$ зависит от воспроизводства и выживания личинок: $m(T,H)$ возрастает при благоприятной температуре и наличии стоячей воды; можно моделировать через скорость развития личинок и выживаемость.
Алгоритм моделирования:
1. Получить климатические сценарии (CMIP6, допустим SSP245 и SSP585) и выборку нынешних наблюдений; сделать кепибокс/статистическое нисходящее масштабирование до желаемого разрешения (5–10 км или полигоны населённых пунктов).
2. Для каждой ячейки и месяца вычислить $T$ и $H$ (средние, макс, мин) и подставить в функции $a(T),\rho (T),\mu (T,H),m(T,H)$.
3. Посчитать $\tau (T)=1/\rho (T)$ и $R_0(T,H)$ по формуле выше; можно также использовать индекс пригодности $S(T,H)\propto \sqrt{\frac{m{a}^2{e}^{-\mu \tau }}{\mu }}$ если $b,c,r$ считать постоянными.
4. Сравнить текущую (базовую) карту пригодности и карты для 2030–2050–2080 по сценариям; выделять месяцы с $R_0>1$ или пороговой пригодности.
5. Провести анализ чувствительности по параметрам (особенно ${\mu }_T,\gamma ,c_{\rho }$) и по типам векторов (An. gambiae / An. arabiensis / An. darlingi и т.д.).
Ожидаемые эффектЫ (качественно):
- Африка:
- Высокогорья Восточной Африки: повышение температур может увеличить пригодность и удлинить сезон, возможны вспышки в районах, ранее слишком прохладных.
- Уже тёплые районы (Сахель, северная Субсахара): при дальнейшем потеплении при превышении температурного оптимума и/или при снижении влажности пригодность может снизиться из‑за увеличения смертности комаров и сокращения выживаемости; но локальные ландшафтные и водные факторы (ирригация, водохранилища) могут компенсировать эффект.
- Сезонность: в большинстве районов сезон передачи удлинится, в некоторых — сместится и станет более кратковременным, но интенсивным.
- Южная Америка:
- Амазония остаётся экологически благоприятной для An. darlingi; повышение температуры само по себе может частично повысить скорость передачи, но сильная дегидратация (падение влажности) снизит выживаемость.
- Анды: возможно продвижение зон передачи вверх по высотам (увеличение риска в городах на пригорьях).
- Южные границы (южная Бразилия, северная Аргентина): при умеренном потеплении возможна временная пригодность в тёплые месяцы.
- Влияние влажности: рост относительной влажности или снижение дефицита влаги повышает выживаемость комаров и усиливает эффект потепления; снижение влажности может резко снизить пригодность даже при благоприятной температуре.
Пример числовой индикации (приближённо):
- Оптимум передачи для P. falciparum по температурам примерно $T_{opt}\approx 25\text{–}27^{\circ }\mathrm{C}$. При $T<18^{\circ }\mathrm{C}$ или $T>34^{\circ }\mathrm{C}$ пригодность резко падает.
- Если в высокогорье средняя температура увеличится на $\Delta T\approx 1.5\text{–}{2}^{\circ }\mathrm{C}$, месяцы с $R_0>1$ могут появиться или удлиниться на несколько месяцев; при $\Delta T>3^{\circ }\mathrm{C}$ в уже тёплых низинах возможен обратный эффект.
Ограничения и неопределённости:
- Набор векторов различается: параметры для An. gambiae и An. darlingi отличаются — нужны видоспецифические кривые.
- Прогноз зависит от модели осадков и от взаимодействия с ландшафтом (запасы стоячей воды, ирригация, вырубка лесов).
- Социальные факторы (контроль, доступ к лечению, экономическое развитие, миграция) могут полностью изменить реальные исходы, даже при повышении биологической пригодности.
- Неоднозначность климатических моделей (разные GCM дают разные осадки) — нужен мульти‑модельный ансамбль.
Практические рекомендации при реализации:
- Использовать ансамбль CMIP6, два сценария (SSP245, SSP585) и несколько моделей для оценки разброса.
- Применить динамическую модель для сезонности и агрегировать по месяцам.
- Сделать анализ чувствительности по $\mu (T,H)$ и по параметрам EIP.
- Включить данные по землепользованию и водоёмам; различать виды Anopheles.
Короткое заключение:
- Климатическое изменение с высокой вероятностью сместит и перераспределит зоны пригодности малярии: расширение в высокогорьях и на южных границах, возможное снижение пригодности в экстремально горячих и сухих районах; влажность существенно модифицирует эти эффекты. Точные карты и количественные изменения зависят от выбранных параметризаций и сценариев, поэтому требуются модельные ансамбли и чувствительный анализ.