• Energy Research
• Malaria Journal close

The impact of weather and climate on malaria transmission has attracted considerable attention in recent years, yet uncertainties around future disease trends under climate change remain. Mathematical models provide powerful tools for addressing such questions and understanding the implications for interventions and eradication strategies, but these require realistic modeling of the vector population dynamics and its response to environmental variables.Published and unpublished field and experimental data are used to develop new formulations for modeling the relationships between key aspects of vector ecology and environmental variables. These relationships are integrated within a validated deterministic model of Anopheles gambiae s.s. population dynamics to provide a valuable tool for understanding vector response to biotic and abiotic variables.A novel, parsimonious framework for assessing the effects of rainfall, cloudiness, wind speed, desiccation, temperature, relative humidity and density-dependence on vector abundance is developed, allowing ease of construction, analysis, and integration into malaria transmission models. Model validation shows good agreement with longitudinal vector abundance data from Tanzania, suggesting that recent malaria reductions in certain areas of Africa could be due to changing environmental conditions affecting vector populations.Mathematical models provide a powerful, explanatory means of understanding the role of environmental variables on mosquito populations and hence for predicting future malaria transmission under global change. The framework developed provides a valuable advance in this respect, but also highlights key research gaps that need to be resolved if we are to better understand future malaria risk in vulnerable communities.

The impact of weather and climate on malaria transmission has attracted considerable attention in recent years, yet uncertainties around future disease trends under climate change remain. Mathematical models provide powerful tools for addressing such questions and understanding the implications for interventions and eradication strategies, but these require realistic modeling of the vector population dynamics and its response to environmental variables.Published and unpublished field and experimental data are used to develop new formulations for modeling the relationships between key aspects of vector ecology and environmental variables. These relationships are integrated within a validated deterministic model of Anopheles gambiae s.s. population dynamics to provide a valuable tool for understanding vector response to biotic and abiotic variables.A novel, parsimonious framework for assessing the effects of rainfall, cloudiness, wind speed, desiccation, temperature, relative humidity and density-dependence on vector abundance is developed, allowing ease of construction, analysis, and integration into malaria transmission models. Model validation shows good agreement with longitudinal vector abundance data from Tanzania, suggesting that recent malaria reductions in certain areas of Africa could be due to changing environmental conditions affecting vector populations.Mathematical models provide a powerful, explanatory means of understanding the role of environmental variables on mosquito populations and hence for predicting future malaria transmission under global change. The framework developed provides a valuable advance in this respect, but also highlights key research gaps that need to be resolved if we are to better understand future malaria risk in vulnerable communities.

La technologie de télédétection fournit des images spectrales et thermiques détaillées de la surface de la terre à partir desquelles des indicateurs écologiques de substitution de processus complexes peuvent être mesurés. Les données de télédétection ont été superposées à des données entomologiques et écologiques humaines géoréférencées échantillonnées au hasard en avril et mai 2001 dans les villes de Kisumu (population ≈ 320 000) et Malindi (population ≈ 81 000), au Kenya. Des cellules de grille de 270 mètres × 270 mètres ont été utilisées pour générer des unités d'échantillonnage spatial pour chaque ville pour la collecte de données entomologiques et écologiques humaines sur le terrain. Les données satellitaires de l'imageur thermique multispectral (MTI) dans le spectre visible à une résolution de cinq mètres ont été acquises pour Kisumu et Malindi en février et mars 2001, respectivement. Les données MTI ont été ajustées et agrégées aux mailles de 270 mètres × 270 mètres utilisées dans l'échantillonnage sur le terrain à l'aide d'un système d'information géographique. L'indice de végétation de différence normalisé (NDVI) a été calculé et mis à l'échelle à partir des données MTI pour les cellules de grille sélectionnées. L'analyse de régression a été utilisée pour évaluer les associations entre les valeurs de l'IVDN et les variables entomologiques et écologiques humaines au niveau de la maille. La régression linéaire multivariée a montré qu'à mesure que la densité des ménages augmentait, le NDVI moyen des cellules de la grille diminuait (test F global = 9,81, df 3,72, valeur P = <0,01 ; R2 ajusté = 0,26). Compte tenu de la densité des ménages, le nombre d'habitats larvaires potentiels d'anophèles par maille a également augmenté avec l'augmentation des valeurs moyennes de NDVI de la maille (test F global = 14,29, df 3,36, valeur de P = <0,01 ; R2 ajusté = 0,51). Les valeurs NDVI obtenues à partir des données MTI ont été superposées avec succès sur des données entomologiques et écologiques humaines géoréférencées échantillonnées spatialement à une échelle de 270 mètres × 270 mètres. Les résultats démontrent que l'IVDN à une telle échelle était suffisante pour décrire les variations des paramètres entomologiques et écologiques humains dans les deux villes. La tecnología de teledetección proporciona imágenes espectrales y térmicas detalladas de la superficie de la tierra a partir de las cuales se pueden medir indicadores ecológicos sustitutos de procesos complejos. Los datos de teledetección se superpusieron a datos entomológicos y ecológicos humanos georreferenciados muestreados aleatoriamente durante abril y mayo de 2001 en las ciudades de Kisumu (población ≈ 320.000) y Malindi (población ≈ 81.000), Kenia. Se utilizaron celdas de cuadrícula de 270 metros × 270 metros para generar unidades de muestreo espacial para cada ciudad para la recopilación de datos entomológicos y ecológicos humanos basados en el campo. Los datos satelitales del generador de imágenes térmicas multiespectrales (MTI) en el espectro visible a una resolución de cinco metros se adquirieron para Kisumu y Malindi durante febrero y marzo de 2001, respectivamente. Los datos de MTI se ajustaron y agregaron a las celdas de cuadrícula de 270 metros × 270 metros utilizadas en el muestreo de campo utilizando un sistema de información geográfica. El índice de vegetación de diferencia normalizada (NDVI) se calculó y escaló a partir de los datos de MTI para las celdas de cuadrícula seleccionadas. El análisis de regresión se utilizó para evaluar las asociaciones entre los valores de NDVI y las variables ecológicas entomológicas y humanas a nivel de celda de cuadrícula. La regresión lineal multivariante mostró que a medida que aumentaba la densidad del hogar, disminuía el NDVI medio de la celda de la cuadrícula (prueba F global = 9,81, df 3,72, valor P = <0,01; R2 ajustado = 0,26). Dada la densidad doméstica, el número de hábitats larvarios anofelinos potenciales por celda de cuadrícula también aumentó con el aumento de los valores de la celda de cuadrícula media NDVI (prueba F global = 14.29, df 3,36, valor P = <0.01; R2 ajustado = 0.51). Los valores de NDVI obtenidos a partir de los datos de MTI se superpusieron con éxito sobre datos entomológicos y ecológicos humanos georreferenciados muestreados espacialmente a una escala de 270 metros × 270 metros. Los resultados demuestran que el NDVI a tal escala fue suficiente para describir las variaciones en los parámetros ecológicos entomológicos y humanos en ambas ciudades. Remote sensing technology provides detailed spectral and thermal images of the earth's surface from which surrogate ecological indicators of complex processes can be measured. Remote sensing data were overlaid onto georeferenced entomological and human ecological data randomly sampled during April and May 2001 in the cities of Kisumu (population ≈ 320,000) and Malindi (population ≈ 81,000), Kenya. Grid cells of 270 meters × 270 meters were used to generate spatial sampling units for each city for the collection of entomological and human ecological field-based data. Multispectral Thermal Imager (MTI) satellite data in the visible spectrum at five meter resolution were acquired for Kisumu and Malindi during February and March 2001, respectively. The MTI data were fit and aggregated to the 270 meter × 270 meter grid cells used in field-based sampling using a geographic information system. The normalized difference vegetation index (NDVI) was calculated and scaled from MTI data for selected grid cells. Regression analysis was used to assess associations between NDVI values and entomological and human ecological variables at the grid cell level. Multivariate linear regression showed that as household density increased, mean grid cell NDVI decreased (global F-test = 9.81, df 3,72, P-value = <0.01; adjusted R2 = 0.26). Given household density, the number of potential anopheline larval habitats per grid cell also increased with increasing values of mean grid cell NDVI (global F-test = 14.29, df 3,36, P-value = <0.01; adjusted R2 = 0.51). NDVI values obtained from MTI data were successfully overlaid onto georeferenced entomological and human ecological data spatially sampled at a scale of 270 meters × 270 meters. Results demonstrate that NDVI at such a scale was sufficient to describe variations in entomological and human ecological parameters across both cities. توفر تقنية الاستشعار عن بعد صورًا طيفية وحرارية مفصلة لسطح الأرض يمكن من خلالها قياس المؤشرات البيئية البديلة للعمليات المعقدة. تم وضع بيانات الاستشعار عن بعد على البيانات الحشرية والإيكولوجية البشرية ذات المرجع الجغرافي التي تم أخذ عينات عشوائية منها خلال شهري أبريل ومايو 2001 في مدينتي كيسومو (عدد السكان 320,000) وماليندي (عدد السكان 81,000)، كينيا. تم استخدام خلايا الشبكة التي يبلغ طولها 270 مترًا × 270 مترًا لتوليد وحدات أخذ العينات المكانية لكل مدينة لجمع البيانات الميدانية الحشرية والإيكولوجية البشرية. تم الحصول على بيانات الأقمار الصناعية للتصوير الحراري متعدد الأطياف (MTI) في الطيف المرئي بدقة خمسة أمتار لكيسومو وماليندي خلال شهري فبراير ومارس 2001 على التوالي. تم ملاءمة بيانات MTI وتجميعها إلى خلايا الشبكة 270 متر × 270 متر المستخدمة في أخذ العينات الميدانية باستخدام نظام المعلومات الجغرافية. تم حساب مؤشر الاختلاف المعياري للغطاء النباتي (NDVI) وقياسه من بيانات MTI للخلايا الشبكية المختارة. تم استخدام تحليل الانحدار لتقييم الارتباطات بين قيم مؤشر NDVI والمتغيرات البيئية الحشرية والبشرية على مستوى خلية الشبكة. أظهر الانحدار الخطي متعدد المتغيرات أنه مع زيادة كثافة الأسرة، انخفض متوسط مؤشر NDVI للخلية الشبكية (اختبار F العالمي = 9.81، df 3,72، قيمة P = <0.01 ؛ R2 المعدل = 0.26). نظرًا لكثافة الأسرة، زاد أيضًا عدد موائل يرقات الأنوفيلين المحتملة لكل خلية شبكية مع زيادة قيم متوسط مؤشر NDVI للخلية الشبكية (اختبار F العالمي = 14.29، df 3,36، P - value = <0.01 ؛ R2 المعدل = 0.51). تم تراكب قيم NDVI التي تم الحصول عليها من بيانات MTI بنجاح على البيانات الحشرية والإيكولوجية البشرية ذات المرجع الجغرافي التي تم أخذ عينات مكانية منها على مقياس 270 مترًا × 270 مترًا. تُظهر النتائج أن مؤشر NDVI على هذا النطاق كان كافيًا لوصف الاختلافات في المعلمات البيئية الحشرية والبشرية عبر كلتا المدينتين.

La technologie de télédétection fournit des images spectrales et thermiques détaillées de la surface de la terre à partir desquelles des indicateurs écologiques de substitution de processus complexes peuvent être mesurés. Les données de télédétection ont été superposées à des données entomologiques et écologiques humaines géoréférencées échantillonnées au hasard en avril et mai 2001 dans les villes de Kisumu (population ≈ 320 000) et Malindi (population ≈ 81 000), au Kenya. Des cellules de grille de 270 mètres × 270 mètres ont été utilisées pour générer des unités d'échantillonnage spatial pour chaque ville pour la collecte de données entomologiques et écologiques humaines sur le terrain. Les données satellitaires de l'imageur thermique multispectral (MTI) dans le spectre visible à une résolution de cinq mètres ont été acquises pour Kisumu et Malindi en février et mars 2001, respectivement. Les données MTI ont été ajustées et agrégées aux mailles de 270 mètres × 270 mètres utilisées dans l'échantillonnage sur le terrain à l'aide d'un système d'information géographique. L'indice de végétation de différence normalisé (NDVI) a été calculé et mis à l'échelle à partir des données MTI pour les cellules de grille sélectionnées. L'analyse de régression a été utilisée pour évaluer les associations entre les valeurs de l'IVDN et les variables entomologiques et écologiques humaines au niveau de la maille. La régression linéaire multivariée a montré qu'à mesure que la densité des ménages augmentait, le NDVI moyen des cellules de la grille diminuait (test F global = 9,81, df 3,72, valeur P = <0,01 ; R2 ajusté = 0,26). Compte tenu de la densité des ménages, le nombre d'habitats larvaires potentiels d'anophèles par maille a également augmenté avec l'augmentation des valeurs moyennes de NDVI de la maille (test F global = 14,29, df 3,36, valeur de P = <0,01 ; R2 ajusté = 0,51). Les valeurs NDVI obtenues à partir des données MTI ont été superposées avec succès sur des données entomologiques et écologiques humaines géoréférencées échantillonnées spatialement à une échelle de 270 mètres × 270 mètres. Les résultats démontrent que l'IVDN à une telle échelle était suffisante pour décrire les variations des paramètres entomologiques et écologiques humains dans les deux villes. La tecnología de teledetección proporciona imágenes espectrales y térmicas detalladas de la superficie de la tierra a partir de las cuales se pueden medir indicadores ecológicos sustitutos de procesos complejos. Los datos de teledetección se superpusieron a datos entomológicos y ecológicos humanos georreferenciados muestreados aleatoriamente durante abril y mayo de 2001 en las ciudades de Kisumu (población ≈ 320.000) y Malindi (población ≈ 81.000), Kenia. Se utilizaron celdas de cuadrícula de 270 metros × 270 metros para generar unidades de muestreo espacial para cada ciudad para la recopilación de datos entomológicos y ecológicos humanos basados en el campo. Los datos satelitales del generador de imágenes térmicas multiespectrales (MTI) en el espectro visible a una resolución de cinco metros se adquirieron para Kisumu y Malindi durante febrero y marzo de 2001, respectivamente. Los datos de MTI se ajustaron y agregaron a las celdas de cuadrícula de 270 metros × 270 metros utilizadas en el muestreo de campo utilizando un sistema de información geográfica. El índice de vegetación de diferencia normalizada (NDVI) se calculó y escaló a partir de los datos de MTI para las celdas de cuadrícula seleccionadas. El análisis de regresión se utilizó para evaluar las asociaciones entre los valores de NDVI y las variables ecológicas entomológicas y humanas a nivel de celda de cuadrícula. La regresión lineal multivariante mostró que a medida que aumentaba la densidad del hogar, disminuía el NDVI medio de la celda de la cuadrícula (prueba F global = 9,81, df 3,72, valor P = <0,01; R2 ajustado = 0,26). Dada la densidad doméstica, el número de hábitats larvarios anofelinos potenciales por celda de cuadrícula también aumentó con el aumento de los valores de la celda de cuadrícula media NDVI (prueba F global = 14.29, df 3,36, valor P = <0.01; R2 ajustado = 0.51). Los valores de NDVI obtenidos a partir de los datos de MTI se superpusieron con éxito sobre datos entomológicos y ecológicos humanos georreferenciados muestreados espacialmente a una escala de 270 metros × 270 metros. Los resultados demuestran que el NDVI a tal escala fue suficiente para describir las variaciones en los parámetros ecológicos entomológicos y humanos en ambas ciudades. Remote sensing technology provides detailed spectral and thermal images of the earth's surface from which surrogate ecological indicators of complex processes can be measured. Remote sensing data were overlaid onto georeferenced entomological and human ecological data randomly sampled during April and May 2001 in the cities of Kisumu (population ≈ 320,000) and Malindi (population ≈ 81,000), Kenya. Grid cells of 270 meters × 270 meters were used to generate spatial sampling units for each city for the collection of entomological and human ecological field-based data. Multispectral Thermal Imager (MTI) satellite data in the visible spectrum at five meter resolution were acquired for Kisumu and Malindi during February and March 2001, respectively. The MTI data were fit and aggregated to the 270 meter × 270 meter grid cells used in field-based sampling using a geographic information system. The normalized difference vegetation index (NDVI) was calculated and scaled from MTI data for selected grid cells. Regression analysis was used to assess associations between NDVI values and entomological and human ecological variables at the grid cell level. Multivariate linear regression showed that as household density increased, mean grid cell NDVI decreased (global F-test = 9.81, df 3,72, P-value = <0.01; adjusted R2 = 0.26). Given household density, the number of potential anopheline larval habitats per grid cell also increased with increasing values of mean grid cell NDVI (global F-test = 14.29, df 3,36, P-value = <0.01; adjusted R2 = 0.51). NDVI values obtained from MTI data were successfully overlaid onto georeferenced entomological and human ecological data spatially sampled at a scale of 270 meters × 270 meters. Results demonstrate that NDVI at such a scale was sufficient to describe variations in entomological and human ecological parameters across both cities. توفر تقنية الاستشعار عن بعد صورًا طيفية وحرارية مفصلة لسطح الأرض يمكن من خلالها قياس المؤشرات البيئية البديلة للعمليات المعقدة. تم وضع بيانات الاستشعار عن بعد على البيانات الحشرية والإيكولوجية البشرية ذات المرجع الجغرافي التي تم أخذ عينات عشوائية منها خلال شهري أبريل ومايو 2001 في مدينتي كيسومو (عدد السكان 320,000) وماليندي (عدد السكان 81,000)، كينيا. تم استخدام خلايا الشبكة التي يبلغ طولها 270 مترًا × 270 مترًا لتوليد وحدات أخذ العينات المكانية لكل مدينة لجمع البيانات الميدانية الحشرية والإيكولوجية البشرية. تم الحصول على بيانات الأقمار الصناعية للتصوير الحراري متعدد الأطياف (MTI) في الطيف المرئي بدقة خمسة أمتار لكيسومو وماليندي خلال شهري فبراير ومارس 2001 على التوالي. تم ملاءمة بيانات MTI وتجميعها إلى خلايا الشبكة 270 متر × 270 متر المستخدمة في أخذ العينات الميدانية باستخدام نظام المعلومات الجغرافية. تم حساب مؤشر الاختلاف المعياري للغطاء النباتي (NDVI) وقياسه من بيانات MTI للخلايا الشبكية المختارة. تم استخدام تحليل الانحدار لتقييم الارتباطات بين قيم مؤشر NDVI والمتغيرات البيئية الحشرية والبشرية على مستوى خلية الشبكة. أظهر الانحدار الخطي متعدد المتغيرات أنه مع زيادة كثافة الأسرة، انخفض متوسط مؤشر NDVI للخلية الشبكية (اختبار F العالمي = 9.81، df 3,72، قيمة P = <0.01 ؛ R2 المعدل = 0.26). نظرًا لكثافة الأسرة، زاد أيضًا عدد موائل يرقات الأنوفيلين المحتملة لكل خلية شبكية مع زيادة قيم متوسط مؤشر NDVI للخلية الشبكية (اختبار F العالمي = 14.29، df 3,36، P - value = <0.01 ؛ R2 المعدل = 0.51). تم تراكب قيم NDVI التي تم الحصول عليها من بيانات MTI بنجاح على البيانات الحشرية والإيكولوجية البشرية ذات المرجع الجغرافي التي تم أخذ عينات مكانية منها على مقياس 270 مترًا × 270 مترًا. تُظهر النتائج أن مؤشر NDVI على هذا النطاق كان كافيًا لوصف الاختلافات في المعلمات البيئية الحشرية والبشرية عبر كلتا المدينتين.

While there is growing recognition of the malaria impacts of large dams in sub-Saharan Africa, the cumulative malaria impact of reservoirs associated with current and future dam developments has not been quantified. The objective of this study was to estimate the current and predict the future impact of large dams on malaria in different eco-epidemiological settings across sub-Saharan Africa.The locations of 1268 existing and 78 planned large dams in sub-Saharan Africa were mapped against the malaria stability index (stable, unstable and no malaria). The Plasmodium falciparum infection rate (PfIR) was determined for populations at different distances (<1, 1-2, 2-5, 5-9 km) from the associated reservoirs using the Malaria Atlas Project (MAP) and WorldPop databases. Results derived from MAP were verified by comparison with the results of detailed epidemiological studies conducted at 11 dams.Of the 1268 existing dams, 723 are located in malarious areas. Currently, about 15 million people live in close proximity (<5 km) to the reservoirs associated with these dams. A total of 1.1 million malaria cases annually are associated with them: 919,000 cases due to the presence of 416 dams in areas of unstable transmission and 204,000 cases due to the presence of 307 dams in areas of stable transmission. Of the 78 planned dams, 60 will be located in malarious areas and these will create an additional 56,000 cases annually. The variation in annual PfIR in communities as a function of distance from reservoirs was statistically significant in areas of unstable transmission but not in areas of stable transmission.In sub-Saharan Africa, dams contribute significantly to malaria risk particularly in areas of unstable transmission. Additional malaria control measures are thus required to reduce the impact of dams on malaria.

While there is growing recognition of the malaria impacts of large dams in sub-Saharan Africa, the cumulative malaria impact of reservoirs associated with current and future dam developments has not been quantified. The objective of this study was to estimate the current and predict the future impact of large dams on malaria in different eco-epidemiological settings across sub-Saharan Africa.The locations of 1268 existing and 78 planned large dams in sub-Saharan Africa were mapped against the malaria stability index (stable, unstable and no malaria). The Plasmodium falciparum infection rate (PfIR) was determined for populations at different distances (<1, 1-2, 2-5, 5-9 km) from the associated reservoirs using the Malaria Atlas Project (MAP) and WorldPop databases. Results derived from MAP were verified by comparison with the results of detailed epidemiological studies conducted at 11 dams.Of the 1268 existing dams, 723 are located in malarious areas. Currently, about 15 million people live in close proximity (<5 km) to the reservoirs associated with these dams. A total of 1.1 million malaria cases annually are associated with them: 919,000 cases due to the presence of 416 dams in areas of unstable transmission and 204,000 cases due to the presence of 307 dams in areas of stable transmission. Of the 78 planned dams, 60 will be located in malarious areas and these will create an additional 56,000 cases annually. The variation in annual PfIR in communities as a function of distance from reservoirs was statistically significant in areas of unstable transmission but not in areas of stable transmission.In sub-Saharan Africa, dams contribute significantly to malaria risk particularly in areas of unstable transmission. Additional malaria control measures are thus required to reduce the impact of dams on malaria.