Математико-картографическое моделирование распространения особо опасных заболеваний сельскохозяйственных животных тема диссертации и автореферата по ВАК РФ 25.00.36, кандидат наук Коренной Фёдор Игоревич

• Коренной Фёдор Игоревич
• кандидат наук
• 2019

Оглавление диссертации кандидат наук Коренной Фёдор Игоревич

ВВЕДЕНИЕ

ГЛАВА 1. ПОДХОДЫ К МОДЕЛИРОВАНИЮ РАСПРОСТРАНЕНИЯ ЭПИДЕМИЙ И ЭПИЗООТИЙ

1.1. Пространственная эпидемиология как современное направление медицинской географии

1.2. Отображение мест регистрации и интенсивности заболевания с применением математико-картографических методов

1.3. Визуализация динамики и направленности распространения эпизоотий

1.4. Выявление мест повышенной концентрации вспышек заболевания

1.5. Определение риска возникновения заболеваний с учетом географических факторов

1.6. Моделирование потенциального нозоареала заболевания и прогнозирование развития эпизоотий в связи с изменением окружающей среды

ГЛАВА 2. МОДЕЛЬНЫЕ ИНФЕКЦИИ И МЕТОДЫ ПРОВЕДЕНИЯ ИССЛЕДОВАНИЯ

2.1. Эпидемиология и распространение модельных инфекций в мире

2.1.1. Африканская чума свиней

2.1.2. Сибирская язва

2.1.3. Нодулярный дерматит

2.2. Материалы и методы

2.2.1. Схема проведения исследований

2.2.2. Источники и базы данных

2.2.3. Выявление локальных эпизоотий африканской чумы свиней и корреляционной связи интенсивности заболевания с географическими факторами

2.2.4. Картографирование физико-географической пригодности территории для возникновения сибирской язвы и нодулярного дерматита

2.2.5. Оценка риска повторных вспышек сибирской язвы в границах муниципальных районов

2.2.6. Прогнозирование возможного изменения нозоареала нодулярного дерматита в связи с потеплением климата

ГЛАВА 3. ВЫЯВЛЕНИЕ ГЕОГРАФИЧЕСКИХ ЗАКОНОМЕРНОСТЕЙ ЛОКАЛЬНОГО РАСПРОСТРАНЕНИЯ АФРИКАНСКОЙ ЧУМЫ СВИНЕЙ В РОССИЙСКОЙ ФЕДЕРАЦИИ

3.1. Предпосылки и особенности распространения африканской чумы свиней в РФ в 2007 - 2019 гг

3.2. Локальные эпизоотии АЧС в РФ и их эпидемиологические характеристики

3.3. Взаимосвязь распространения АЧС с географическими факторами

ГЛАВА 4. ОЦЕНКА И КАРТОГРАФИРОВАНИЕ РИСКА ПОВТОРНЫХ ВСПЫШЕК СИБИРСКОЙ ЯЗВЫ (НА ПРИМЕРЕ РЕСПУБЛИКИ КАЗАХСТАН)

4.1. Предпосылки распространения сибирской язвы в Республике Казахстан и эпизоотическая ситуация в 1933 - 2014 гг

4.2. Оценка физико-географических условий существования очагов сибирской язвы

4.3. Картографирование риска повторных вспышек сибирской язвы в границах муниципальных районов

ГЛАВА 5. МОДЕЛИРОВАНИЕ ПОТЕНЦИАЛЬНОГО НОЗОАРЕАЛА НОДУЛЯРНОГО ДЕРМАТИТА В СОВРЕМЕННЫХ УСЛОВИЯХ И ПРОГНОЗИРОВАНИЕ ЕГО ИЗМЕНЕНИЯ В СВЯЗИ С ГЛОБАЛЬНЫМ ПОТЕПЛЕНИЕМ

5.1. Физико-географические предпосылки и особенности распространения нодулярного дерматита в Евразии в 2006 - 2019 гг

5.2. Моделирование потенциального нозоареала НД в современных условиях

5.3. Прогнозирование изменения нозоареала на период до 2060 г

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

Введение диссертации (часть автореферата) на тему «Математико-картографическое моделирование распространения особо опасных заболеваний сельскохозяйственных животных»

ВВЕДЕНИЕ

Актуальность темы. Животноводство занимает важное место в структуре производства сельскохозяйственной продукции, обеспечивая население продуктами питания, а промышленность - сырьем. Экспорт животноводческой продукции составляет значительную часть международного торгового оборота многих стран. В связи с этим, возникающие и распространяющиеся регионально и глобально заболевания сельскохозяйственных животных приводят к существенным экономическим потерям как вследствие недополучения продукции (прямые потери), так и вследствие необходимости проведения контрольно-профилактических мероприятий, повышения уровня биозащиты сельхозпредприятий, а также введения международных запретов на импорт/экспорт продукции (косвенные потери). В настоящее время выделяют ряд инфекционных заболеваний, которые являются особенно актуальными и демонстрируют быстрое и масштабное распространение среди сельскохозяйственного поголовья, приводя к значительным убыткам для экономики страны. К таким заболеваниям относятся: африканская чума свиней (АЧС), ящур, нодулярный дерматит (НД), оспа овец и коз, болезнь Ньюкасла, высокопатогенный грипп птиц и некоторые другие. Так, например, в период с 2007 по 2016 гг. только прямые потери от эпизоотии АЧС в РФ составили порядка 5 млрд. рублей, при этом потеряно более 800 тыс. голов свиней. Косвенные потери, по разным оценкам, составили от 50 до 70 млрд. руб. только от простоя предприятий, связанных с переработкой продукции свиноводства (Клиновицкая и др., 2016). Эпизоотия АЧС в Польше и странах Балтии только в 2014 - 2015 гг. вызвала потерю экспорта в 961 миллион долларов США, что составило 50% общего экспорта продукции свиноводства этих стран (Sanchez-Cordon et al., 2018). Текущая эпизоотия АЧС в Китае вызвала сокращение свиноводческого сектора этой страны на 38 %.

Таким образом, в настоящее время в мире, и в частности, в странах Евразии складывается неблагоприятная обстановка по ряду заболеваний животных в том числе представляющих опасность для человека (зоонозам), что требует выявления риска возникновения данных заболеваний на ранее благополучных территориях, а также масштабов их возможного распространения с привлечением современных средств прогнозирования.

В последние годы появились работы, характеризующие современную эпизоотическую ситуацию по особо опасным заболеваниям сельскохозяйственных животных, таким как африканская чума свиней, нодулярный дерматит, сибирская язва и др. (Mullins et al., 2011; Iglesias et al., 2016; Alkhamis, Vander-Wall, 2016; Blackburn et al., 2017; Vergne et al., 2017; Allepuz et al., 2019; Machado et al., 2019), в которых применяются современные методы исследования. Однако, многие вопросы медико-географического анализа территорий освещены пока недостаточно. В первую очередь, это касается ограниченности модельных регионов и изучаемых инфекций, недостаточности моделирования с учетом возможного изменения климата, а также выявления пространственно-временных закономерностей распространения заболеваний с помощью математико-картографических моделей.

Цель исследования - выявление географических факторов локализации и масштаба распространения особо опасных заболеваний сельскохозяйственных животных для научного обоснования целевого мониторинга эпизоотической ситуации и проведения территориально-дифференцированных ветеринарных профилактических мероприятий.

В качестве модельных инфекций и территорий были выбраны особо опасные новые и возвращающиеся (эмерджентные) болезни: африканская чума свиней (Российская Федерация), сибирская язва (Республика Казахстан) и нодулярный дерматит (Евразия).

Для достижения поставленной цели решались следующие задачи:

1. систематизировать методы пространственно-временного анализа, адаптировать и применить их для изучения и моделирования распространения особо опасных заболеваний сельскохозяйственных животных на региональном и глобальном уровне;

2. провести математико-картографический анализ и выявить географические закономерности локального распространения африканской чумы свиней в РФ в период 2007 - 2015 г.;

3. осуществить оценку территории Казахстана по степени опасности реактивации почвенных очагов сибирской язвы;

4. провести моделирование потенциального нозоареала нодулярного дерматита в Евразии и оценить его возможное изменение с учетом глобального потепления климата на период до 2060 г.

Объектом исследования является система «географические факторы - заболеваемость сельскохозяйственных животных». В качестве предмета исследования выступает методология выявления, оценки и картографирования взаимосвязей между состоянием здоровья животных и особенностями географической среды.

Методология и методика исследования. Возможность оценивать

риск возникновения заболевания на той или иной территории, а также

масштаб его возможного распространения является одной из актуальных

задач современной науки, тесно связанной с насущной потребностью

животноводческого бизнеса. Работы по изучению взаимосвязей проявления

заболевания в популяции с набором эколого-географических факторов

традиционны в рамках медицинской географии. Значительный вклад в

развитие этого направления в географии внесли Б.В.Вершинский (1964),

Е.И.Игнатьев (1964), Е.Л.Райх (1984), А.Г.Воронов (1989), Б.Б.Прохоров

(1996), А.М.Трофимов (2000), С.М.Малхазова (2001), С.А.Куролап (2012),

Г.А.Воронов и др. (2014). Можно привести многочисленные примеры

6

применения медико-географического подхода для изучения распространения заболевания в связи с комплексом географических факторов: Б.А.Ревич (1993); Б.Б.Прохоров (1993); С.М.Малхазова и В.С.Тикунов (1993); Н.Н.Дарченкова и др. (2002); Д.О.Душкова и др. (2015); Т.А.Трифонова и др. (2007, 2015); И.В.Добрынина и др. (2013); Н.В. Шартова и др. (2015, 2018); С.М.Малхазова и др. (2015); С.А.Куролап и О.В.Клепиков (2019); В.А. Миронова и др. (2019); Y.P. Perevedentsev et al. (2016); S.M. Malkhazova et al. (2018). Бурное развитие программно-аппаратных средств и вызванное этим расширение методологической базы способствовало появлению в последние десятилетия особого направления медицинской географии -пространственной эпидемиологии (spatial epidemiology), наиболее широко представленного в зарубежной литературе. Основной задачей данного направления является составление карт риска, способствующих раннему выявлению угроз здоровью человека и животных, в том числе - связанных с неблагоприятным сочетанием факторов среды. Методы пространственной эпидемиологии фокусируются на визуализации распространения заболевания и выявлении пространственно-временной группировки его очагов с целью определения взаимосвязей между проявлением повышенной заболеваемости и потенциальными экологическими факторами риска, распределёнными в пространстве. В качестве примеров наиболее типичных работ в этом направлении можно привести публикации Wint et al., 2002; Durr et al., 2004; Elliott & Wartenberg, 2004; Froese et al., 2017 и др.

Методология настоящего исследования базируется на использовании традиционных географических подходов и современных геоинформационных технологий. В процессе выполнения работы доведены до практического применения и апробированы методы пространственной статистики, в том числе пространственно-временной кластерный анализ, а также моделирование экологических ниш на глобальном и региональном уровне.

Защищаемые положения:

1. Математико-картографическое моделирование позволяет выявить пространственно-временные закономерности распространения заболеваний, оценить степень опасности территории и на основании комплексного анализа географических факторов построить потенциальные нозоареалы болезней. Разработанные и доведенные до практического применения методики математическо-картографического моделирования: метод пространственно-временного кластерного анализа, метод моделирования экологических ниш и др. - применены при проведении медико-географического анализа особо опасных заболеваний животных: африканской чумы свиней, сибирской язвы и нодулярного дерматита.

2. Интенсивность распространения вспышек африканской чумы свиней в локальном масштабе определяется географическими, преимущественно социально-экономическими факторами -протяженностью автодорог, численностью поголовья свиней, а также площадью лесного покрытия.

3. Зонирование территории на основе физико-географических факторов (особенностей почвенного покрова, режима и количества осадков и величины вегетационного индекса) посредством моделирования экологических ниш позволяет оценить степень опасности реактивации почвенных очагов сибирской язвы.

4. Потенциальный ареал нодулярного дерматита и его возможное изменение зависят от физико-географических условий, способствующих жизнедеятельности переносчика возбудителя заболевания: среднегодовой температуры воздуха, сезонного колебания температуры и количества осадков холодного квартала. Исходные данные и личный вклад в решение проблемы. В основу

диссертации положены результаты многолетних исследований автора (2007

- 2019 гг.) в составе коллектива информационно-аналитического центра Управления ветнадзора Россельхознадзора в Федеральном центре охраны здоровья животных (ФГБУ «ВНИИЗЖ»), а также совместно с сотрудниками кафедры биогеографии географического факультета Московского государственного университета имени М.В. Ломоносова, со специалистами факультета ветеринарии и технологии животноводства Казахского агротехнического университета им. Сейфуллина (Казахстан) и факультета ветеринарной медицины университета штата Миннесота (США). Для комплексного медико-географического анализа использовано большое количество фондовых, статистических, картографических и литературных материалов. Базы данных по вспышкам заболеваний животных составлены автором с использованием информационных систем OIE WAHIS и EMPRES-i FAO, а также материалов, предоставленных ветеринарной службой Республики Казахстан и Казахским агротехническим университетом имени С.Сейфуллина. Информация по факторам среды, используемым в работе, получена из открытых международных банков данных ESRI Map of the World, FAO, NASA SEDAC, USGS, WORLDCLIM и др.

Научная новизна работы заключается, во-первых, в применении методов медико-географического картографирования и математико-картографического моделирования для изучения заболеваний животных в соответствии с концепцией «одно здоровье» (One Health), предполагающей общность методологических подходов к изучению заболеваний человека и животных; во-вторых, в комплексной оценке закономерностей распространения особо опасных новых и возвращающихся заболеваний животных; в-третьих, в создании серии тематических карт, отражающих актуальные проблемы ветеринарной географии на региональном и глобальном уровне; в-четвертых, в усовершенствовании и внедрении современных геоинформационных технологий в медицинскую географию.

Научная и практическая значимость. Изложенная в диссертации методология исследования и предложенные методические решения были реализованы в рамках выполнения плановых научно-исследовательских работ по тематикам Государственных заданий Россельхознадзора в 2016 -2019 гг. Содержащиеся в работе подходы нашли также отражение в конкретных исследованиях, осуществленных автором в целевых и федеральных проектах (ФЦП «Национальная система химической и биологической безопасности РФ», 2009 - 2014; РФФИ «Медико-географическое моделирование пространственно-временных изменений распространения природнообусловленных и социально значимых болезней в условиях меняющегося климата и хозяйственного освоения Российской Арктики», с 2018 г.). Результаты работы получили применение в составленных автором методических рекомендациях и могут быть использованы ветеринарной службой и надзорными органами для совершенствования практики целевого мониторинга эпизоотической ситуации. Подходы и методики диссертации используются в учебном процессе в разработанных и читаемых автором курсах на географическом факультете МГУ имени М.В. Ломоносова; онлайн-курсах для сотрудников ветеринарных институтов РФ (2018 - 2019) и семинарах, проводимых на базе университета штата Миннесота (США) и в рамках международных конференций (2017 - 2019 гг.).

Апробация работы. Основные результаты работы за последние пять

лет представлены на международных конференциях: «ГИС в

здравоохранении РФ: данные, аналитика, решения» (Санкт-Петербург, 2015);

Epidemics-5 (Клируотер, США, 2015); 22-й конференция ESRI в России и

странах СНГ (Москва, 2016); 10th International Symposium on Geospatial

Health (Брисбен, Австралия, 2016); «Актуальные проблемы болезней, общих

для человека и животных» (Ставрополь, 2017); 11th International Symposium

on Geospatial Health (Балтимор, США, 2017); Конференция ESRI (Сан-Диего,

США, 2017); Epidemics-6 (Ситжес, Испания, 2017); «Практическая география

10

и вызовы XXI века» (IGU, Москва, 2018); GeoVet-2019 (Дэйвис, США, 2019); 13th International Symposium on Geospatial Health (Ливерпуль, Великобритания, 2019).

Публикации. По теме диссертации опубликовано 53 работы в научных журналах (в том числе 41 в РИНЦ), из них 13 - в международных журналах, цитируемых в системах Web of Science и Scopus. Написано пять методических рекомендаций, опубликованные в трудах Федерального центра охраны здоровья животных (ФГБУ «ВНИИЗЖ»).

Структура диссертации. Диссертация состоит из введения, пяти глав, заключения и библиографии из 215 наименований, из них 135 иностранных источников и 25 интернет-источников. В работе 154 страниц основного текста, 9 таблиц и 51 рисунок, в том числе 34 авторские карты.

Благодарности. Автор выражает глубокую искреннюю благодарность научному руководителю С.М. Малхазовой за исключительное внимание и активную поддержку при работе над диссертацией. Автор благодарит сотрудников географического факультета Т.В. Котову, В.А. Миронову и Н.В. Шартову, а также всех сотрудников кафедры биогеографии за поддержку, ценные советы и помощь в оформлении диссертации. Автор искренне признателен коллективу информационно-аналитического центра Управления ветнадзора Россельхознадзора (ФГБУ «ВНИИЗЖ») и, в частности, А.К. Караулову, В.М. Гуленкину, О.Н.Петровой, А.В.Саввину и А.В.Мищенко за активное участие в подготовке материала диссертации. Автор глубоко благодарен декану факультета ветеринарии и технологии животноводства Казахского агротехнического университета им. Сейфуллина С.К.Абдрахманову и его коллегам за предоставленную возможность научного сотрудничества и использования материалов совместной работы для подготовки Главы 4 диссертации. Автор также выражает глубокую благодарность профессору университета штата Миннесота (США) A.M. Perez за предоставленную возможность неоднократных стажировок на базе

университета, что позволило внести большой вклад в написание данной диссертации и освоение методологии современного научного анализа.

ГЛАВА 1. ПОДХОДЫ К МОДЕЛИРОВАНИЮ РАСПРОСТРАНЕНИЯ ЭПИДЕМИЙ И ЭПИЗООТИЙ

1.1. Пространственная эпидемиология как современное направление медицинской географии

Пространственная эпидемиология - направление медицинской географии, оформившееся в зарубежной литературе в начале XXI в., специализирующееся на изучении и визуализации пространственного распределения параметров здоровья человека и животных (Glass, 2000). Предметом изучения пространственной эпидемиологии является географическое распределение заболевания и его взаимосвязь с факторами риска, также распределенными в пространстве. Одной из основополагающих работ, в которой сформулированы предмет и основные методы данного раздела науки является книга S.Orford (2001).

Пространственная эпидемиология является одним из междисциплинарных направлений, наравне с экологической эпидемиологией, представленной в работах Л.И.Приваловой и др. (2003), Б.А. Ревича и др. (2004), ландшафтной эпидемиологией и нозогеографией, базирующимися на учении Е.Н.Павловского о природной очаговости (1964), которые наряду с географическими используют эпидемиологические методы. Пространственная эпидемиология также тесно связана с особым направлением ветеринарной науки - ветеринарной географией (Ганнушкин и Нуйкин, 1969; Бакулов и Таршис, 1971; Гудим, 1974; Константинов, 1975; Таршис, 1979; Черкасский, 1980), которое исследует влияние географической среды на здоровье и продуктивность животных. Можно выделить несколько

ключевых признаков, по которым пространственная эпидемиология может быть отделена от упомянутых направлений:

1) пространственная эпидемиология основана на широком использовании современных вычислительных методов, в частности - методов пространственной статистики1 и пространственно-временного анализа, доступных в рамках географических информационных систем (ГИС);

2) в рамках пространственной эпидемиологии изучаются как заболевания человека, так и животных, поскольку методы визуализации и анализа показателей здоровья являются одинаковыми в обоих случаях. Современная концепция One Health («одно здоровье») (Zinsstag et al., 2011) предполагает общность междисциплинарных подходов к изучению здоровья животных и человека и их взаимосвязи с экологическими параметрами. В настоящей работе демонстрируется применение методов пространственной эпидемиологии именно для изучения распространения заболеваний сельскохозяйственных животных;

3) целью исследования в пространственной эпидемиологии является составление карт риска - то есть карт, отображающих пространственное распределение подверженности возникновению изучаемого заболевания на основании комплекса факторов, в том числе географических.

Основными и тесно взаимосвязанными направлениями изучения пространственной эпидемиологии являются:

1. Картографирование параметров здоровья и неблагополучия популяции - визуальное представление различных параметров здоровья и вспышек заболеваний, а также составление карт риска с

1 Пространственная статистика, часто отождествляемая с пространственным анализом - изучение статистических закономерностей величин с учетом их взаимного расположения в пространстве

13

использованием основных приемов картографии и пространственной статистики.

2. Изучение пространственной корреляции распространения заболеваний с факторами риска - применение корреляционных методов для выявления связи повышенного риска заболевания в восприимчивой популяции с определенными сочетаниями социально-экономических, климатических, ландшафтных и демографических факторов.

3. Изучение кластеризации (группировки) очагов заболеваний -выявление областей в географическом пространстве, где случаи заболевания проявляют тенденцию к повышенной (по сравнению с некоторым средним фоном) группировке в пространстве и времени с целью последующего анализа воздействия причин природного и социально-экономического характера на движущую силу возникновения и развития эпидемии (эпизоотии2).

Развитие пространственной эпидемиологии тесно связано с развитием методологической базы - методов статистического анализа, пространственного анализа и ГИС-визуализации. С одной стороны, насущные проблемы эпидемиологии диктуют выбор подходящих методов из арсенала ГИС-анализа; с другой стороны, развитие геопространственных технологий и математического аппарата (обусловленное, прежде всего, существенным повышением вычислительной мощности компьютеров) предоставляет новые возможности для анализа и стимулирует возникновение новых аналитических подходов. В качестве примеров можно упомянуть широкое применение Байесовских подходов и принципа итераций Монте-Карло в моделировании, а также развитие методологии пространственно-

2 Эпизоотия - массовое распространение инфекционного заболевания среди животных. Наука, изучающая закономерности возникновения, проявления и развития эпизоотии называется эпизоотологией (либо ветеринарной эпидемиологией).

временного куба, требующих значительных вычислительных ресурсов и недоступных ранее в широком масштабе.

В представленной работе дается краткий обзор основных методов пространственной эпидемиологии с использованием примеров из литературы (настоящая глава), а также приводятся результаты собственных исследований по моделированию особо опасных заболеваний сельскохозяйственных животных (главы 2 - 5).

1.2. Отображение мест регистрации и интенсивности заболевания с

применением математико-картографических методов

Построение карт заболеваний предоставляет возможность быстрой визуализации комплекса географической информации и позволяет выявить некоторые наиболее общие закономерности, не очевидные при текстовом или табличном представлении информации. Карты заболеваний используются для описательных целей, для выработки предварительных гипотез о закономерностях распространения заболеваний и их возможных связях с географическими факторами, для целевого распределения ресурсов по надзору и профилактике заболеваний (Малхазова и др., 2015; Игонин и Тикунов, 2019; Koch, 2005; Kotova et al., 2017)

Информация о заболеваниях обычно бывает представлена на картах в виде точечных, площадных и непрерывных данных. Данные точечного типа, как правило, обозначают местоположения вспышек заболеваний, однозначно определяемые географическими координатами (рис. 2.2, 2.4 в Гл. 2, рис. 3.8 в Гл. 3).

Площадные данные обычно демонстрируют характеристики здоровья, отнесенные к какой-либо географической территории (административной единице, ландшафтному выделу и т.д.). Примерами площадных данных могут служить: отображение уровня заболеваемости или смертности

15

населения по субъектам РФ; плотность поголовья исследуемой популяции животных по регионам; риск возникновения заболевания по муниципальным районам и т.п. В ГИС площадные данные отображаются с помощью полигонов и их символики с помощью цветовой линейки, пропорциональных символов, точечной плотности и т.д. (рис. 3.2, 3.3 в Гл. 3, рис. 4.15 в Гл. 4).

Непрерывные данные представляют распределение какой-либо величины, полученное с помощью процедур интер(экстра)поляции либо анализа, выполненного на основе растровых данных (например, данных дистанционного зондирования Земли), когда отображаемая величина привязана к матрице равномерных ячеек заданного пространственного разрешения. Примером непрерывных данных может служить отображение плотности населения (либо популяции какого-либо вида животных), полученное с помощью картографической процедуры «плотность» (рис. 2.3 в Гл. 2, рис. 3.1 в Гл. 3); также с помощью непрерывных данных отображаются потенциальные нозоареалы заболеваний либо распределение рисков при моделировании с помощью методов экологических ниш (подробно данная процедура будет рассмотрена далее в этой главе, а также в главах 4 и 5) (рис. 4.7 в Гл. 4, рис. 5.9 - 5.13 в Гл. 5).

Отдельным типом картографического отображения данных является построение анаморфоз. Под анаморфозами понимаются производные от традиционных географических карт, масштаб которых трансформируется и варьирует в зависимости от величины характеристики явлений на исходной карте (Капралов и др., 2005; Гусейн-Заде и Тикунов, 2008). В пространственной эпидемиологии анаморфозы применяются для визуализации неравномерности распределения популяции по странам мира либо по административным единицам внутри страны; для иллюстрации заболеваемости по административным единицам и т.п. В большей степени этот подход разработан в рамках эпидемиологии, чем эпизоотологии. В качестве примеров можно указать работы С.Л.Оиегга е1 а1. (2006), Б.Б.Р1е1 е1

а1. (2013), A.N.Nowbar е1 а1. (2014), а также наши работы: Ф.И.Коренной и В.М.Гуленкин (2011); Ф.И. Коренной и др. (2011). На рис. 1.1. приведена анаморфоза, отображающая распределение совокупного поголовья сельскохозяйственных животных по федеральным округам РФ на 2008 г.

Для построения анаморфоз применяются разнообразные алгоритмы, описанные в работе С.М.Гусейн-Заде и В.С.Тикунова (2008). Практическая реализация данных методов возможна с применением специально разработанных приложений (скриптов) для ГИС, в частности Агс01Б (База кодов для АгсО!Б, 2019).

Рис. 1.1. Отображение неравномерности распределения поголовья сельскохозяйственного скота и птицы по федеральным округам РФ с помощью анаморфозы (по Ф.И.Коренному и В.М.Гуленкину, 2011)

1.3. Визуализация динамики и направленности распространения

эпизоотий

Визуализация условного эпидемического центра

Одной из важных задач при ретроспективном изучении эпизоотической (эпидемической ситуации) на определенной территории является визуализация динамики развития эпидемической ситуации, что зачастую дает возможность сделать предварительные выводы о наиболее общих закономерностях и возможных движущих силах распространения заболевания. Современные ГИС предоставляют определенный набор процедур в рамках пространственной статистики, которые могут быть использованы для выявления направленности распространения вспышек заболевания. Так, например, визуализация условного центра эпидемии (эпизоотии) может указывать на концентрацию вспышек заболевания вокруг некоторой условной точки. Выполненная для нескольких последовательных периодов времени, такая процедура может наглядно проиллюстрировать перемещение центра эпидемии (эпизоотии) во времени и в пространстве. Обзор применения данного метода для визуализации эпидемического центра приведен, в частности, в статье M.Ward (2007).

Список литературы диссертационного исследования кандидат наук Коренной Фёдор Игоревич, 2019 год

ЛИТЕРАТУРА

1. Адамович, В.Л. Значение ландшафтно-экологических факторов в эпизоотологии сибирской язвы. Сообщ. 2. Сравнительный метод оценки эпизоотической напряжённости территории / В.Л. Адамович, Н.Н. Никонов // Журн. микробиологии. - 1970. - № 8. - С. 113-117.

2. Алексеева, Н. Н. Глобальные базы данных земельного покрова и перспективы их использования для картографирования современных ландшафтов / Н.Н.Алексеева, О.А.Климанова, Е.С.Хазиева // Известия Российской академии наук. Серия географическая. — 2017. — № 1. — С. 110-123.

3. Алисов, Б. П. Климатология (учебник для ВУЗов) / Б.П. Алисов, Б.В. Полтораус // 2-е изд., перераб. и доп. — М.: Изд-во МГУ, 1974. — 300 с.

4. Атлас России [Карты]: Информационный справочник / рук. проекта: А.Н. Бушнев, А.П. Притворов. — М.: ДИК: АСТ, 2010. — 232 с.

5. Афонин, А.Н. Агроэкологический атлас России и сопредельных стран: экономически значимые растения, их вредители, болезни и сорные

133

растения / А.Н.Афонин, С.Л.Грин, Н.И.Дзюбенко, А.Н.Фролов (ред.) // [DVD-версия]. — 2008. URL: http: //www.agro atlas .ru (дата обращения 24.10.2019)

6. База кодов для ArcGIS. - URL: https://codesharing.arcgis.com/ (дата обращения 24.10.2019).

7. Бакулов, И.А. География болезней животных зарубежных стран / И.А. Бакулов, М.Г. Таршис. - М.: Колос, 1971. - 200 с.

8. Белянин, С.А. Динамика распространения и мониторинг эпизоотического процесса африканской чумы свиней в Российской Федерации: дис. канд. вет. наук: 06.02.02 / Белянин Сергей Александрович. - Покров, 2013. - 203 с.

9. Биоклиматический подход к оценке смертности населения во время аномальной жары на примере юга России / Н.В. Шартова, Д. А. Шапошников, П.И. Константинов, Б.А. Ревич // Вестн. Моск. ун-та. -2018. - Т. 5, № 6. - С. 47-55.

10.Вершинский, Б.В. Картографирование природно-очаговых болезней в связи с изучением их географии в СССР / Б.В.Вершинский // Медицинская география. Итоги. Перспективы. - Иркутск, 1964. - С. 6298.

11.Воронов, А.Г. Медицинская география / А.Г.Воронов. - М.: Изд-во МГУ, 1981. - 161 с.

12.Ганнушкин, М.С. География ветеринарная / М.С. Ганнушкин, Я.В. Нуйкин // Ветеринарная энциклопедия. - М., 1969. - Т. 2. - С. 382-383.

13. Геоинформатика: Учебник для студентов вузов / Е.Г.Капралов,

A.В.Кошкарев, В.С.Тикунов [и др.]. — М.: 2005. — 480 с.

14.Гиляров, А.М. Популяционная экология: учеб. пособие / А.М. Гиляров. - М.: Изд-во МГУ, 1990. - 191 с.

15. Гудим, В.Е. Исследование структуры нозоареала методом информационного анализа в связи с задачей прогнозирования болезни (на примере клостридиоза, вызываемого Cl. chauvoei): дис. канд. биол.наук: 03.00.07 / Гудим Валентина Евгеньевна. - М., 1974. - 165 с.

16.Гусейн-Заде, С.М. Анаморфозы: что это такое? / С.М. Гусейн-Заде,

B.С. Тикунов. - Изд. 2. - ЛКИ, 2008. - 168 с.

17. Давыдова, М.И. Физическая география СССР. Т. 1. / М.И. Давыдова, Э.М. Раковская, Г.К. Тушинский. - М.: Просвещение, 1989. - 239 с.

18. Добрынина, И.В. Медико-географическая оценка климатической комфортности территории Воронежской области / И.В. Добрынина, Л.М. Акимов, С.А. Куролап // Вестн. Воронеж. гос. ун-та. Серия: География. Геоэкология. - 2013. - № 1. - С. 120-128.

19. Душкова, Д. О. Оценка экосистемных услуг городской среды и их влияния на здоровье человека: опыт и подходы на примере городов России и Германии / Д.О.Душкова, Д. Хаазэ, А.В.Евсеев // Экология урбанизированных территорий. — 2015. — № 4. — С. 21-27

20.Игнатьев, Е.И. Принципы и методы медико-географического изучения природных компонентов географической среды // Медицинская география: Итоги, перспективы. — Иркутск, 1964. — С. 20-42

21. Игонин, А.И. Математико-картографическое моделирование и картографирование демографической ситуации в регионах Европы и России / А.И. Игонин, В.С. Тикунов // Наука. Инновации. Технологии. - 2019. - № 3.- С. 115-130.

22. Инструкция о мероприятиях по предупреждению и ликвидации африканской чумы свиней. Главное управление ветеринарии МСХ СССР, 1980 г. - URL: https://www.fsvps.ru/fsvps/laws/1977.html (дата обращения 22.09.2019).

23. Кадастр стационарно неблагополучных по сибирской язве пунктов Российской Федерации / Б.Л. Черкасский [и др.] // Фундаментальные и прикладные проблемы биотехнологии. - Н. Новгород, 2001. - С. 126128.

24. Картографический метод в медицинской паразитологии / Н.Н. Дарченкова, Н.С. Малышева, Н.А. Романенко [и др.]. - Курск, 2002. -80 с.

25.Кисленко, В.Н. Общая и ветеринарная экология. Учебник / В.Н.Кисленко, Н.А.Калиненко. - Инфра-М, 2016. - 344 с.

26.Клиновицкая, И.М. Оценка экономических потерь при ликвидации африканской чумы свиней в регионах РФ в 2015 г. / И.М. Клиновицкая, В.М. Гуленкин, А.К. Караулов // БИО. - 2016. - № 10.- С. 24-30.

27. Кодекс здоровья наземных животных МЭБ / World Organization For Animal Health // Двадцать восьмое издание. - 2019. URL: https://www.fsvps.ru/fsvps-docs/ru/oie/oie terrestrial code g t1.pdf (дата обращения 01.11.2019)

28. Количественные методы районирования и классификации /

A.М.Трофимов, Я.И. Заботин, М.В. Панасюк, В.А. Рубцов. - Казань: Изд-во Казан. ун-та, 1985. -119 с.

29. Константинов, В.М. Моделирование территориального распространения ящура в связи с задачами прогнозов: дис.канд.биол.наук: 16.00.03 / Константинов Виктор Михайлович. -Покров, 1975. - 174 с.

30.Коренной, Ф.И. Методические рекомендации по методам картографического анализа эпизоотической ситуации особо опасных инфекций (ООИ) животных на территории Российской Федерации / Ф.И. Коренной, В. М. Гуленкин, С.А. Дудников; ФГБУ "ВНИИЗЖ". -Владимир, 2011. - 27 с.

31.Коренной, Ф.И. Методические рекомендации по прогнозированию риска распространения африканской чумы свиней на территории Российской Федерации / Ф.И. Коренной, В.М. Гуленкин, С.А. Дудников; ФГБУ "ВНИИЗЖ". - Владимир, 2011. - 22 с.

32.Коренной, Ф.И. Применение геоинформационной системы на основе ArcGIS в эпизоотологическом анализе / Ф.И. Коренной, В.М. Гуленкин // ArcReview. Современные геоинформационные технологии. - 2011.-№ 3(58). - С. 4-6.

33.Куролап, С.А. Изменения климата и здоровье населения: региональные особенности и прогнозные оценки для территории Центрального Черноземья / С.А. Куролап // Экологические системы и приборы. -2012. - № 11. - С. 52-57.

34.Куролап, С.А. Медицинская география: современные аспекты // Соросовский образовательный журн.- 2000. -Т.6, № 6. - С. 52-58.

35.Ландшафтно-маляриологическое районирование Южного Узбекистана в целях предупреждения восстановления малярии / В.А. Миронова, Е.А. Солдатова, С.С. Сайдалиев [и др.] // Медицинская паразитология и паразитарные болезни. - 2017. - № 1.- С. 3-8.

36.Макаров, В.В. Эмерджентные инфекции и новые эпидемиологические явления / В.В. Макаров, Д.А. Лозовой, А.К. Петров // Пест-Менеджмент. - 2018. - № 3(107). - С. 10-19.

37.Малхазова, С. М. Картографирование динамики заболеваемости населения: подходы и новые решения / С.М.Малхазова, Т.В.Котова,

B.С.Тикунов // Геодезия и картография. — 2015. — № 10. — С. 25-33.

38.Малхазова, С. М. Применение анаморфоз при изучении пространственных различий в распространении природно-эндемичных болезней / С.М.Малхазова, В.С.Тикунов // Известия Русского географического общества. — 1993. — Т. 125, № 5. — С. 86-93.

39.Малхазова, С.М. Медико-географический анализ территории: картографирование, оценка, прогноз / С.М. Малхазова. - М.: Научный мир, 2001. - 240 с.

40.Малхазова, С.М. Медико-географический подход к оценке кризисных экологических ситуаций / С.М. Малхазова, В.С. Тикунов // Программа "Университеты России". - География. - М.: МГУ, 1993. - С. 171-181.

41.Малхазова, С.М. Факторный анализ распространения висцерального лейшманиоза в Южной Азии / С.М. Малхазова, В.М. Неронов // Вестн. Моск. ун -та. Серия 5: География. - 1980. - № 5. - С. 76-79.

42.Марцев, А.А. Роль факторов окружающей среды в эпидемиологии туберкулеза на территории Владимирской области / А.А. Марцев, Т.А. Трифонова // Здравоохранение Российской Федерации. - 2014. - № 2. -С. 39-42.

43. Международная база данных FAO EMPRES-i. - URL: http://empres-i.fao.org/eipws3g/ (дата обращения 24.10.2019)

44. Международная база данных здоровья животных OIE WAHIS. - URL: https://www.oie.int/wahis_2/public/wahid.php/Diseaseinformation/Immsum mary (дата обращения 24.10.2019).

45. Методические рекомендации по использованию географической информационной системы ArcGIS в эпизоотологическом анализе / Ф.И. Коренной, М.В. Дудорова, В.М. Гуленкин, С.А. Дудников; ФГУ "ВНИИЗЖ". - Владимир, 2010. - 22 с.

46. Методические рекомендации по картографическому анализу распространения африканской чумы свиней на территории Российской Федерации / Ф.И. Коренной, Н.С. Бардина, В.М. Гуленкин, С.А. Дудников; ФГУ "ВНИИЗЖ". - Владимир, 2010. - 17 с.

47. Методические рекомендации по созданию картографической базы данных популяции сельскохозяйственных животных на территории Российской Федерации / Ф.И. Коренной, В.М. Гуленкин, М.В. Дудорова, С.А. Дудников; ФГБУ "ВНИИЗЖ". - Владимир, 2011. - 19 с.

48.Мильков, Ф.Н. Физическая география СССР. Общий обзор. Европейская часть. Кавказ / Ф.Н. Мильков, Н.А. Гвоздецкий. - М.: Просвещение, 1986. - 375 с.

49. Национальный атлас Республики Казахстан. Т. 1- 3. - Алматы, 2010.

50. Неронов, В.М. Опыт районирования нозоареала кожных лейшманиозов в Старом Свете / В.М. Неронов, С.М. Малхазова В.С. Тикунов // Медицинская паразитология и паразитарные болезни. -1986. - № 2.- С. 49-56.

51.Николаев, И. Особенности животноводства в России. - URL: https://goferma.ru/zhivotnovodstvo/obshhie-dannye/zhivotnovodstvo-v-rossii.html (дата обращения 24.10.2019)

52.Нодулярный дерматит // Инфекционная патология животных / под ред. А.Я. Самуйленко [и др.]. - М.: Академкнига, 2006. Т.1. - С. 782-788.

53.Облапенко, Г.П. Пространственный аспект эпидемического процесса / Г.П. Облапенко, Б.В. Вершинский // Тр. ин-та. им. Пастера. - 1976. -Т. 45. - С.40-48.

54. Павловский, Е.Н. Природная очаговость трансмиссивных болезней / Е.Н. Павловский. - М.; Л.: Наука, 1964. - 211 с.

55.Приказ Министерства сельского хозяйства РФ от 31 мая 2016 г. № 213 "Об утверждении ветеринарных правил осуществления профилактических, диагностических, ограничительных и иных мероприятий, установления и отмены карантина и иных ограничений, направленных на предотвращение распространения и ликвидацию очагов африканской чумы свиней". - URL:

https://www.garant.ru/products/ipo/prime/doc/71373924/ (дата обращения 24.10.2019).

56.Применение аналитических инструментов ArcGIS для выявления пространственно-временных закономерностей распространения особо опасных заболеваний сельскохозяйственных животных / Ф.И.Коренной, О.Н.Петрова, В.М. Гуленкин, А.К.Караулов // ArcReview. - 2017. - 1(80). - URL: https://www.esri-cis.ru/news/arcreview/detail.php?ID=24666&SECTION_ID=1098&print=Y (дата обращения 24.10.2019)

57. Пространственно-временной анализ локального распространения африканской чумы свиней в Российской Федерации в 2007-2015 гг. / С. М. Малхазова, Ф. И. Коренной, О. Н. Петрова и др. // Вестник

Московского университета. Серия 5: География. — 2017. — № 5. — С. 33-42.

58.Прохоров, Б.Б. Медико-экологическое районирование и региональный прогноз здоровья населения России / Б.Б. Прохоров. - М.: Изд-во МНЭПУ, 1996. - 72 с.

59.Р 2.1.10.1920-04 "Руководство по оценке риска для здоровья населения при воздействии химических веществ, загрязняющих окружающую среду" (утв. Главным государственным санитарным врачом РФ 5 марта 2004 г.). - URL: http://base.garant.ru74 1 8 1 873/#ixzz63wmkT3EN (дата обращения 24.10.2019)

60. Развитие эпидситуации по африканской чуме свиней на евразийском континенте в 2007-2014 гг. / О.Н. Петрова, Ф.И. Коренной, Н.С. Бардина, А.К. Караулов // БИО. - 2015. - № 5. - С. 10-16.

61.Райх, Е.Л. Моделирование в медицинской географии / Е.Л. Райх. - М.: Наука, 1984. -157 с.

62.Раковская, Э.М. Физическая география России. Ч. 1-2. / Э.М. Раковская, М.И. Давыдова. - М.: Владос, 2001. - Ч1 — 288c., Ч2 — 304c.

63. Распространение заразного узелкового дерматита (нодулярного дерматита) крупного рогатого скота в мире / В.П. Семакина, М.В. Жильцова, А.В. Саввин, Т.П. Акимова // Ветеринария сегодня. -2017. -№ 3. - С.13-23.

64.Ревич, Б.А. Экологическая эпидемиология / Б.А. Ревич, С.Л. Авалиани, Г.И.Тихонова; под ред. Б.А. Ревича. - М.: Академия, 2004. - 384 с.

65. Регионализация стран Европы по АЧС. - URL: https://ec.europa.eu/food/sites/food/files/animals/docs/ad_control-measures_asf_pl-lt-regionalisation.pdf (дата обращения 24.10.2019).

66.Ротшильд, Е.В. Прогнозирование активности очагов зоонозов по факторам среды / Е.В. Ротшильд, С.А. Куролап. - М.: Наука, 1992. -184 с.

67. Сибирская язва. - URL: http://handcent.ru/osnovy-veterinarnoy-geografii/2822-sibirskaya-yazva.html (дата обращения 24.10.2019)

68.Таршис, М.Г. Научные основы территориального прогнозирования в эпизоотилогии: Диссерт. на соиск. Уч. степени докт. Вет. наук.-М.:1979. - 300 с.

69.Трифонова, Т.А. Использование геоинформационных технологий в почвенно-экологических исследованиях / Т.А. Трифонова, Н.В. Мищенко, Д.А. Будаков // Почвоведение. - 2007. - № 1.- С. 23-30.

70.Трифонова, Т.А. Оценка влияния загрязнения атмосферного воздуха на заболеваемость населения Владимирской области / Т.А. Трифонова, А.А. Марцев // Гигиена и санитария. - 2015. -Т. 94, № 4. - С. 14-16.

71.ФАО-ЮНЕСКО. Почвенная карта мира 1:5 000 000. Т.1. Элементы легенды. - Париж: ЮНЕСКО, 1977.

72. Филиппова, Н.А. Аргасовые клещи (Argasidae). [Фауна СССР. 96] / Н.А. Филиппова. - М.; Л., 1966. - 255 с.

73.Цифровая карта России в масштабе 1:500 000. URL: https://www.dataplus.ru/products/map and services date/detail/review/ (дата обращения 01.11.2019)

74. Черкасский, Б.Л. Закономерности территориального распространения и проявления активности стационарно неблагополучных по сибирской язве пунктов / Б.Л. Черкасский // Эпидемиология и инфекционные болезни. - 1999. - № 2. - С. 48-52.

75. Черкасский, Б.Л. Эпидемиология зооантропонозов / Б.Л. Черкасский. -М., 1980.

76. Черкасский, Б.Л. Эпидемиология и профилактика сибирской язвы / Б.Л. Черкасский. - М.: Интерсэн, 2002. - 384 с.

77.Чистяков, Е.Г. Территориальная организация населения: учеб. пособие / Е.Г.Чистяков. - М.: Вузовский учебник, 2005. - 88 с.

78.Шартова, Н.В. Технология интегральной оценки биоклиматической комфортности и загрязненности воздуха на урбанизированных территориях / Н.В. Шартова, В.Н. Крайнов, С.М. Малхазова // Экология и промышленность России. — 2015. — № 1. — С. 24-29.

79.Шестакова, И.В. Сибирская язва ошибок не прощает: оценка информации после вспышки на Ямале летом 2016 года / И.В.Шестакова // Журнал инфектологии. — 2016. — №8(3). — С. 5-27

80. Экологические особенности нодулярного дерматита крупного рогатого скота / А.В.Мищенко, В.А.Мищенко, В.Н.Шевкопляс [и др.] // Ветеринария Кубани. - 2017. - №5. - URL:

http://vetkuban. com/num5_201701.html (дата обращения 01.11.2019)

81.A comparison of least squares regression and geographically weighted regression modeling of West Nile virus risk based on environmental parameters / A.K. Kala, C. Tiwari, A.R. Mikler, S.F. Atkinson // Peer J. -2017. - URL: https://doi.org/10.7717/peerj.3070.

82.A global land cover climatology using MODIS data / P.D. Broxton, X. Zeng, D. Sulla-Menashe, P.A. Troch // J. Appl. Meteorol. Climatol. -2014a.

- URL: https://doi.org/10.1175/JAMC-D-13-0270.1.

83.A MODIS-based global 1-km maximum green vegetation fraction dataset / P.D. Broxton, X. Zeng, W. Scheftic, P.A. Troch // J. Appl. Meteorol. Climatol. - 2014b. - URL: https://doi.org/10.1175/JAMC-D-13-0356.!.

84.A space-time permutation scan statistic for the early detection of disease outbreaks / M. Kulldorff, R. Heffernan, J. Hartman [et al.] // PLoS Med. -2005. - Vol. 2. - P. 216-224.

85.A spatial statistical approach to malaria mapping / I. Kleinschmidt, M. Bagayoko, G.P.Y. Clarke [et al.] // Intern. J. Epidemiol. - 2000. - URL: https://doi.org/10.1093/ije/29.2.355.

86.A statistical explanation of MaxEnt for ecologists / J. Elith, S.J. Phillips, T. Hastie [et al.] // Divers. Distrib. - 2011. - URL: https://doi.org/10.1111/j.1472-4642.2010.00725.x.

87.African swine fever in Poland. Management of wild boar population. -URL: https://web.oie.int/RR-Europe/eng/Regprog/docs/docs/SGE1%20-%20Poland%20situation.pdf (дата обращения 24.10.2019).

88.African swine fever in the Russian Federation: Spatio-temporal analysis and epidemiological overview / A.S. Oganesyan, O.N. Petrova, F.I. Korennoy [et al.] // Virus Res. - 2013. - URL: https://doi.org/10.1016/j.virusres.2012.12.009.

89.African swine fever: A re-emerging viral disease threatening the global pig industry / P.J. Sánchez-Cordón, M. Montoya, A.L Reis, L.K. Dixon // Vet. J.

- 2018. - URL: doi:10.1016/j.tvjl.2017.12.025.

90.Agencies search for ASF vaccine. - URL: https://www.producer.com/2019/04/agencies-search-for-asf-vaccine/ (дата обращения 01.11.2019)

91.Airborne movement of anthrax spores from carcass sites in the Etosha National Park, Namibia / P.C.B Turnbull, P.M. Lindeque, J. Le Roux [et al.] // J. Appl. Microbiol. - 1998. - URL: https://doi.org/10.1046/j.1365-2672.1998.00394.x.

92.Alkhamis, M.A. Spatial and temporal epidemiology of lumpy skin disease in the Middle East, 2012-2015 / M.A. Alkhamis, K. VanderWaal // Front. Vet. Sci. - 2016. - URL: doi:10.3389/fvets.2016.00019.

93.Allepuz, A. Spatial analysis of lumpy skin disease in Eurasia -Predicting areas at risk for further spread within the region / A. Allepuz, J. Casal, D. Beltrán-Alcrudo // Transbound. Emerg. Dis. - 2019. - URL: doi:10.1111/tbed.13090.

94.An overview of CMIP5 and the experiment design / K.E. Taylor, R.J. Stouffer, G.A. Meehl [et al.] // Bull. Amer. Meteorol. Soc. - 2012. - URL: https://doi.org/10.1175/BAMS-D-11-00094.1.

95.Analysing the spatial patterns of livestock anthrax in Kazakhstan in relation to environmental factors: A comparison of local (Gi*) and morphology cluster statistics / I.T. Kracalik, J.K. Blackburn, L. Lukhnova [et al.] // Geospat. Health. - 2012. - Vol. 7. - P. 111-126. - URL: https://doi.org/10.4081/gh.2012.110.

96.Application of geographically weighted regression analysis to assess risk factors for malaria hotspots in Keur Soce health and demographic surveillance site / M.M. Ndiath, B. Cisse, J.L. Ndiaye [et al.] // J. Malar. -2015. - URL: https://doi.org/10.1186/s12936-015-0976-9.

97. Araújo, M.B. Equilibrium of species' distributions with climate / M.B. Araújo, R.G. Pearson // Ecography (Cop.). - 2005. - URL: https://doi.org/10.1111/j.2005.0906-7590.04253.x.

98.Assessment of the geographic distribution of Ornithodoros turicata (Argasidae): Climate variation and host diversity / T.G. Donaldson, A.A. Perez de León, A.I. Li [et al.] // PLoS Negl. Trop. Dis. - 2016. - URL: https://doi.org/10.1371/journal.pntd.0004383.

99.Astudillo, V.M. Ecosystems and regional strategies for foot-and-mouth disease control. Application to the case of Rio Grande do Sul / V.M. Astudillo, F.J. Dora, A.J.M. Silva // Brazil. Bol. Cent. Panam. Fiebre Aftosa. - 1986. - Vol. 52. - P. 47-61.

100. Batjes, N.H. A world dataset of derived soil properties by FAO-UNESCO soil unit for global modelling / N.H.Batjes // Soil Use Manag. -1997. - doi:DOI 10.1111/j.1475-2743.1997.tb00550.x

101. Beltran-Alcrudo, D. FAO takes a close look at the threat of African swine fever introduction into Eastern Europe / D. Beltran-Alcrudo, S.

Khomenko, K. Dietze. - EMPRES Transboun. Animal Dis. Bull. - Vol. 36. - P. 2-17.

102. Blackburn, J.K. Evaluating the spatial ecology of anthrax in North America: Examining epidemiological components across multiple geographic scales using a GIS-based approach: dr. dis. / J.K. Blackburn. -Louisiana State University, 2006.

103. Brown, J.L. SDM toolbox: a python-based GIS toolkit for landscape genetic, biogeographic, and species distribution model analyses / J.L. Brown // Methods in Ecology and Evolution. - 2014. - URL: DOI: 10.1111/2041-210X.12200.

104. Cartographical analysis of African swine fever outbreaks in the territory of the Russian Federation and computer modeling of the basic reproduction ratio / V.M. Gulenkin, F.I. Korennoy, A.K. Karaulov, S.A. Dudnikov // Prevent. Vet. Med. - 2011. - Vol. 102. - P. 167-174. - URL: https: //doi.org/ 10.1016/j.prevetmed.2011.07.004.

105. Chen, D.G. Comparing geographic area-based and classical population-based incidence and prevalence rates, and their confidence intervals / D.G. Chen // Prevent. Med. Rep. - 2017. - URL: https://doi.org/10.1016Zj.pmedr.2017.05.017.

106. Chen, X. Geographic area-based rate as a novel indicator to enhance research and precision intervention for more effective HIV/AIDS control / X. Chen, K. Wang. - Prevent. Med. Rep. - 2017. - URL: https://doi.org/10.1016/j.pmedr.2017.01.009.

107. Choi, H. Analysis of the relationship between community characteristics and depression using geographically weighted regression / H. Choi, H. Kim // Epidemiol. Health. - 2017. - URL: https://doi.org/10.4178/epih.e2017025.

108. Clusterseer v.2.05. ClustersSeer User Manual 2: Software for the detection and analysis of event clusters / G.M. Jacquez, L. Estberg, A. Long [et al.] // Biomedware. - Inc. Ann Arbor, MI, 2012.

109. Comparison of spatiotemporal patterns of historic natural Anthrax outbreaks in Minnesota and Kazakhstan / K.S.T. Kanankege, S.K. Abdrakhmanov, J. Alvarez [et al.] // PLoS One. - 2019. - URL: https://doi.org/10.1371/journal.pone.0217144.

110. Digital Soil Map of the World. - URL:

http: //www.fao. org/geonetwork/srv/en/metadata.show?id= 14116 (дата обращения 24.10.2019)

111. Disease mapping and risk assessment in veterinary parasitology: Some case studies / G. Cringoli, L. Rinaldi, V. Veneziano, V. Musella // Parassitologia. - 2005. - Vol. 47, N 1. - P. 9-25.

112. Durr, P. GIS and spatial analysis in veterinary science / P. Durr, A. Gatrell. - CABI, 2004. - URL: doi:10.1079/9780851996349.0000.

113. Ecological niche modeling of Bacillus anthracis on three continents: evidence for genetic-ecological divergence? / J.C. Mullins, G. Garofolo, M. Van Ert [et al.] - PloS One. - 2013. - Vol. 8, N 8. - e72451. - URL: https://doi.org/10.1371/journal.pone.0072451.

114. Ecological niche modelling of the Bacillus anthracis A1 .a sub-lineage in Kazakhstan / J. Mullins, L. Lukhnova, A. Aikimbayev [et al.] // BMC Ecology. - 2011. - Vol. 11, N 1. - P. 32. - URL: https://doi.org/10.1186/1472-6785-11-32.

115. Elliott, P. Lessons about cancer from cluster analysis / P. Elliott // Jephcott Symposium: Towards the Prevention of Cancer. - London, UK, 2007. - P. 11-20.

116. Elliott, P. Spatial epidemiology: Current approaches and future challenges / P. Elliott, D.Wartenberg. - Environmental Health Perspectives. - 2004. - URL: https://doi.org/10.1289/ehp.6735.

117. Elton, C.S. Animal Ecology / C.S. Elton. - Great Britain: William Clowes and Sons Ltd., 1968.

118. ENMeval: An R package for conducting spatially independent evaluations and estimating optimal model complexity for Maxent ecological niche models / R. Muscarella, P.J. Galante, M. Soley-Guardia [et al.] // Methods Ecol. Evol. - 2014. - URL: https://doi.org/10.1111/2041-210x.12261.

119. Epidemiological characterization of lumpy skin disease outbreaks in Russia in 2016 / A. Sprygin, E. Artyuchova, Y. Babin [et al.] // Transbound. Emerg. Dis. - 2018. - URL: https://doi.org/10.1111/tbed.12889.

120. Escobar, L.E. Advances and limitations of disease biogeography using ecological niche modeling / L.E. Escobar, M.E. Craft. - Front. Microbiol. -2016. - URL: https://doi.org/10.3389/fmicb.2016.01174.

121. Escobar, L.E. Ecological approaches in veterinary epidemiology: mapping the risk of bat-borne rabies using vegetation indices and night-time light satellite imagery / L.E. Escobar, A.T. Peterson, M. Pape§ // Vet. Res. -2015. - URL: https://doi.org/10.1186/s13567-015-0235-7.

122. Estimating the basic reproductive number for African swine fever using the Ukrainian historical epidemic of 1977 / F. I. Korennoy, V. M. Gulenkin, A. E. Gogin [et al.] // Transboundary and Emerging Diseases. — 2017. — Vol. 64, no. 6. — P. 1858-1866.

123. European Food Safety Authority (EFSA). Scientific opinion on African swine fever // EFSA J. - 2010. - URL: https://doi.org/10.2903/j.efsa.2010.1556.

124. Exploration of potential risks of hand, foot, and mouth disease in Inner Mongolia Autonomous Region, China using geographically weighted regression model / Z. Hong, H. Hao, C. Li [et al.] // Sci. Rep. - 2018. -URL: https://doi.org/10.1038/s41598-018-35721-9.

125. FAO EMPRES-i. - URL: http://empres-i.fao.org/eipws3g/ (дата обращения 01.11.2019).

126. FAO GeoNetwork. - URL:

http: //www. fao. org/geonetwork/srv/en/main. home (дата обращения 01.11.2019)

127. FAO. African swine fever in the Russian Federation: risk factors for Europe and beyond / FAO // Empres Watch. - Rome, 2013. - Vol. 29.

128. FAO. Emergence of lumpy skin disease in the Eastern Mediterranean Basin countries / FAO // Empres Watch. - Rome, 2013. - Vol. 29.

129. Fick, S.E. WorldClim 2: new 1-km spatial resolution climate surfaces for global land areas / S.E. Fick, R.J. Hijmans // Intern. J. Climatol. - 2017. - URL: https://doi.org/10.1002/joc.5086.

130. Frant, M. African swine fever (ASF) and ticks. No risk of tickmediated ASF spread in Poland and Baltic states / M. Frant, G. Wozniakowski, Z. Pejsak // J. Vet. Res. - 2017. - URL: https://doi.org/10.1515/jvetres-2017-0055.

131. Froese, J.G. Modelling seasonal habitat suitability for Wide-Ranging Species: Invasive wild pigs in northern Australia / J.G. Froese, C.S. Smith, P.A. Durr // PLoS One. - 2017. - Vol. 12, N 5. - URL: https://doi.org/10.1371/journal.pone.0177018.

132. From "one medicine" to "one health" and systemic approaches to health and well-being / J. Zinsstag, E. Schelling, D. Waltner-Toews, M.Tanner // Prevent. Vet. Med. - 2011. - URL:

https: //doi.org/10.1016/j .prevetmed.2010.07.003.

133. Getis, A. The analysis of spatial association / A. Getis, J.K. Ord // Geogr. Anal. - 1992. - URL: https://doi.org/10.1111/j.1538-4632.1992.tb00261.x.

134. GIS and Spatial Analysis In Veterinary Science / ed. P. Durr, A. Gattrell. - CABI, 2004. - URL: https://doi.org/10.1079/9780851996349.0000.

135. Glass, G.E. Update: Spatial aspects of epidemiology: The Interface with medical geography / G.E. Glass // Epidemiologic Rev. - 2000. - Vol. 22, N 1. - P. 136-139. - URL:

https://doi.org/10.1093/oxfordjournals.epirev.a018010.

136. Global burden of sickle cell anaemia in children under five, 20102050: Modelling based on demographics, excess mortality, and interventions / F.B. Piel, S.I. Hay, S. Gupta [et al.] // PLoS Med. - 2013. Vol.10, N7. -URL: e1001484. doi:10.1371/journal.pmed.1001484.

137. Global geographic analysis of mortality from ischaemic heart disease by country, age and income: Statistics from World Health Organisation and United Nations / A.N. Nowbar, J.P. Howard, J.A. Finegold [et al.] // Intern. J. Cardiol. - 2014. - URL: https://doi.org/10.1016/jijcard.2014.04.096.

138. Gridded Population of the World. - URL: https://sedac.ciesin.columbia.edu/data/set/gpw-v3-population-density/data-download (дата обращения 01.11.2019)

139. Grinnell J. The niche-relationships of the California Thrasher / J. Grinnell // The Auk. - 1917. - Vol. 34, N 4. - P. 427-433. - URL: doi: 10.2307/4072271. JSTOR 4072271.

140. Guerra, C.A. Mapping the global extent of malaria in 2005 / C.A. Guerra, R.W. Snow, S.I. Hay // Trends Parasitol. - 2006. - URL: https://doi.org/10.1016/j.pt.2006.06.006.

141. Guidelines for investigating clusters of health events // MMWR (Morbidity and Mortality Weekly Report). Recommendations and Reports / Centers for Disease Control and Prevention. - 1990. - Vol. 39. - P. 1-16.

142. Hamed, K.H. Exact distribution of the Mann-Kendall trend test statistic for persistent data / K.H. Hamed // J. Hydrol. - 2009. - URL: https://doi.org/10.1016/jjhydrol.2008.11.024.

143. High relative abundance of the stable fly Stomoxys calcitrans is associated with lumpy skin disease outbreaks in Israeli dairy farms / E. Kahana-Sutin, E. Klement, I. Lensky, Y. Gottlieb // Med. Vet. Entomol. -

2017. - URL: https://doi.org/10.1111/mve.12217.

144. Hugh-Jones, M. The ecology of Bacillus anthracis / M. Hugh-Jones, J. Blackburn // Mol. Aspects Med. - 2009. - URL: https://doi.org/10.1016/j.mam.2009.08.003.

145. Hugh-Jones, M.E. Global anthrax report / M.E. Hugh-Jones // 3rd Intern. Conf. Anthrax: University of Plymouth (Sept. 7-10). - 1998. - P. 12.

146. Hutchinson, G. E. Concluding remarks / G. E. Hutchinson // Cold Spring Harbor Symp. Quant. Biol. - 1957. - Vol. 22. - P. 145-59. - URL: https://doi.org/10.1101/sqb.1957.022.01.039.

147. Influence of climatic factor on naturally determined diseases in a regional context / S. M. Malkhazova, V. A. Mironova, D. S. Orlov, O. S. Adishcheva // GEOGRAPHY, ENVIRONMENT, SUSTAINABILITY. —

2018. — Vol. 11, N 1. — P. 157-170.

148. Jacquez, G.M. Spatial cluster analysis / G.M. Jacquez // The Handbook of Geographic Information Science / ed. S. Fotheringham, J. Wilson. - Blackwell Publ., 2008. - Chap. 22. - P. 395-416.

149. Jacquez, G.M. Statistical software for the clustering of health events / G.M. Jacquez. - Stat. Med. - 1996. - Vol. 15. - P. 951-952.

150. Jaynes, E.T. Information theory and statistical mechanics // Phys. Rev. - 1957. - URL: https://doi.org/10.1103/PhysRev.108.171.

151. Johnson, A. Techniques for analysing the relationship between population density and geographical features of interest / A. Johnson, C. Arrowsmith // Geography, Computer Sci. - 2014. - URL: https://doi.org/10.1016/j.proenv.2015.07.116.

152. Johnson, A. Techniques for analysing the relationship between population density and geographical features of interest / A. Johnson, C. Arrowsmith // CEUR Workshop Proceedings. - 2014. - URL: https://doi.org/10.1016/j.proenv.2015.07.116.

153. Kearney, M. Mechanistic niche modelling: Combining physiological and spatial data to predict species' ranges / M. Kearney, W. Porter // Ecol. Lett. - 2009. - URL: https://doi.org/10.1111/j.1461-0248.2008.01277.x.

154. Kienast, F. Species distribution modeling (SDM) with GLM, GAM and CART / F. Kienast, J. Bolliger, N.E. Zimmermann // Lect. Notes. -2012. - URL:

www.researchgate.net%2Fprofile%2FDaniele Ventura%2Fpost%2FWhat i s the best way of analyzing spatial and temporal variation in species composition and abundance dataset%2Fattachment%2F59d62fcf79197b80 7798df01 %2FAS%253A3 59897272209408%25401462817604512%2Fdow nload%2FScript ModRegress.pdf&usg=AQvVaw22VhcZKFYY0FtiJ2gaB XQG (дата обращения 24.10.2019)

155. Koch, T. Map as intent: Variations on John Snow / T. Koch // Koch, T. Cartographies of Disease: Maps, Mapping, and Medicine / T. Koch. -2005.

156. Kulldorff, M. SaTScan™ v9.6: Software for the spatial and spacetime scan statistics / M. Kulldorff; Information Management Services, Inc. -2018. - URL: www.satscan.org (дата обращения 24.10.2019).

157. Lumpy skin disease: III. Data collection and analysis / P. Calistri, K. DeClercq, S. Gubbins [et al.] // EFSA J. - 2019. - URL: https://doi.org/10.2903Zj.efsa.2019.5638.

158. Mapping bovine tuberculosis in Great Britain using environmental data / G.R. W. Wint, T.P. Robinson, D. M. Bourn [et al.] // Trends in Microbiology. - 2002. - URL: https://doi.org/10.1016/S0966-842X(02)02444-7.

159. Mapping changes in the spatiotemporal distribution of lumpy skin disease virus / G. Machado, F. Korennoy, J. Alvarez [et al.] // Transbound. Emerg. Dis. - 2019. - URL: doi:10.1111/tbed.13253.

160. Maxent software for modeling species niches and distributions. -URL: https://biodiversityinformatics.amnh.org/open source/maxent/ (дата обращения 01.11.2019)

161. Maximum entropy modeling risk of anthrax in the Republic of Kazakhstan // S.K. Abdrakhmanov, Y.Y. Mukhanbetkaliyev, F.I. Korennoy [et al.] // Prevent. Vet. Med. - 2017a. - Vol. 144. - P. 149-157. - URL: https: //doi.org/ 10.1016/j.prevetmed.2017.06.003.

162. Maximum Green Vegetation Fraction. - URL: https://archive.usgs.gov/archive/sites/landcover.usgs.gov/green veg.html (дата обращения 24.10.2019)

163. Mechanical transmission of lumpy skin disease virus by Aedes aegypti (Diptera: Culicidae) / C.M. Chihota, L.F. Rennie, R.P. Kitching, P.S. Mellor // Epidemiol. Infect. - 2001. - URL: https://doi.org/10.1017/S0950268801005179.

164. Medical and demographic consequences of climate change and the assessment of comfort level of weather-climatic conditions in the volga federal district / Y. P. Perevedentsev, S. M. Malkhazova, T. R. Aukhadeev, K. M. Shantalinsky // GEOGRAPHY, ENVIRONMENT, SUSTAINABILITY. — 2016. — Vol. 9, no. 4. — P. 63-76.

165. Mitchell, A. The ESRI Guide to GIS Analysis Vol. 2. / A. Mitchell. -ESRI Press, 2005. - 252 p.

166. Modeling the ecological niche of bacillus anthracis to map anthrax risk in Kyrgyzstan / J.K. Blackburn, S. Matakarimov, S. Kozhokeeva [et al.] // Amer. J. Trop. Med. Hyg. - 2017. - Vol. 96, N 3. - P. 550-556. - URL: https://doi.org/10.4269/ajtmh.16-0758.

167. Modeling the potential distribution of Bacillus anthracis under multiple climate change scenarios for Kazakhstan / T.A. Joyner, L. Lukhnova, Y. Pazilov [et al.] // PLoS One. - 2010. - URL: https://doi.org/10.1371/journal.pone.0009596.

168. Modelling African swine fever presence and reported abundance in the Russian Federation using national surveillance data from 2007 to 2014 / T. Vergne, F. Korennoy, L. Combelles [et al.] // Spat Spatiotemporal Epidemiol. - 2016. - URL: https://doi.org/10.1016Zj.sste.2016.06.002.

169. MODIS-based Global Land Cover Climatology. - URL: https://archive.usgs.gov/archive/sites/landcover.usgs.gov/global climatology .html (дата обращения 24.10.2019)

170. Musaba, E.C. Analysis of factors influencing adoption of cattle management technologies by communal farmers in Northern Namibia / E.C. Musaba // Livest. Res. Rural Dev. - 2010. - Vol. 22. - URL:

http://www.lrrd.org/lrrd22/6/musa22104.htm (дата обращения 24.10.2019)

171. New insights into the role of ticks in African swine fever epidemiology / J.M. Sanchez-Vizcaino, L. Mur, A.D.S. Bastos, M.L. Penrith

// OIE Rev. Sci. Techn. - 2015. - URL: https://doi.org/10.20506/rst.34.2.2375.

172. Oden, N. Adjusting Moran's I for population density / N. Oden // Statistics in Medicine. - 1995. - Vol. 14. - P. 17-26.

173. OIE. Technical cards. Lumpy skin disease. - 2019. - URL:

https: //www.oie. int/fileadmin/Home/eng/Animal_Health_in_the_World/doc s/pdf/Disease_cards/LUMPY_SKIN_DISEASE_FINAL.pdf

174. Ord, J.K. Local spatial autocorrelation statistics: Distributional Issues and an application / J.K. Ord, A. Getis // Geogr. Anal. - 1995. - URL: https://doi.org/10.1111/j.1538-4632.1995.tb00912.x.

175. Orford, S. Spatial epidemiology: Methods and applications / S. Orford // Intern. J. Epidemiol. - 2001. - URL: doi:10.1093/ije/30.5.1204.

176. Paciorek, C.J. Computational techniques for spatial logistic regression with large data sets / C.J. Paciorek // Comput. Stat. Data Anal. -2007. - URL: https://doi.org/10.1016Zj.csda.2006.11.008.

177. Perspective piece: What is a hotspot anyway? / J. Lessler, A.S. Azman, H.S. McKay, S.M. Moore // Amer. J. Trop. Med. Hyg. - 2017. -URL: https://doi.org/10.4269/ajtmh.16-0427.

178. Peterson, A.T. Rethinking receiver operating characteristic analysis applications in ecological niche modeling / A.T. Peterson, M. Pape§, J. Soberon // Ecol. Modell. - 2008. - URL: https://doi.org/10.1016/j.ecolmodel.2007.11.008.

179. Phillips, S.J. A maximum entropy approach to species distribution modeling / S.J. Phillips, M. Dudik, R.E. Schapire // Proc. Twenty-First Intern. Conf. on Machine Learning, 2004. - P. 655-662.

180. Phillips, S.J. Maximum entropy modeling of species geographic distributions / S.J. Phillips, R.P. Anderson, R. E. Schapire // Ecological Modelling. - 2006. - Vol.190. - P. 231-259.

181. Predictive factors and risk mapping for Rift Valley fever epidemics in Kenya / P.M. Munyua, R.M. Murithi, P. Ithondeka [et al.] // PLoS One. -2016 - URL: https://doi.org/10.1371/journal.pone.0144570.

182. Redefining the Australian anthrax belt: modeling the ecological niche and predicting the geographic distribution of bacillus anthracis / A.S. Barro, M. Fegan, B. Moloney [et al.] // PLoS Negl. Trop. Dis. - 2016. - URL: https://doi.org/10.1371/journal.pntd.0004689.

183. Regional level risk factors associated with the occurrence of African swine fever in West and East Africa / Z.Y.X. Huang, F. Van Langevelde, K.J. Honer [et al.] // Parasites and Vectors. - 2017. - URL: https://doi.org/10.1186/s13071-016-1953-z.

184. Renner, I.W. Equivalence of MAXENT and poisson point process models for species distribution modeling in ecology / I.W. Renner, D.I. Warton // Biometrics. - 2013. - URL: https://doi.org/10.1111/j.1541-0420.2012.01824.x.

185. Reproductive ratio for the local spread of African swine fever in wild boars in the Russian Federation / I. Iglesias, M.J. Muñoz, F. Montes [et al.] // Transbound. Emerg. Dis. - 2016. - URL: doi:10.1111/tbed.12337.

186. Revealing spatio-temporal patterns of rabies spread among various categories of animals in the Republic of Kazakhstan, 2010-2013 / S. K. Abdrakhmanov, K. K. Beisembayev, F. I. Korennoy [et al.] // Geospatial health. — 2016. — Vol. 11, no. 2. — P. 199-205.

187. Review of the sylvatic cycle of African swine fever in sub-Saharan Africa and the Indian ocean / F. Jori, L. Vial, M.L. Penrith [et al.] // Virus Res. - 2013. - URL: https://doi.org/10.1016Zj.virusres.2012.10.005.

188. Robinson, T. The food and agriculture organization's gridded livestock of the world / T. Robinson, G. Franceschini, G.R.W.Wint // Vet. Italiana. -2007. - Vol. 43. - P. 745-751.

189. Sánchez-Vizcaíno, J.M. African swine fever: An epidemiological update / J.M. Sánchez-Vizcaíno, L. Mur, B. Martínez-López // Transbound. Emerg. Dis. - 2012. - URL: https://doi.org/10.1111/j.1865-1682.2011.01293.x.

190. Small-scale pig farmers' behavior, silent release of African swine fever virus and consequences for disease spread / S. Costard, F.J. Zagmutt, T. Porphyre, D.U. Pfeiffer // Sci. Rep. - 2015. - URL: https://doi.org/10.1038/srep17074.

191. Soberon, J. Interpretation of models of fundamental ecological niches and species' distributional areas / J. Soberon, A.T. Peterson // Biodivers. Informatics. - 2005. - URL: https://doi.org/10.17161/bi.v2i0A

192. Space-time analysis of foot-and-mouth disease from 2005 to 2014 among cattle populations in Benin: A retrospective study / N. Noudeke, E. Houndje, O. Zannou [et al.] // Open J. Anim. Sci. - 2017. - URL: https://doi.org/10.4236/ojas.2017.71004.

193. Spatial and temporal distribution of lumpy skin disease outbreaks in Uganda (2002-2016) / S. Ochwo, K. VanderWaal, A. Munsey [et al.] // BMC Vet. Res. - 2018. - URL: https://doi.org/10.1186/s12917-018-1503-3.

194. Spatial and temporal patterns of enzootic rabies on the territory of Chernihiv oblast of Ukraine / I. Polupan, M. Bezymennyi, M. Golik [et al.] // J. Vet. Med. Biotechnology and Biosafety. - 2017. - Vol. 3, N2. - P. 3137.

195. Spatio-temporal analysis and visualisation of the anthrax epidemic situation in livestock in Kazakhstan over the period 1933-2016 / S.K. Abdrakhmanov, Y.Y. Mukhanbetkaliyev, F.I. Korennoy [et al.] // Geospat. Health. - 2017b. - Vol. 12, N 2. - P. 316-324. - URL: https://doi.org/10.4081/gh.2017.589.

196. Spatiotemporal analysis of foot-and-mouth disease outbreaks in the Republic of Kazakhstan, 1955 - 2013 / S.K. Abdrakhmanov, S.B. Tyulegenov, F.I. Korennoy [et al.] // Transbound. Emerg. Dis. - 2018. -Vol.65. - P. 1235 - 1245. - URL: https://doi.org/10.1111/tbed.12864.

197. Spatio-temporal modeling of the African swine fever epidemic in the Russian Federation, 2007-2012 / F.I. Korennoy, V.M. Gulenkin, J.B. Malone [et al.] // Spat. Spatiotemporal. Epidemiol. - 2014. - Vol. 11. - P. 135-141. - URL: https://doi.org/10.1016Zj.sste.2014.04.002.

198. Stevens, K.B. Spatial modelling of disease using data- and knowledge-driven approaches / K.B. Stevens, D.U. Pfeiffer // Spat Spatiotemporal Epidemiol. - 2011. - Vol. 2. - P. 125-133. - URL: https://doi.org/10.1016/j.sste.2011.07.007.

199. The next generation of scenarios for climate change research and assessment / R.H. Moss, J.A. Edmonds, K.A. Hibbard [et al.] // Nature. -2010. - URL: https://doi.org/10.1038/nature08823.

200. Townsend Peterson, A. Transferability and model evaluation in ecological niche modeling: A comparison of GARP and Maxent / A. Townsend Peterson, M. Pape§, M. Eaton // Ecography. - 2007. - Vol. 30, N4. - P. 550-560. - URL: https://doi.org/10.1111/j.0906-7590.2007.05102.x.

201. Trends in animal rabies surveillance in the endemic state of Minas Gerais, Brazil / M.E. Oviedo-Pastrana, C.S.F. Oliveira, R.O. Capanema [et al.] // PLoS Negl. Trop. Dis. - 2015. - URL: https://doi.org/10.1371/journal.pntd.0003591.

202. USGS EarthExplorer - Home. - URL: https: //earthexplorer. us gs .gov/ (дата обращения 24.10.2019)

203. Using an autologistic regression model to identify spatial risk factors and spatial risk patterns of hand, foot and mouth disease (HFMD) in Mainland China / Y.C. Bo, C. Song, J.F. Wang, X.W. Li // BMC Publ. Health. - 2014. - URL: https://doi.org/10.1186/1471-2458-14-358.

204. Using geographic information systems and spatial and space-time scan statistics for a population-based risk analysis of the 2002 equine West Nile epidemic in six contiguous regions of Texas / M. Lian, R.D. Warner, J.L. Alexander, K.R. Dixon. - Intern. J. Health Geogr. - 2007. - URL: https://doi.org/10.1186/1476-072X-6-42.

205. Using the SaTScan method to detect local malaria clusters for guiding malaria control programmes / M. Coleman, A.M. Mabuza, G. Kok [et al.] // Malar. J. - 2009. - URL: https://doi.org/10.1186/1475-2875-8-68.

206. Vergne, T. Statistical exploration of local transmission routes for African swine fever in pigs in the Russian Federation, 2007-2014 / T. Vergne, A. Gogin, D.U Pfeiffer // Transbound. Emerg. Dis. - 2017. - URL: doi: 10.1111/tbed.12391

207. Very high resolution interpolated climate surfaces for global land areas / R.J. Hijmans, S.E. Cameron, J.L Parra [et al.] // Intern. J. Climatol. -2005. - URL: https://doi.org/10.1002/joc. 1276.

208. Visualization of public health / T.V. Kotova, S.M. Malkhazova, V. S. Tikunov, T. Bandrova // Geography, Environment, Sustainability. — 2017.

- Vol. 10, N 4. - P. 27-42.

209. Volodin, E.M. Simulating present-day climate with the INMCM4.0 coupled model of the atmospheric and oceanic general circulations / E.M. Volodin, N.A. Dianskii, A.V. Gusev // Izv. - Atmos. Ocean Phys. - 2010. -URL: https://doi.org/10.1134/S000143381004002X.

210. Volodin, E.M. The mechanism of multidecadal variability in the Arctic and North Atlantic in climate model INMCM4 // Environ. Res. Lett.

- 2013. - URL: https://doi.org/10.1088/1748-9326/8/3/035038.

211. Ward, M.P. Spatio-temporal analysis of infectious disease outbreaks in veterinary medicine: clusters, hotspots and foci / M.P. Ward // Vet. Italiana. - 2007. - Vol. 43, N 3. - P. 559-570.

212. When will a vaccine against ASF be available? - URL: https://www.pig333.com/articles/when-will-a-vaccine-against-asf-be-available_14255/ (дата обращения 24.10.2019).

213. WorldClim - Global Climate Data. - URL: http://worldclim.org/version1 (дата обращения 24.10.2019)

214. Zoning and Compartmentalization / Terrestrial Animal Health Code 28.06.2019. - 2019. - OIE. - URL:

https: //www.oie. int/fileadmin/Home/eng/Health standards/tahc/current/chap itre_zoning_compartment.pdf (дата обращения 24.10.2019)

215. Zoning the territory of the Republic of Kazakhstan as to the risk of rabies among various categories of animals / S.K. Abdrakhmanov, A.A. Sultanov, K.K. Beisembayev [et al.]. - Geospat. Health. - 2016. - Vol. 11. -P. 174-181. - URL: https://doi.org/10.4081/gh.2016.429.