Экологические факторы Приаралья как предиктор материнского риска: подход машинного обучения на данных дистанционного зондирования
Keywords:
Приаралье; Аральское море; материнский риск; материнское здоровье; экологические факторы; дистанционное зондирование; спутниковые данные; NDVI; аэрозольная оптическая толща; засоление почв; машинное обучение; объяснимый искусственный интеллект; SHAP; XGBoost; пространственный анализ; Каракалпакстан; Узбекистан.Abstract
Высыхание Аральского моря связано с пыле-солевыми бурями и ростом заболеваемости в Приаралье, однако количественная связь экологии с материнским риском средствами ML ранее не изучалась. Открытые спутниковые показатели (NDVI, аэрозоли, засоление, удалённость от обнажённого дна) сопоставлены с данными материнского риска по Узбекистану (DHS, набор UCI/Бангладеш, синтетика MaternaUZ). Экологический слой дал умеренный прирост дискриминации (ROC-AUC 0,90 – 0,92), но существенно улучшил пространственное объяснение риска: SHAP-вклад максимален в Республике Каракалпакстан с выраженным градиентом «север–юг».
Downloads
References
[1] O'Hara SL, Wiggs GFS, Mamedov B, et al. Exposure to airborne dust contaminated with pesticide in the Aral Sea region. Lancet. 2000;355(9204):627–628.
[2] Micklin P. The Aral Sea disaster. Annu Rev Earth Planet Sci. 2007;35:47–72.
[3] Crighton EJ, et al. Impacts of an environmental disaster on health in Karakalpakstan. Soc Sci Med. 2003;56(3):551–567.
[4] Lundberg SM, Lee SI. A Unified Approach to Interpreting Model Predictions. In: NeurIPS. 2017;30.
[5] Didan K. MODIS Vegetation Index Products (NDVI). NASA EOSDIS LP DAAC; 2015.
[6] Ahmed M, et al. Maternal Health Risk Data Set (Bangladesh). UCI Machine Learning Repository; 2020.
