結合百度指數和遙感數據的花粉過敏研究

劉宇通，王汶

(中國人民大學 環境學院，北京 100872)

0 引言

花粉過敏又叫枯草熱，表現為流鼻涕、打噴嚏、鼻眼癢以及咳嗽等癥狀，一旦疾病發作，將年年反復，嚴重影響人們生活質量和日常工作[1]。花粉過敏如果不采取及時治療，很容易惡化為氣管炎、鼻咽炎、肺炎等呼吸系統疾病[2]。據美國衛生研究院變態反應研究報告，中國的花粉過敏癥發病率為0.5%～1%，而高發病區達到5%，花粉過敏在我國逐漸引起人們的重視，完善的花粉過敏監測體系對幫助花粉過敏患者做好預防、避免接觸花粉過敏原有重要的作用。美國和一些歐洲國家對花粉監測已經形成較為完善的體系[3]，但在我國，僅北京、天津、南京等少數省市氣象部門進行花粉觀測預報業務，其余省市缺少花粉濃度數據。花粉過敏人群就醫數據存儲在公共衛生或醫療部門，然而這些部門各自的數據大多不互通[4-5]，且個人病例具有隱私性，所以針對我國花粉過敏的監測與研究受到諸多限制。

目前，針對花粉過敏空間分布特征及影響因素的研究主要依賴于監測和調查數據。趙筱揚等[6]實測了昆明市區大氣花粉種類及含量并進行分析，發現花粉過敏具有明顯的地區性和季節性；吳慧等[7]利用花粉觀測點的花粉濃度數據分析了近57年海南省花粉過敏天數的時空分布特征及與氣象條件的關系；歐陽志云等[8]對北京五環以內的花粉致敏植物進行了調查，給出了其分布格局。基于監測和調查數據的花粉過敏研究高度受限于數據的可獲得性。此外，實測花粉對設備技術和人力物力投入的高要求使其無法應用于大范圍花粉監測，而且實測花粉數據局限在某一地點，無法反映整個區域內的花粉分布情況。Samuel等[9]指出，美國國家過敏局只有48個臺站統計美國各地的花粉，鑒于臺站數量和各州數據傳播的限制，花粉過敏監測會受到時空角度的影響。

遙感數據具有覆蓋范圍廣、獲取處理方便等特點，可以進行地表的大范圍觀測。研究人員探索利用遙感數據對過敏花粉進行觀測，提供了空間上大范圍研究花粉過敏的可行性。Stein等[10]利用MODIS-NDVI監測挪威樺樹的開花周期，與分布在挪威各地的十個Burkard采樣器采集的白樺花粉濃度進行對比，經過分析發現MODIS-NDVI監測的樺樹開花時間和年累積樺樹花粉總和顯示出5%或更高的顯著值，從而說明遙感可有效監測挪威全國的樺樹釋放花粉周期，還可以揭示僅靠Burkard采樣器不易發現的區域花粉濃度差異。Murat等[11]在獲得MODIS遙感影像的增強型植被指數(enhanced vegetation index，EVI)基礎上加工得到了EVI2指數，使用神經網絡建立EVI2和美國東海岸城市實測花粉數量的模型，并應用IQVIA公司發布的花粉過敏指數作為驗證，整個東海岸結果的R2范圍為0.530～0.966，說明遙感是預測花粉變化的可靠手段。而目前國內對于花粉過敏的研究較少用到遙感手段。

此外，隨著互聯網技術的發展以及網絡大數據的披露，我們可以采用間接的渠道彌補我國花粉數據不足的情況。當授粉季節來臨時，各地區花粉過敏者患病率會升高，依據常理“花粉過敏”的相關搜索規模會在網絡上擴大，研究者可以通過搜索引擎數據迅速獲得搜索“花粉過敏”等相關信息人群的時空分布，從而為大范圍監測花粉過敏提供全新的手段。

本研究以致敏花粉植被種類豐富多樣且花粉濃度數據較完整的北京市為例，首先，探究了“花粉過敏”搜索強度與花粉濃度之間的關系，為輿情大數據用于大范圍花粉過敏監測提供依據；然后，利用遙感可以大范圍監測產生致敏花粉的植被信息的特點，通過遙感產品獲得用來定性和定量評價植被覆蓋及其生長狀況的植被指數，以及影響花粉濃度和花粉傳播的溫度和降水等數據，運用人工神經網絡(artificial neural network，ANN)建立花粉過敏輿情數據與植被指數、溫度、降水之間的非線性花粉過敏監測模型。從而基于輿情和遙感數據實現大范圍花粉過敏的監測，為花粉過敏人群做好花粉預防工作提供科學依據，有利于降低我國花粉過敏患者的發病率。

1 數據與方法

1.1 數據種類及來源

在分析了影響花粉濃度和人群花粉過敏情況的主要因素基礎上，本研究獲取了花粉濃度、花粉過敏百度指數、增強型植被指數EVI、日均溫度和日均降水數據。數據種類及來源如表1所示。

花粉過敏輿情數據來源于關鍵詞“花粉過敏”、地區“北京”、時間范圍“2017—2019年”、時間分辨率為每天的百度指數。在中國，對于生活日常信息的搜索，人們使用最廣泛的搜索引擎是百度，百度公司以海量網民行為大數據為基礎開發了百度指數數據分析平臺，該平臺可以統計某個關鍵詞在計算機端和移動端的百度搜索頻次的加權和，本研究獲取“花粉過敏”的搜索規模。

本文采用氣象局實測的花粉濃度數據驗證花粉過敏百度指數與其之間的相關性。北京市是全國為數不多花粉濃度數據較完整的城市，北京市氣象局聯合北京同仁醫院會在北京花粉期(4—9月)測定每日花粉實況及花粉濃度預報。本研究獲取了北京市2017—2019年共三年的花粉期每天實測花粉濃度數據。

作為花粉來源，植被是影響花粉過敏的重要因素，授粉的數量和時間取決于致敏花粉植被的生長和開花。致敏花粉植被類型多樣，其生長和分布情況通常通過實地調查獲取。在致敏植被數據缺失的情況下，遙感植被指數可以用于反映植被總體的生長態勢和季相特征。本研究通過遙感產品獲取的增強型植被指數EVI監測植被情況。與其他植被指數相比，EVI受飽和度的影響較小，因此對于監測植被結構的季節性、年際和長期變化更為有效。本文依托MODIS陸地3級標準數據產品MOD13Q1獲取EVI遙感影像，空間分辨率250 m，根據MODIS植被指數算法，只有高質量的、無云的濾波數據被用來進行合成，因此時間分辨率為16天，范圍尺度選擇覆蓋全北京的h26v04、h26v05行列號，時間尺度選擇2017—2019年。

溫度和降水也是影響致敏花粉傳播的重要因素[12]。Peternel等[13]的研究表明，溫度下降時，空氣中致敏花粉的濃度會暫時減少，解釋了氣溫升高導致晚春花粉量增加的原因。Gottardini等[14]研究報道，大量或長期降水可顯著降低空氣中致敏花粉濃度，因為帶著雨滴的花粉會在重力作用下落到地上。美國國家海洋和大氣管理局根據NOAA/AVHR遙感數據計算和發布全球的溫度及降水數據，本研究選取北京市2017—2019年逐日的日均溫度和日均降水數據。

表1 數據種類及來源

1.2 研究方案

本文首先剔除花粉濃度、花粉過敏百度指數、日均溫度、日均降水的缺失值；然后對MOD13Q1遙感影像進行預處理，并計算EVI平均值；接下來，選取2017—2019年4—9月逐日的花粉濃度和花粉過敏百度指數，采用相關分析法研究二者之間的相關關系，通過相關性檢驗的花粉過敏百度指數用于下一步研究；建立花粉過敏預測的人工神經網絡模型，因為日均溫度和日均降水是逐日數據，而EVI是16天合成數據，在本研究中認為16天內逐日的 EVI相同；最后利用EVI、日均溫度、日均降水對花粉過敏百度指數進行預測，并對模型進行評估。研究方案如圖1所示。

圖1 研究方案

1)MOD13Q1遙感影像處理。由于 MODIS 對地球觀測的視野幾何特性、地球表面的曲率、地形起伏和探測器運動中的抖動等因素的共同影響，MOD13Q1遙感影像會產生幾何畸變[15]，所以首先對MOD13Q1影像進行幾何校正。本研究的研究區域為北京市，MODIS覆蓋全北京的行列號為h26v04、h26v05兩幅影像，所以要先對h26v04、h26v05兩幅影像進行圖像鑲嵌，再用北京市的矢量圖進行裁剪，裁剪后的北京市EVI遙感影像如圖2所示。將北京市的EVI求取均值，用于接下來的研究。

注：該圖基于自然資源部標準地圖服務下載的審圖號為GS(2019)3333號的標準地圖制作，底圖無修改。圖2 北京市EVI遙感影像

2)花粉濃度與花粉過敏百度指數相關性檢驗。相關分析法可以判斷兩個變量間有沒有關系、有什么樣的關系及關系的大致強度等。地區花粉濃度的升高會使當地花粉過敏者發病率隨之升高，花粉過敏的輿情搜索規模會隨之擴大。本研究將北京市的花粉濃度與北京市花粉過敏百度指數進行相關性檢驗，并按式(1)計算相關系數r，從而驗證花粉過敏百度指數能否顯著代表北京地區的花粉濃度，進而將其應用于下一步研究。

(1)

3)人工神經網絡建模。隨著人工智能的發展，采用機器學習的方法對花粉過敏監測進行建模具有可行性。Liu等[17]就曾使用機器學習的方法估算了俄克拉荷馬州塔爾薩大氣中豚草花粉的濃度。人工神經網絡是一種常用的非線性數據建模工具，人工神經網絡可以通過機器學習對輸入和輸出變量間復雜的關系進行建模，而且無需輸入和輸出變量間關系的先驗知識。因此，本文以EVI、日均溫度、日均降水作為人工神經網絡的輸入，通過相關性檢驗的花粉過敏百度指數作為人工神經網絡的輸出，建立花粉過敏監測模型。

首先按式(2)對建模數據進行標準化處理。

(2)

式中：i為樣本編號；zi為標準化值；xi為輸入變量，即EVI、日均溫度、日均降水；x為輸入變量的均值；s為輸入變量的標準差。因為EVI、日均溫度、日均降水的量綱和數值量級不一樣，如果直接使用原始數據值，它們對花粉過敏百度指數的影響程度不一樣，建立的模型不具有可靠性。通過標準化處理，ANN在學習參數的時候，EVI、日均溫度、日均降水對參數的影響程度一樣。

人工神經網絡的處理過程主要通過激活函數實現，本研究采用的激活函數為tanh函數，即f(x)=tanh(x)。雖然sigmoid函數是最常使用的激活函數，但考慮到2017—2019年三年的花粉期花粉過敏百度指數數據量有限，sigmoid函數存在梯度下降導致人工神經網絡過擬合的情況，因此本研究選用梯度更大的tanh函數，函數如式(3)所示。

(3)

式中：x同式(2)；e為自然常數，約等于2.718。人工神經網絡的損失函數用來估計模型的損失，以便在下次評估時更新權重以減少損失，本研究中選擇回歸建模默認優選的均方誤差(mean squared error，MSE)函數，如式(4)所示。

(4)

4)花粉過敏監測模型的評估。通過人工神經網絡訓練建立花粉過敏監測模型后，總數據量25%的測試數據用來評估模型的可靠性。將模型的預測值與真實的測試數據進行回歸，觀察預測值與真實值的吻合情況，并使用決定系數R2(式(5))和均方誤差MSE作為度量標準，描述花粉過敏監測模型預測結果是否準確。

(5)

圖3 人工神經網絡建模及評估步驟

2 結果與分析

2.1 花粉濃度與花粉過敏百度指數的相關關系

經過相關分析，北京市2017—2019年三年的花粉過敏百度指數與實測花粉濃度散點圖和擬合直線如圖4所示。由圖4可知，花粉濃度增加，花粉過敏百度指數隨之增加，兩個變量的觀測點分布在一條直線周圍，有較明顯的線性正相關關系。根據式(1)計算得到的相關系數如表2所示。表2中，每一年的相關系數均超過60%，說明花粉過敏百度指數與花粉濃度的線性關系顯著。由此證明了當空氣中花粉濃度升高時，花粉過敏的輿情搜索規模會在網絡上擴大的推斷，從而可以用花粉過敏百度指數數據代表各地區的花粉濃度，并作為人工神經網絡建模的輸出量。

圖4 花粉濃度與花粉過敏百度指數的相關關系

表2 花粉濃度與花粉過敏百度指數的相關系數

2.2 花粉過敏監測模型

使用人工神經網絡對訓練數據建模，因為輸入量較少，只有EVI、日均溫度、日均降水三個變量，所以建立一層中間隱藏層可達到較好的效果。tanh函數建立的花粉過敏監測模型如圖5所示。圖5顯示，人工神經網絡隱含層包含兩個神經元，訓練過程執行了13 528步，結束條件為誤差函數的絕對偏導數小于0.01。

圖5 花粉過敏監測模型

圖5中黑線表示每一層神經元與其相關權重直接的關系，藍色線表示擬合過程中，每一步被添加到藍色線上的誤差項，這些誤差項可以表示一個誤差區間。從花粉過敏監測模型可知，隱藏層的截距為-1.14、-1.03，第1個隱藏神經元的權重預測分別為-0.09(EVI)、-0.3(日均溫度)、1.42(日均降水)，第2個隱藏神經元的權重預測分別為-0.16(EVI)、-0.39(日均溫度)、1.28(日均降水)。隱藏層對花粉過敏百度指數的權重預測分別為-7.3和7.38。因此，只要模型輸入每天相應的EVI、日均溫度、日均降水，即可輸出預測的花粉過敏百度指數，從而監測花粉過敏的嚴重程度，接下來需要評估花粉過敏監測模型的可靠性。

2.3 花粉過敏監測模型的評估

本研究應用預留的總數據量25%的訓練數據對花粉過敏監測模型進行評估。將測試數據中的EVI、日均溫度、日均降水作為花粉過敏監測模型的輸入，模型自主輸出結果與測試數據中真實花粉過敏百度指數進行回歸比較。同時建立EVI、日均溫度、日均降水和花粉過敏百度指數的多元線性回歸模型，也將多元線性回歸模型的預測輸出值與真實花粉過敏百度指數進行回歸比較。兩種模型的比較結果如圖6所示。從圖6可以看出，由人工神經網絡模型所預測的花粉過敏百度指數比多元線性回歸模型所擬合出來的結果更加靠近擬合曲線，人工神經網絡模型預測值的準確率更高。由式(4)可知，花粉過敏監測模型的MSE為8.41，而花粉過敏百度指數關于EVI、日均溫度、日均降水的線性回歸模型的MSE為17.61；由式(5)可知，花粉過敏監測模型的R2為72.82%，高于線性回歸模型的R2為50.55%，可見人工神經網絡的擬合度比線性模型更優，且MSE比線性回歸模型的MSE低很多，因此人工神經網絡模型更為可靠。評估結果表明應用人工神經網絡花粉過敏監測模型，EVI、日均溫度、日均降水能較準確地預測北京市花粉過敏百度指數。因為百度指數覆蓋全國，從而有望應用此模型進行大范圍的花粉過敏監測，服務于花粉過敏患病人群做好花粉過敏預防工作。

圖6 神經網絡和線性模型預測結果

3 討論

3.1 基于百度指數的花粉過敏情況反演

本文創新性地基于百度指數輿情大數據反演花粉濃度。本文驗證了花粉過敏百度指數和真實花粉濃度間的相關系數值達到統計學顯著標準，因此，使用百度指數反演花粉濃度具有較高的可信度。百度指數大尺度可以覆蓋全國，小尺度可以精確到各市，并且在時間上具有連續性，從而有望利用百度指數輿情大數據代表各段時間全國各地致敏花粉的嚴重程度，為從時空角度研究花粉過敏人群情況提供了全新的手段。

3.2 基于花粉過敏監測模型的建議

從花粉過敏監測模型的結果看，對于同一地區，日平均溫度高、降水量多時，花粉過敏百度指數較低。表明高溫和降水影響了植被的傳粉過程，導致人群花粉過敏的情況有所減輕。因此，對于溫度較低、干燥等天氣，花粉過敏患者應該減少出門頻率，并提前做好預防措施。

3.3 花粉過敏監測模型的意義和改進

本文基于輿情和遙感數據建立的花粉過敏監測模型，能夠反映花粉過敏情況與植被指數、溫度、降水之間的非線性關系。通過該模型對花粉過敏進行監測，不僅可以幫助花粉相關工作人員分析花粉過敏預防機制，為相關決策提供支持，更可以幫助花粉過敏患者做好預防、避免接觸花粉過敏原，進而降低全國各地區花粉過敏患者的病發率，帶來社會效益，還可以減少在花粉過敏上的經費損耗，具有一定的經濟價值。

然而花粉過敏監測模型也存在有待完善之處。本文以北京市數據為例建立了花粉過敏情況與植被指數、溫度、降水之間的監測模型，但北京為暖溫帶半濕潤半干旱季風氣候，在北京的花粉期有很多天沒有降水，因此可能導致得出模型的局限性。因此若做進一步研究完善，可以選擇南方多雨地區作為對照補充。此外，雖然溫度和降水是影響空氣中花粉濃度的最主要的氣象因素，但花粉濃度還可能受到相對濕度、風速等氣象因素的影響，不過增加模型的變量輸入，可能會增加人工神經網絡的隱藏層數，使花粉過敏監測模型的網絡更為復雜，增加影響因素是否會得到更有效的模型有待進一步的研究。

4 結束語

本文以致敏花粉為研究對象，針對解決我國花粉過敏情況愈加嚴重問題的需求，基于百度指數和遙感數據進行研究，采用人工神經網絡建立花粉過敏監測模型，服務于花粉過敏患病人群做好花粉過敏預防工作。研究表明，人工神經網絡建立的花粉過敏監測模型精度達72.82%，可以較好地解釋花粉過敏與植被指數、溫度、降水之間的非線性關系。遙感數據能夠用于預測花粉濃度和花粉過敏情況，由于遙感數據可以獲取全球各地的植被信息，即獲取致敏花粉最重要的影響因素，因此遙感數據的運用有助于實現空間上大范圍花粉過敏監測，為花粉過敏監測和空間分析提供了理論基礎。不足之處是北京市降水量的稀少可能導致花粉過敏監測模型的局限性，選擇南方多雨地區繼續研究并增加其他影響花粉濃度的氣候因素，優化花粉過敏監測模型，將是下一步要進行的工作。