使用整体机器学习在中国各地对过敏性花粉风险的高分辨率映射
Jie Yin1, Yuan Zhang2, Yifei Du1
1School of Public Health, Capital Medical University, Beijing 100069, China; Beijing Key Laboratory of Environment and Aging, Capital Medical University, Beijing 100069, China; Beijing Laboratory of Allergic Diseases, Beijing Municipal Education Commission, Beijing 100069, China; Laboratory for Clinical Medicine, Capital Medical University, Beijing 100069, China.
Ecotoxicology and environmental safety
|January 8, 2026
概括
一个新的机器学习模型为中国提供了第一个全国性的,长期的每日花粉数据集,这对于了解气候变化中空气中的过敏原和公共卫生风险至关重要.
科学领域:
- 环境科学 环境科学
- 过敏原监测 监测过敏原
- 机器学习应用 机器学习应用
背景情况:
- 空气中的花粉在中国是一个重要的过敏原,与城市化和气候变化相关的流行率不断增加.
- 准确的长期花粉数据对于公共卫生和生态风险评估至关重要.
研究的目的:
- 开发一种全新的集体机器学习框架,用于估计中国各地每日树木和草本花粉度.
- 从2011-2023年重建一个全国性的,长期的每日花粉数据集.
主要方法:
- 开发了一个组合模型,将随机森林和梯度增强结合起来.
- 模型使用监测站点数据和气象,植被和土地利用变量等预测因素进行训练.
- 历史环境数据被用来重建2011-2023年的花粉度.
主要成果:
- 这些模型的准确性很高 (树木的R2为0.90,草本花粉为0.89).
- 全国范围内的每日花粉度被重建为2011-2023.
- 确定了季节性花粉峰值和关键驱动因素,如温度和植被指数.
结论:
- 本研究为中国提供了第一个全国性的,长期的每日花粉数据集.
- 该数据集是生态研究,公共卫生和过敏预测的宝贵资源.
- 建模框架支持对空气中的过敏原进行气候响应的风险管理.
