劉宇通，王汶

(中國人民大學(xué) 環(huán)境學(xué)院，北京 100872)

0 引言

花粉過敏又叫枯草熱，表現(xiàn)為流鼻涕、打噴嚏、鼻眼癢以及咳嗽等癥狀，一旦疾病發(fā)作，將年年反復(fù)，嚴(yán)重影響人們生活質(zhì)量和日常工作[1]?；ǚ圻^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(tǒng)疾病[2]。據(jù)美國衛(wèi)生研究院變態(tài)反應(yīng)研究報告，中國的花粉過敏癥發(fā)病率為0.5%～1%，而高發(fā)病區(qū)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(jiān)測體系對幫助花粉過敏患者做好預(yù)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(jiān)測已經(jīng)形成較為完善的體系[3]，但在我國，僅北京、天津、南京等少數(shù)省市氣象部門進行花粉觀測預(yù)報業(yè)務(wù)，其余省市缺少花粉濃度數(shù)據(jù)?；ǚ圻^敏人群就醫(yī)數(shù)據(jù)存儲在公共衛(wèi)生或醫(yī)療部門，然而這些部門各自的數(shù)據(jù)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(jiān)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(jiān)測和調(diào)查數(shù)據(jù)。趙筱揚等[6]實測了昆明市區(qū)大氣花粉種類及含量并進行分析，發(fā)現(xiàn)花粉過敏具有明顯的地區(qū)性和季節(jié)性；吳慧等[7]利用花粉觀測點的花粉濃度數(shù)據(jù)分析了近57年海南省花粉過敏天數(shù)的時空分布特征及與氣象條件的關(guān)系；歐陽志云等[8]對北京五環(huán)以內(nèi)的花粉致敏植物進行了調(diào)查，給出了其分布格局?；诒O(jiān)測和調(diào)查數(shù)據(jù)的花粉過敏研究高度受限于數(shù)據(jù)的可獲得性。此外，實測花粉對設(shè)備技術(shù)和人力物力投入的高要求使其無法應(yīng)用于大范圍花粉監(jiān)測，而且實測花粉數(shù)據(jù)局限在某一地點，無法反映整個區(qū)域內(nèi)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(tǒng)計美國各地的花粉，鑒于臺站數(shù)量和各州數(shù)據(jù)傳播的限制，花粉過敏監(jiān)測會受到時空角度的影響。

遙感數(shù)據(jù)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(shù)據(jù)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(jiān)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(jīng)過分析發(fā)現(xiàn)MODIS-NDVI監(jiān)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(jiān)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(fā)現(xiàn)的區(qū)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(shù)(enhanced vegetation index，EVI)基礎(chǔ)上加工得到了EVI2指數(shù)，使用神經(jīng)網(wǎng)絡(luò)建立EVI2和美國東海岸城市實測花粉數(shù)量的模型，并應(yīng)用IQVIA公司發(fā)布的花粉過敏指數(shù)作為驗證，整個東海岸結(jié)果的R2范圍為0.530～0.966，說明遙感是預(yù)測花粉變化的可靠手段。而目前國內(nèi)對于花粉過敏的研究較少用到遙感手段。

此外，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展以及網(wǎng)絡(luò)大數(shù)據(jù)的披露，我們可以采用間接的渠道彌補我國花粉數(shù)據(jù)不足的情況。當(dāng)授粉季節(jié)來臨時，各地區(qū)花粉過敏者患病率會升高，依據(jù)常理“花粉過敏”的相關(guān)搜索規(guī)模會在網(wǎng)絡(luò)上擴大，研究者可以通過搜索引擎數(shù)據(jù)迅速獲得搜索“花粉過敏”等相關(guān)信息人群的時空分布，從而為大范圍監(jiān)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(shù)據(jù)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(guān)系，為輿情大數(shù)據(jù)用于大范圍花粉過敏監(jiān)測提供依據(jù)；然后，利用遙感可以大范圍監(jiān)測產(chǎn)生致敏花粉的植被信息的特點，通過遙感產(chǎn)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(shù)，以及影響花粉濃度和花粉傳播的溫度和降水等數(shù)據(jù)，運用人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)建立花粉過敏輿情數(shù)據(jù)與植被指數(shù)、溫度、降水之間的非線性花粉過敏監(jiān)測模型。從而基于輿情和遙感數(shù)據(jù)實現(xiàn)大范圍花粉過敏的監(jiān)測，為花粉過敏人群做好花粉預(yù)防工作提供科學(xué)依據(jù)，有利于降低我國花粉過敏患者的發(fā)病率。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)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(chǔ)上，本研究獲取了花粉濃度、花粉過敏百度指數(shù)、增強型植被指數(shù)EVI、日均溫度和日均降水?dāng)?shù)據(jù)。數(shù)據(jù)種類及來源如表1所示。

花粉過敏輿情數(shù)據(jù)來源于關(guān)鍵詞“花粉過敏”、地區(qū)“北京”、時間范圍“2017—2019年”、時間分辨率為每天的百度指數(shù)。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(wǎng)民行為大數(shù)據(jù)為基礎(chǔ)開發(fā)了百度指數(shù)數(shù)據(jù)分析平臺，該平臺可以統(tǒng)計某個關(guān)鍵詞在計算機端和移動端的百度搜索頻次的加權(quán)和，本研究獲取“花粉過敏”的搜索規(guī)模。

本文采用氣象局實測的花粉濃度數(shù)據(jù)驗證花粉過敏百度指數(shù)與其之間的相關(guān)性。北京市是全國為數(shù)不多花粉濃度數(shù)據(jù)較完整的城市，北京市氣象局聯(lián)合北京同仁醫(yī)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(yù)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(shù)據(jù)。

作為花粉來源，植被是影響花粉過敏的重要因素，授粉的數(shù)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(diào)查獲取。在致敏植被數(shù)據(jù)缺失的情況下，遙感植被指數(shù)可以用于反映植被總體的生長態(tài)勢和季相特征。本研究通過遙感產(chǎn)品獲取的增強型植被指數(shù)EVI監(jiān)測植被情況。與其他植被指數(shù)相比，EVI受飽和度的影響較小，因此對于監(jiān)測植被結(jié)構(gòu)的季節(jié)性、年際和長期變化更為有效。本文依托MODIS陸地3級標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品MOD13Q1獲取EVI遙感影像，空間分辨率250 m，根據(jù)MODIS植被指數(shù)算法，只有高質(zhì)量的、無云的濾波數(shù)據(jù)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(dǎo)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(jù)NOAA/AVHR遙感數(shù)據(jù)計算和發(fā)布全球的溫度及降水?dāng)?shù)據(jù)，本研究選取北京市2017—2019年逐日的日均溫度和日均降水?dāng)?shù)據(jù)。

表1 數(shù)據(jù)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(shù)、日均溫度、日均降水的缺失值；然后對MOD13Q1遙感影像進行預(yù)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(shù)，采用相關(guān)分析法研究二者之間的相關(guān)關(guān)系，通過相關(guān)性檢驗的花粉過敏百度指數(shù)用于下一步研究；建立花粉過敏預(yù)測的人工神經(jīng)網(wǎng)絡(luò)模型，因為日均溫度和日均降水是逐日數(shù)據(jù)，而EVI是16天合成數(shù)據(jù)，在本研究中認(rèn)為16天內(nèi)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(shù)進行預(yù)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(chǎn)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(qū)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(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為GS(2019)3333號的標(biāo)準(zhǔn)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(shù)相關(guān)性檢驗。相關(guān)分析法可以判斷兩個變量間有沒有關(guān)系、有什么樣的關(guān)系及關(guān)系的大致強度等。地區(qū)花粉濃度的升高會使當(dāng)?shù)鼗ǚ圻^敏者發(fā)病率隨之升高，花粉過敏的輿情搜索規(guī)模會隨之?dāng)U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(shù)進行相關(guān)性檢驗，并按式(1)計算相關(guān)系數(shù)r，從而驗證花粉過敏百度指數(shù)能否顯著代表北京地區(qū)的花粉濃度，進而將其應(yīng)用于下一步研究。

(1)

3)人工神經(jīng)網(wǎng)絡(luò)建模。隨著人工智能的發(fā)展，采用機器學(xué)習(xí)的方法對花粉過敏監(jiān)測進行建模具有可行性。Liu等[17]就曾使用機器學(xué)習(xí)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(jīng)網(wǎng)絡(luò)是一種常用的非線性數(shù)據(jù)建模工具，人工神經(jīng)網(wǎng)絡(luò)可以通過機器學(xué)習(xí)對輸入和輸出變量間復(fù)雜的關(guān)系進行建模，而且無需輸入和輸出變量間關(guān)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(jīng)網(wǎng)絡(luò)的輸入，通過相關(guān)性檢驗的花粉過敏百度指數(shù)作為人工神經(jīng)網(wǎng)絡(luò)的輸出，建立花粉過敏監(jiān)測模型。

首先按式(2)對建模數(shù)據(jù)進行標(biāo)準(zhǔn)化處理。

(2)

式中：i為樣本編號；zi為標(biāo)準(zhǔn)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(biāo)準(zhǔn)差。因為EVI、日均溫度、日均降水的量綱和數(shù)值量級不一樣，如果直接使用原始數(shù)據(jù)值，它們對花粉過敏百度指數(shù)的影響程度不一樣，建立的模型不具有可靠性。通過標(biāo)準(zhǔn)化處理，ANN在學(xué)習(xí)參數(shù)的時候，EVI、日均溫度、日均降水對參數(shù)的影響程度一樣。

人工神經(jīng)網(wǎng)絡(luò)的處理過程主要通過激活函數(shù)實現(xiàn)，本研究采用的激活函數(shù)為tanh函數(shù)，即f(x)=tanh(x)。雖然sigmoid函數(shù)是最常使用的激活函數(shù)，但考慮到2017—2019年三年的花粉期花粉過敏百度指數(shù)數(shù)據(jù)量有限，sigmoid函數(shù)存在梯度下降導(dǎo)致人工神經(jīng)網(wǎng)絡(luò)過擬合的情況，因此本研究選用梯度更大的tanh函數(shù)，函數(shù)如式(3)所示。

(3)

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

(4)

4)花粉過敏監(jiān)測模型的評估。通過人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練建立花粉過敏監(jiān)測模型后，總數(shù)據(jù)量25%的測試數(shù)據(jù)用來評估模型的可靠性。將模型的預(yù)測值與真實的測試數(shù)據(jù)進行回歸，觀察預(yù)測值與真實值的吻合情況，并使用決定系數(shù)R2(式(5))和均方誤差MSE作為度量標(biāo)準(zhǔn)，描述花粉過敏監(jiān)測模型預(yù)測結(jié)果是否準(zhǔn)確。

(5)

圖3 人工神經(jīng)網(wǎng)絡(luò)建模及評估步驟

2 結(jié)果與分析

2.1 花粉濃度與花粉過敏百度指數(shù)的相關(guān)關(guān)系

經(jīng)過相關(guān)分析，北京市2017—2019年三年的花粉過敏百度指數(shù)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(shù)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(guān)關(guān)系。根據(jù)式(1)計算得到的相關(guān)系數(shù)如表2所示。表2中，每一年的相關(guān)系數(shù)均超過60%，說明花粉過敏百度指數(shù)與花粉濃度的線性關(guān)系顯著。由此證明了當(dāng)空氣中花粉濃度升高時，花粉過敏的輿情搜索規(guī)模會在網(wǎng)絡(luò)上擴大的推斷，從而可以用花粉過敏百度指數(shù)數(shù)據(jù)代表各地區(qū)的花粉濃度，并作為人工神經(jīng)網(wǎng)絡(luò)建模的輸出量。

圖4 花粉濃度與花粉過敏百度指數(shù)的相關(guān)關(guān)系

表2 花粉濃度與花粉過敏百度指數(shù)的相關(guān)系數(shù)

2.2 花粉過敏監(jiān)測模型

使用人工神經(jīng)網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)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(shù)建立的花粉過敏監(jiān)測模型如圖5所示。圖5顯示，人工神經(jīng)網(wǎng)絡(luò)隱含層包含兩個神經(jīng)元，訓(xùn)練過程執(zhí)行了13 528步，結(jié)束條件為誤差函數(shù)的絕對偏導(dǎo)數(shù)小于0.01。

圖5 花粉過敏監(jiān)測模型

圖5中黑線表示每一層神經(jīng)元與其相關(guān)權(quán)重直接的關(guān)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(qū)間。從花粉過敏監(jiān)測模型可知，隱藏層的截距為-1.14、-1.03，第1個隱藏神經(jīng)元的權(quán)重預(yù)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(jīng)元的權(quán)重預(yù)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(shù)的權(quán)重預(yù)測分別為-7.3和7.38。因此，只要模型輸入每天相應(yīng)的EVI、日均溫度、日均降水，即可輸出預(yù)測的花粉過敏百度指數(shù)，從而監(jiān)測花粉過敏的嚴(yán)重程度，接下來需要評估花粉過敏監(jiān)測模型的可靠性。

2.3 花粉過敏監(jiān)測模型的評估

本研究應(yīng)用預(yù)留的總數(shù)據(jù)量25%的訓(xùn)練數(shù)據(jù)對花粉過敏監(jiān)測模型進行評估。將測試數(shù)據(jù)中的EVI、日均溫度、日均降水作為花粉過敏監(jiān)測模型的輸入，模型自主輸出結(jié)果與測試數(shù)據(jù)中真實花粉過敏百度指數(shù)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(shù)的多元線性回歸模型，也將多元線性回歸模型的預(yù)測輸出值與真實花粉過敏百度指數(shù)進行回歸比較。兩種模型的比較結(jié)果如圖6所示。從圖6可以看出，由人工神經(jīng)網(wǎng)絡(luò)模型所預(yù)測的花粉過敏百度指數(shù)比多元線性回歸模型所擬合出來的結(jié)果更加靠近擬合曲線，人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測值的準(zhǔn)確率更高。由式(4)可知，花粉過敏監(jiān)測模型的MSE為8.41，而花粉過敏百度指數(shù)關(guān)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(jiān)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(jīng)網(wǎng)絡(luò)的擬合度比線性模型更優(yōu)，且MSE比線性回歸模型的MSE低很多，因此人工神經(jīng)網(wǎng)絡(luò)模型更為可靠。評估結(jié)果表明應(yīng)用人工神經(jīng)網(wǎng)絡(luò)花粉過敏監(jiān)測模型，EVI、日均溫度、日均降水能較準(zhǔn)確地預(yù)測北京市花粉過敏百度指數(shù)。因為百度指數(shù)覆蓋全國，從而有望應(yīng)用此模型進行大范圍的花粉過敏監(jiān)測，服務(wù)于花粉過敏患病人群做好花粉過敏預(yù)防工作。

圖6 神經(jīng)網(wǎng)絡(luò)和線性模型預(yù)測結(jié)果

3 討論

3.1 基于百度指數(shù)的花粉過敏情況反演

本文創(chuàng)新性地基于百度指數(shù)輿情大數(shù)據(jù)反演花粉濃度。本文驗證了花粉過敏百度指數(shù)和真實花粉濃度間的相關(guān)系數(shù)值達到統(tǒng)計學(xué)顯著標(biāo)準(zhǔn)，因此，使用百度指數(shù)反演花粉濃度具有較高的可信度。百度指數(shù)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(xù)性，從而有望利用百度指數(shù)輿情大數(shù)據(jù)代表各段時間全國各地致敏花粉的嚴(yán)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(jiān)測模型的建議

從花粉過敏監(jiān)測模型的結(jié)果看，對于同一地區(qū)，日平均溫度高、降水量多時，花粉過敏百度指數(shù)較低。表明高溫和降水影響了植被的傳粉過程，導(dǎo)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(yīng)該減少出門頻率，并提前做好預(yù)防措施。

3.3 花粉過敏監(jiān)測模型的意義和改進

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

然而花粉過敏監(jiān)測模型也存在有待完善之處。本文以北京市數(shù)據(jù)為例建立了花粉過敏情況與植被指數(shù)、溫度、降水之間的監(jiān)測模型，但北京為暖溫帶半濕潤半干旱季風(fēng)氣候，在北京的花粉期有很多天沒有降水，因此可能導(dǎo)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(qū)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(fēng)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(jīng)網(wǎng)絡(luò)的隱藏層數(shù)，使花粉過敏監(jiān)測模型的網(wǎng)絡(luò)更為復(fù)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(jié)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(yán)重問題的需求，基于百度指數(shù)和遙感數(shù)據(jù)進行研究，采用人工神經(jīng)網(wǎng)絡(luò)建立花粉過敏監(jiān)測模型，服務(wù)于花粉過敏患病人群做好花粉過敏預(yù)防工作。研究表明，人工神經(jīng)網(wǎng)絡(luò)建立的花粉過敏監(jiān)測模型精度達72.82%，可以較好地解釋花粉過敏與植被指數(shù)、溫度、降水之間的非線性關(guān)系。遙感數(shù)據(jù)能夠用于預(yù)測花粉濃度和花粉過敏情況，由于遙感數(shù)據(jù)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(shù)據(jù)的運用有助于實現(xiàn)空間上大范圍花粉過敏監(jiān)測，為花粉過敏監(jiān)測和空間分析提供了理論基礎(chǔ)。不足之處是北京市降水量的稀少可能導(dǎo)致花粉過敏監(jiān)測模型的局限性，選擇南方多雨地區(qū)繼續(xù)研究并增加其他影響花粉濃度的氣候因素，優(yōu)化花粉過敏監(jiān)測模型，將是下一步要進行的工作。