23、AI在空气污染与环境健康领域的应用探索

AI在空气污染与环境健康领域的应用探索

1. 数据可视化分析

• 模式可视化 ：通过气泡图展示不同CMA（人口普查大都市区）区域中模式的普遍性和重要性。气泡大小代表特定区域中模式的支持度，颜色代码代表Fisher’s p值的对数范围。例如，在温哥华，某模式的支持度和重要性远高于其他CMA区域。
• 风玫瑰图分析 ：风玫瑰图通常用于可视化特定位置风速的相对频率。这里用于强调各CMA区域中特定模式的支持度或重要性的差异。还能实现模式的时空分析，如展示不同月份空间区域中模式的可视化情况，帮助用户发现时间变化和人口迁移导致的模式分布变化。
• 实例级可视化 ：聚焦于探索特定CMA中的特定模式，在交互式地图上展示模式的个体出现情况。用户可在地图上缩放查看模式分布到社区级别，还能叠加其他相关信息，如排放设施位置、化学物质的插值扩散区域、出生结果率和按面额区域划分的社会经济信息，以便更好地了解研究人群。

2. 研究结果

2.1 感兴趣的模式识别

用户群体包括环境健康、流行病学、新生儿学、儿科学和公共卫生领域的研究人员。他们经过培训使用VizAR探索AGT - Fisher算法在数据集上发现的共定位模式。通过VizAR识别出的与不良出生结果（ABO）相关的化学混合物如下表所示：
| 化学物质 | 结果 |
| — | — |
| 铅 + 甲苯 | ABO |
| 铅 + 二甲苯 | ABO |
| 铅 + 二氧化氮 + 颗粒物 | ABO |