日本PM2.5 污染趋势的模式发现数据集构建与空间热点分析

本研究针对日本PM2.5 长期暴露区域识别不足的问题，开发了包含1900个传感器、历时5年的高时空分辨率数据集。通过ER-Schema数据架构与频繁模式挖掘（Frequent Pattern Mining）技术，首次系统揭示了日本PM2.5 污染的时空分布规律，发现福岛等地区存在持续性高暴露风险。该成果为靶向治理策略制定提供了数据支撑，发表于《Scientific Data》。

　　

空气污染已成为日本重要的公共卫生威胁，尽管整体空气质量有所改善，细颗粒物PM_2.5
（空气动力学直径≤2.5微米的颗粒物）仍是导致早逝的主要风险因素。现有研究多聚焦短期污染预测，缺乏对长期暴露区域的系统识别，这主要受限于高质量时空数据的匮乏。日本会津大学的研究团队通过整合全国1900个监测站点、横跨2018-2023年的每小时PM_2.5
数据，构建了首个专注于PM_2.5
的开放数据集，并应用模式挖掘技术揭示了污染热点分布规律，相关成果发表于《Scientific Data》。

研究团队采用三项关键技术：1）从Soramame网站获取原始监测数据，通过ER-Schema模型构建结构化数据库；2）开发知识发现（KDD）流程处理缺失值与异常数据，设定35μg/m3为污染阈值进行二值化转换；3）应用Apriori、ECLAT和FP-growth等频繁模式挖掘算法，以不同最小支持度（minSup）识别空间关联模式。

数据生成与处理

通过自动化采集日本全国监测网络数据，构建包含46,005时间点、1,832个传感器的原始数据集。采用实体-关系模型（ER-Schema）将数据组织为传感器表和观测表两大核心结构，确保时空数据的一致性。预处理阶段创新性地采用零值替换缺失数据，并剔除超出0-250μg/m3范围的异常值。

模式挖掘与验证

在minSup=55%条件下，Apriori算法识别出支持度达60%的传感器组合模式，如坐标点(130.6384926, 32.5010333)与(140.5781487, 39.2300292)的共现。性能测试显示Apriori在运行效率（平均降低23%耗时）和内存占用上优于FP-growth与ECLAT算法。

空间可视化分析

通过地理映射发现四大典型区域：Area-1（福岛周边）呈现密集的高频污染模式，居民暴露风险显著；Area-2（九州地区）传感器群显示强空间关联性；Area-3（北海道）污染事件稀疏；Area-4（冲绳）基本未检测到超标记录。其中红色标记的"Point(130.6384926, 32.5010333)"传感器在80%高频模式中出现，提示该区域存在持续性污染源。

该研究首次通过模式挖掘技术量化了日本PM_2.5
的长期暴露格局，证实传统监测方法可能低估区域累积风险。公开的5年高频数据集为环境政策制定提供了三方面价值：1）识别优先治理区域；2）验证卫星反演数据的可靠性；3）支持机器学习模型训练。未来可扩展至多污染物协同分析，但需注意35μg/m3阈值可能掩盖极端污染事件的研究局限。研究成果为东亚地区空气质量管理提供了可复用的方法论框架。