Prognozowanie stężeń pyłku leszczyny, olszy i brzozy w powietrzu atmosferycznym na obszarze Polski

Wydział Nauk Geograficznych i Geologicznych: Instytut Geoekologii i Geoinformacji

Zrozumienie dynamiki przebiegu pylenia i występowania pyłku w powietrzu, a także stworzenie modeli predykcyjnych, może istotnie pomóc alergikom. Głównymi celami pracy było (i) określenie charakterystyk czasowej i czasoprzestrzennej autokorelacji dobowych stężeń pyłku leszczyny, olszy i brzozy w Polsce, (ii) stworzenie i ocena prognoz poziomów stężeń pyłku leszczyny, olszy i brzozy zbudowanych w oparciu o przeszłe dane pyłkowe z badanych stacji, oraz (iii) zbudowanie czasoprzestrzennych modeli prognozujących poziomy stężeń pyłku leszczyny, olszy i brzozy w oparciu o dane meteorologiczne. Monitoring dobowych stężeń pyłku badanych taksonów w powietrzu atmosferycznym był przeprowadzony w 11 miastach w Polsce. Dodatkowo użyto danych w regularnej siatce pochodzących z reanaliz meteorologicznych. Do zbadania wzorców zmienności czasowej stężeń pyłku zostały użyte funkcje autokorelacji, natomiast do analizy zróżnicowania przestrzennego - funkcje kroskorelacji. Wysokie poziomy stężeń pyłku leszczyny, olszy i brzozy prognozowano wykorzystując metodykę losowych lasów. Zaprezentowane wyniki pozwoliły na lepsze zrozumienie czasowych i czasoprzestrzennych charakterystyk stężeń pyłku leszczyny, olszy i brzozy w powietrzu atmosferycznym. Badanie pokazało także możliwości prognozowania wysokich stężeń tych taksonów na całym obszarze Polski, a nie tylko punktowo dla poszczególnych stanowisk.

Understanding of the behavior of atmospheric pollen concentration, as well as developing predictive models, can greatly help allergic sufferers. The aims of this study were (i) to determine mean multi-year characteristics of temporal and space–time autocorrelation of the pollen counts of Corylus, Alnus, and Betula in Poland, (ii) to create and evaluate Corylus, Alnus, and Betula pollen concentration levels predictions based on previous pollen count values from given sites, and (ii) to develop spatiotemporal predictive models of Corylus, Alnus, and Betula pollen concentration levels, using preprocessed gridded meteorological data. The monitoring of the concentrations of Corylus, Alnus, and Betula pollen in the air was conducted in 11 cities in Poland. Additionally, AGRI4CAST Interpolated Meteorological Data were used as predictor variables. The autocorrelation and cross-correlation functions were used to investigate temporal and spatial patterns. Random forest method was used to predict the high pollen concentration level of Corylus, Alnus, and Betula. The study provided an understanding of the temporal and spatiotemporal autocorrelation of Corylus, Alnus, and Betula pollen counts. The final models also proved to be capable of pollen levels predicting in continuous areas rather than in a single location.