Weather related ragweed pollen levels and prediction of ragweed pollen concentration for Szeged, Hungary

Csépe Zoltán
Weather related ragweed pollen levels and prediction of ragweed pollen concentration for Szeged, Hungary.
[Thesis] (Unpublished)

[img]
Preview
PDF (disszertáció)
Download (3MB) | Preview
[img]
Preview
PDF (tézis)
Download (269kB) | Preview
[img]
Preview
PDF (tézis)
Download (284kB) | Preview

Abstract in Hungarian

A meteorológiai elemek és a különböző taxonok kvantitatív és fenológiai jellemzői közötti kapcsolatok statisztikai elemzése egy viszonylag új tudományterület. Ugyanis a pollencsapdás megfigyelések csupán az 1960-as években indultak meg Európában, és az első kapcsolódó tanulmányokat kb. három évtizeddel később publikálták (Declavijo et al., 1988; Emberlin and Norrishill, 1991; Peeters et al., 1994). Ez a tudományterület Magyarországon új. Az első pollenklimatológiai tárgyú publikációk a 2000-es évek elején jelentek meg hazánkban (Makra et al., 2004; 2005). A parlagfűpollen koncentrációk és az időjárás kapcsolatának tanulmányozása nagy szakirodalommal rendelkezik, mivel az kiemelkedő gyakorlati jelentőséggel bír. Az ez irányú kutatások eredményei hatékonyan segíthetik a pollenérzékeny emberek felkészülését a magas pollenterhelésű időszakokra, ezzel megkönnyítve számukra az egészségügyi következmények elviselését. A disszertáció eredményeit különböző statisztikai eljárások alkalmazása szolgáltatták. Ezek közül a faktoranalízist és speciális transzformációt ez idáig még nem alkalmazták ilyen típusú kapcsolatok feltárására. Ráadásul ezt az eljárást korábban még a nemzetközi szakirodalomban sem használták meteorológiai folyamatok tanulmányozására  eddig csak közgazdaságtani alkalmazásai ismertek. A jövőbeli napi parlagfűpollen koncentrációk előrejelzésére a mesterséges intelligencia módszereit alkalmaztuk a disszertációban. A napi parlagfűpollen koncentrációk és riasztási küszöbök előrejelzésére több fa alapú algoritmust (M5P, REPTree, DecisionStump és J48) használtunk. Ezeket az algoritmusokat eddig még nem alkalmazták a fenti feladatokra a nemzetközi szakirodalomban. Ezeket a modelleket Matlab környezetben fejlesztették ki a fenti algoritmusok WEKA implementációjával, (Hall et al., 2009). A disszertáció legfontosabb eredményei a következők. 1) A szegedi régió meteorológiai elemektől függő parlagfű pollenszámai napi változékonyságának lehetséges okait elemezve, a meteorológiai változók napi eltéréseit (adott nap értéke minusz az előző nap értéke) hozzárendeltük az Ambrosia pollenszámok "A" napi arányaihoz (adott napi érték osztva az előző napi érték) a vizsgálat minden egyes napjára. Ily módon rendre három adatkészletet vizsgáltunk: (1) a teljes adatkészletet, (2) a meteorológiai változók azon napi eltéréseit, amelyekre A  1, és (3) azon napi eltéréseit, amelyekre A  1. Mindhárom adatkészlet esetében a vizsgált napokat 4-4 kategóriába soroltuk, mégpedig a következő módon: (a) csapadékos nap, melyet csapadékos nap előz meg, (b) csapadékos nap, melyet nemcsapadékos nap előz meg, (c) nemcsapadékos nap, melyet csapadékos nap előz meg, és (d) nemcsapadékos nap, melyet nemcsapadékos nap előz meg. Egy ritkán alkalmazott eljárást, a faktoranalízist speciális transzformációval hajtottunk végre a napi meteorológiai és a parlagfűpollen adatokon annak érdekében, hogy meghatározzuk a meteorológiai paraméterek (magyarázó változók) és a parlagfűpollen (célváltozó) közötti kapcsolatok erősségét és előjelét. Miután végrehajtottuk a faktoranalízist speciális transzformációval a három adatkészlet 4-4 kategóriájára, a szélsebesség (V), a csapadék (R), és a hőmérsékleti terjedelem (ΔT) bizonyultak a legfontosabb paramétereknek, melyek rendre 5 esetben (a teljes adatkészletre), 8 esetben (a meteorológiai paraméterek azon eltéréseire, melyeknél A  1) és 4 esetben (a meteorológiai paraméterek azon eltéréseire, melyeknél A  1) szignifikáns kapcsolatot mutattak az Ambrosia pollenszámok napi arányaival. Ugyanakkor a minimum hőmérséklet (Tmin) és globálsugárzás (I) voltak a legkevésbé fontos meteorológiai változók a célváltozó értékének meghatározásában. Miután a teljes adatkészletet két csoportra osztottuk, a meteorológiai változók és a pollenváltozó közötti erősebb kapcsolatra utaló tendenciát találtunk abban az adatkészletben, amelyben A ≤ 1,00, szemben azzal az adatkészlettel, amelyben A > 1. Ez annak tulajdonítható, hogy a növény eltérő módon tűri az eltérő környezeti stresszt. Nevezetesen, az az adatkészlet, amelyre A ≤ 1,00, alacsonyabb nyári hőmérsékletekhez kapcsolódik, amelyekhez optimum közeli fito-fiziológiai folyamatok társulnak. Ezzel szemben az a kategória, amelyre A > 1,00, magas és extrém magas hőmérsékletekkel jellemzhető, amelyek módosítják az életfunkciókat, s ebből adódóan a meteorológiai- és pollenváltozók kapcsolatrendszerét is (Csépe et al., 2012a; Matyasovszky et al., 2012; Makra et al., 2014c)...

Abstract in foreign language

Statistical analysis of the associations of phenological and quantitative characteristics of different taxa with meteorological elements is a relatively new area of science, since observations with pollen trap have only started in Europe since the 1960’s and the first papers on the field have been published around 30 decades later (Declavijo et al., 1988; Emberlin and Norrishill, 1991; Peeters et al., 1994). In Hungary, this area of science is completely new; no one has dealt with pollen climatology so far. The topic of weather related ragweed pollen levels has of great literature due to its high practical importance. Results of this kind of research may effectively help sensitive individuals in preparing for the periods of severe pollen loads and for facilitating their health consequences. Results of the dissertation are received by using different statistical procedures. Among them, factor analysis with special transformation has not yet been applied for studying this kind of relationships. Even, this procedure has never been used before in the special literature, for studying meteorological processes. This method has only been applied in the economics so far. Furthermore, for predicting future daily ragweed pollen concentrations, methods of Computational Intelligence are used in the dissertation. For predicting both the daily pollen concentrations and daily alarm levels of ragweed, several tree algorithms (M5P, REPTree, DecisionStump and J48) are used here. These algorithms have not yet been applied for the above tasks in the special literature. These models have been developed in Matlab environment with WEKA implementation of the above algorithms, described in Hall et al. (2009). Major findings of the dissertation are as follows. 1) When analyzing the potential reasons of day-to-day variations of Ambrosia pollen counts for Szeged region of Southern Hungary in association with meteorological elements, for each day of the analysis daily differences in meteorological variables (value on the given day – value on the day before) were assigned to the daily ratios of Ambrosia pollen counts (A) (value on the given day per value on the day before). Three data sets were subjected to an analysis: (1) the total data set, (2) those daily differences in meteorological variables for which A  1 and (3) those for which A  1, respectively. For all three data sets, the days examined were classified into four categories, respectively. These categories are as follows: (a) rainy day, preceded by a rainy day; (b) rainy day, preceded by a non-rainy day; (c) non-rainy day, preceded by a rainy day; (d) non-rainy day, preceded by a non-rainy day. A unique procedure, namely factor analysis with special transformation was performed on the daily meteorological and Ambrosia pollen data in order to find out the strength and sign of associations between meteorological (explanatory) variables and Ambrosia pollen (resultant) variable. When using factor analysis with special transformation, for all four categories examined in the three data sets, wind speed (V), rainfall (R) and temperature range (ΔT) were the most important parameters with 7, 5 and 5 significant associations with daily ratios of Ambrosia pollen counts, respectively. At the same time, minimum temperature (Tmin) and irradiance (I) were the least important meteorological variables influencing the resultant variable. After dividing the total data set into two groups, a tendency of stronger associations between the meteorological variables and the pollen variable was found in the data set for which A  1.00, compared to that for which A  1. This is due to the difference in the behaviour of the plant to stand environmental stress. Namely, the data set for which A  1.00 can be associated to lower summer temperatures with near-optimum phyto-physiological processes, while the category of A  1.00 is involved with high and extreme high temperatures modifying life functions and, hence, interrelationships of the meteorological and pollen variables (Csépe et al., 2012a; Matyasovszky et al., 2012; Makra et al., 2014c). 2) When analyzing the relationship between Ambrosia pollen characteristics and meteorological variables, furthermore between the rank of ordered Ambrosia pollen characteristics and the rank of ordered annual values of meteorological variables for Szeged in Southern Hungary, the following results were received. Ambrosia pollen is sensitive either to temperature or precipitation. Furthermore, it is reversely related to temperature (negative correlations). On the whole, due to a warming and drying climate, pollen count characteristics (total annual pollen amount and annual peak pollen concentration) indicate a decrease for Ambrosia. Based on the daily pollen counts of Ambrosia depending on both extreme temperatures and extreme precipitations, we established that the coldest and the wettest years highly facilitate pollen production...

Item Type: Thesis (PhD)
Creators: Csépe Zoltán
Hungarian title label: A parlagfűpollen-koncentráció változása az időjárás függvényében, valamint előrejelzése Szegedre
Divisions: Doctoral School of Geosciences
Discipline label: Natural Sciences > Earth Sciences
Defence date label: 2018. October 12.
Uncontrolled Keywords: pollen, előrejelzés, parlagfű, ambrosia, neurális hálók, statisztika
Item ID: 9704
MTMT id: 30615319
doi: https://doi.org/10.14232/phd.9704
Date Deposited: 2018. Mar. 13. 08:31
Last Modified: 2020. Jul. 16. 15:07
Depository no.: B 6407
URI: http://doktori.bibl.u-szeged.hu/id/eprint/9704
Defence/Citable status: Defended.

Actions (login required)

View Item View Item

Downloads

Downloads per month over past year