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.
Doktori értekezés, Szegedi Tudományegyetem.
(2018)

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

Magyar nyelvű absztrakt

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). 2) A meteorológiai paraméterek (magyarázó változók) faktorsúlyainak a célváltozóra (a parlagfű pollen 3 kategóriája) gyakorolt fontossági sorrendjét elemezve az alábbi eredményeket kaptuk. Az Ambrosia pollen a hőmérsékletre, vagy a csapadékra reagál érzékenyen. Ugyanakkor fordítottan kapcsolódik a hőmérséklethez (negatív korrelációk). Összességében  a melegedő és szárazodó klímának köszönhetően  a kvantitatív pollenkarakterisztikák (az évi összes pollenmennyiség és a napi maximális pollenkoncentráció az év során) a parlagfű pollenszámok csökkenését jelzik. A szélsőséges hőmérsékletekhez és csapadékmennyiségekhez kapcsolódó parlagfű pollenszámok alapján megállapítottuk, hogy a leghidegebb és a legcsapadékosabb évek nagymértékben elősegítik a pollentermelést. Az emelkedő hőmérséklet hozzájárulhat a parlagfű nagyobb területen történő pollenszórásához, valamint a pollenkoncentráció jelentős növekedéséhez, míg a csapadék hiánya gátolja a pollentermelést és -kibocsátást. Bár a parlagfű pollenszámok trendjei részben magyarázhatók a tájhasználat változásával, a szezonális változások olyan időjárási körülményeket tükröznek, amelyek javíthatják vagy elnyomhatják (elrejthetik, tompíthatják) az általános tendenciákat. A parlagfű genetikai háttere különleges választ ad a változó időjárási körülményekre, amely utóbbiak meghatározhatják a növénynek a tájhasználattól is függő potenciális térbeli eloszlását (Csépe et al., 2012b; Makra et al., 2012b). 3) Annak meghatározásához, hogy a meteorológiai elemek előző napi értékei miként befolyásolják az extrém parlagfűpollen terhelés aktuális napi értékeit, faktoranalízist hajtottunk végre speciális transzformációval, s azt tapasztaltuk, hogy négy meteorológiai változó (a középhőmérséklet, a globálsugárzás, a relatív páratartalom és a tengerszinti légnyomás átlagos napi értékei) kivéve az átlagos napi szélsebességet, szignifikáns kapcsolatot mutat a parlagfűpollen terheléssel. A hőmérséklet és a globálsugárzás egyenesen, míg a tengerszinti légnyomás és a relatív páratartalom fordítottan arányos a parlagfűpollen terheléssel. A parlagfűpollen terhelést befolyásoló magyarázó változók fontosságuk csökkenő sorrendjében a következők: hőmérséklet, tengerszinti légnyomás, globálsugárzás és relatív páratartalom. A faktoranalízis egy előzetes betekintést nyújtott a kvantitatív pollenváltozók és a meteorológiai változók kapcsolatrendszerébe, s a t-próba azt jelezte, hogy meg lehet különböztetni az extrém és nem-extrém kvantitatív pollenváltozókat, a meteorológiai elemek, mint magyarázó változók felhasználásával. A parlagfű pollen valószínűségi eloszlásaihoz kapcsolódó, néhány kiválasztott alacsony és magas kvantilis alkalmazásával a pollenterhelések kvantilis és kvantilis alatti átlagait összhasonlítottuk és értékeltük. Ennek eredményeképpen a 90%-os kvantilist meghaladó események száma és a 10%-ot nem meghaladó események száma erősen alábecsült. Ugyanakkor az eljárás jól működik a 20%-os és a 80%-os kvantilisek esetében, és még jobban a 30%-os és a 70%-os kvantilisek esetében. Egy nearest neighbour (NN) (legközelebbi szomszéd) technikát alkalmaztunk az extrém és nem-extrém pollen események megkülönböztetésére, amelynek során a meteorológiai elemeket magyarázó változókként használtuk. Azt találtuk, hogy a parlagfűpollen terhelésre ható magyarázó változók fontosságuk csökkenő sorrendjében a következők: hőmérséklet, globálsugárzás, relatív páratartalom, tengerszinti légnyomás és szélsebesség. Ezenkívül a különböző kvantiliseket meghaladó / nem meghaladó jó döntések relatív gyakorisága azt mutatja, hogy a fenti öt meteorológiai elem, mint magyarázó változó, megfelelő mértékben informatívak ahhoz, hogy megkülönböztessük az extrém és nem-extrém pollen eseményeket. Ugyanakkor fontos megjegyeznünk, hogy minél nagyobb százalékos értékek fordulnak elő a 9. és a 10. táblázat "above-above" és "below-below" sor-oszlop metszeteinek celláiban, annál jobb az NN technikával kapott becslés (Csépe et al., 2012c). 4) Jóllehet számos tanulmányt publikáltak már a meteorológiai feltételek és a pollenterhelések, továbbá a múlt időjárási viszonyai és különböző taxonok bizonyos fenológiai fázisai közötti összefüggések feltárására, egyik sem foglalkozott azzal, hogy megkülönböztesse a jelen és a múltbeli időjárás hatását az aktuális pollenkoncentrációkra. Ebben a részben szétválasztottuk a jelen és a múltbeli éghajlati viszonyok súlyát, hogy meghatározzuk, e két hatás miként érvényesül az aktuális napi parlagfűpollen koncentrációkban a szegedi régióban. Erre a célra két eljárást alkalmaztunk: a többszörös korrelációt és a faktoranalízist speciális transzformációval. A fenti két módszer alkalmazásával az eredmények jellegzetes hasonlóságokat tártak fel. A parlagfű esetében a kontinentális csapadékcsúcs és a tenyészidőszak során fellépő helyi záporok erősíthetik a jelen meteorológiai elemek súlyát. Ugyanakkor a csapadék hatására nagymennyiségű víz tározódhat a talajban, amely a száraz időszakokban hozzájárulhat a múltbeli klimaelemek hatásához. A parlagfű  mint fűfélékhez tartozó taxon  nagyfokú klímaérzékenysége (különösen vízérzékenysége) egyértelműen megállapítható. Megállapítottuk, hogy a jelen és a múltbeli időjárási tényezők hatásainak szélsőséges eltérései, amelyeket a szürke különböző árnyalatai jelölnek (Fig. 12 / 12. ábra), markáns egyebeeséseket mutatnak. Ez alapján feltételezhető, hogy valós összefüggések vannak egyrészről a fitofiziológiai folyamatok, másrészről pedig az év egyes részeinek aktuális és múltbeli meteorológiai tényezői, valamint a napok felhalmozódási hossza. között. A tanulmányban bemutatott jelen és múltbeli éghajlati viszonyok súlyának szétválasztása különböző taxonok esetében gyakorlati jelentőséggel bír nemcsak a pollenérzékeny emberek számára, hanem a mezőgazdasági termelés szempontjából is. Nevezetesen, a múltbeli időjárás taxon-specifikus hatásainak ismerete segíthet a jövőbeni pollenkoncentrációk megfelelő időben történő előrejelzésében; ezenkívül hozzájárulhat a mezőgazdasági termelés időjárástól való függésének csökkentéséhez is (Matyasovszky et al., 2014a; 2014b). 5) Előrejelzéseket készítettünk azon célból, hogy megbecsüljük a parlagfűpollen koncentrációját néhány napra előre. Evégett a szakterület nemzetközi irodalmában egy új módszert alkalmaztunk: faktoranalízist speciális transzformációval annak érdekében, hogy kiderítsük a magyarázó változók fontossági sorrendjét a pollenkoncentrációk 1-7 napos előrejelzésében. Ezenkívül további eljárásokat is alkalmaztunk, úgy mint (1) adat-vezérelt modellezési módszereket, beleértve a neurális hálózatokat is, amelyeket ez idáig még nem használták a napi parlagfűpollen koncentráció előrejelzésére, (2) napi riasztási küszöbértékeket, melyeket első alkalommal jeleztük előre a nemzetközi levegőbiológiai szakirodalomban, továbbá (3) a J48 algoritmust, mely szintén első alkalommal került felhasználásra a palinológiai előrejelzések nemzetközi szakirodalmában. Mesterséges intelligencia (CI = Computational Intelligence) eljárásokat alkalmaztunk az Ambrosia pollenkoncentrációk és riasztási küszöbök napi értékeinek előrejelzéséhez Szegedre (Magyarország) és Lyonra (Franciaország). Noha nehézséget jelentett a napi pollenkoncentráció adatok elérhetősége (csak heti egy alkalommal állnak rendelkezésre az előző hét napjaira), a napi parlagfűpollen koncentrációk és riasztási küszöbök 1-7 napos előrejelzései mindkét város esetében sikeresek voltak. Elemeztük a magyarázó változók (a nap éven belüli sorszáma, meteorológiai és a pollenváltozók) fontosságát a célváltozó (pollenszintek, vagy riasztási küszöbök 1-7 napra előre) meghatározásában. A parlagfűpollen koncentráció súlyai rendkívüli módon kiemelkednek az összes változó közül, ezzel is jelezve, hogy nagy jelentőséggel bírnak a pollenkoncentrációk (riasztási szintek) 1-7 nappal előre történő meghatározásában mindkét város esetében. A többi magyarázó változó súlyai eltérőek a két városra. Pl. Szegedre a legfontosabb magyarázó változók hőmérsékleti változók, míg Lyonra a relatív páratartalom és a szélsebesség játsszák a legfontosabb szerepet a pollenkoncentráció alakításában. Szegedre a Multi-Layer Perceptron modellek hasonló eredményeket mutatnak, mint a fa alapú modellek a pollenkoncentráció egy-, illetve kétnapos előrejelzésében, míg a több mint kétnapos előrejelzésekben jobb eredményeket érnek el, mint a fa alapú modellek. Lyon esetében csak a Multi-Layer Perceptron nyújt elfogadható eredményt a pollenkoncentráció egy-, illetve kétnapos előrejelzésében. Ami a riasztási szinteket illeti, az eljárások hatékonysága jelentősen eltér egymástól. Amikor a modelleket a legmagasabb pollenkoncentrációkkal rendelkező napokhoz illesztettük, a komplexebb CI módszerek mindkét város esetében jobbnak bizonyultak. Az MLP és az M5P módszerek nyújtották a legjobb eredményeket Szegeden és Lyonban is. Kimutattuk, hogy az optimális módszer kiválasztása az éghajlattól függ, amely a földrajzi elhelyezkedés és a domborzat függvénye. A kapott eredmények hasznosíthatók a nemzeti polleninformációs szolgálatok számára. A parlagfű pollen által okozott összes egészségügyi költségek lényegesen csökkenthetők, ha az arra érzékenyek időben felkészülhetnek a súlyos parlagfűpollen terhelésű időszakokra. A döntéshozók felelősek azért, hogy megfelelő szabályozásokat és intézkedéseket vezessenek be, amelyekkel a parlagfű pollen által okozott problémákat hatékonyan kezelni lehet. Továbbá az aerobiológusok felelőssége, hogy személyre szabott információs szolgáltatásokat fejlesszenek ki, amelyekkel a pollenérzékeny emberek általános életminőségét javítani lehet. Fontos azonban megjegyezni, hogy az alkalmazott mintavételi eljárás korlátai (a napi pollenszámok csak minden hétnapos időszakot követően állnak rendelkezésre az előző hét napjaira), az itt bemutatott módszerek alkalmazhatósága operatív célokra korlátozott. Ennek megfelelően az itt bemutatott módszertant csak az eredeti előrejelzési módszerek (modellek) támogatásaként lehet felhasználni. Ez a probléma csak akkor oldható meg, ha teljesen új elven alapuló, alacsony költségű automata pollenmintavevők kerülnek bevezetésre, amelyek révén azonnal (in situ) megoldható a pollenszámoknak a befogott pollenfajták szerinti meghatározása. A disszertációban alkalmazott módszerek érzékenyek a magyarázó változók számára. További cél az, hogy sokkal több magyarázó változót (pl. további meteorológiai paraméterek, kémiai légszennyező anyagok, tájhasználat, domborzat, stb.) alkalmazzunk egy olyan általános modell kidolgozására, amely különböző helyszíneken is jól használható (Csépe et al., 2014a; 2014b).

Absztrakt (kivonat) idegen nyelven

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. Increasing temperature may benefit spatial distribution and abundance, while it interferes pollen release in the lack of rainfall. Although overall trends of Ambrosia pollen counts can be explained partly by landscape-use changes, seasonal changes reflect weather conditions, which can enhance or suppress (hide, blunt) the overall trends. The genetic background of Ambrosia gives a special response to the changing weather conditions that can determine their potential distribution influenced by landscape use (Csépe et al., 2012b; Makra et al., 2012b). 3) In order to determine how previous-day values of meteorological elements relate to actual-day values of extreme Ambrosia pollen load, we performed factor analysis with special transformation and found that four meteorological variables (mean temperature, mean global solar flux, mean relative humidity and mean sea-level pressure) except for mean wind speed display significant associations with Ambrosia pollen load. Temperature and global solar flux indicate positive proportional, while air pressure and relative humidity inversely proportional associations with Ambrosia pollen loads. Explaining variables in decreasing order of their substantial influence on Ambrosia pollen load are temperature, air pressure, global solar flux, and relative humidity. Factor analysis gave a first insight into the relationship between pollen load variables and meteorological variables and the t-test showed the possibility of distinguishing between extreme and non-extreme pollen events using meteorological elements as explaining variables. Using selected low and high quantiles corresponding to probability distributions of Ambrosia pollen, the quantile and beyond-quantile averages of pollen loads were compared and evaluated. As a result, the number of events exceeding the quantile of 90% and not exceeding that of 10% is strongly underestimated. However, the procedure works well for quantiles of 20% and 80%, and even better for those of 30% and 70%. A nearest neighbour (NN) technique was applied to discriminate between extreme and non-extreme pollen events using meteorological elements as explaining variables. It was found that explaining variables in decreasing order of their influence on Ambrosia pollen load are temperature, global solar flux, relative humidity, air pressure and wind speed. Furthermore, the relative frequency of good decisions for exceeding / not exceeding the different quantiles shows that the five meteorological elements as explaining variables are informative to discriminate between extreme and non-extreme pollen events. Note that the larger the percentages in above-above or below-below rows-columns in Tables 9 and 10 the better the estimation is delivered by the NN technique (Csépe et al., 2012c). 4) Although, several studies have been published to explore the relationship between meteorological conditions and pollen loads, as well as past weather conditions and certain phenological phases of different taxa, neither of them was aimed to distinguish between the effect of current and past weather on current pollen concentrations. In this section we separated the weight of the current and past climate conditions in determining the pollen concentrations of Ambrosia for Szeged region in Southern Hungary applying two procedures, namely multiple correlation and factor analysis with special transformation. Using the two methods, results revealed characteristic similarities. For Ambrosia, the continental rainfall peak and additional local showers in the growing season can strengthen the weight of the current meteorological elements. However, due to the precipitation, big amount of water can be stored in the soil contributing to the effect of the past climate elements during dry periods. High climate sensitivity (especially water sensitivity) of Ambrosia as herbaceous taxon can be definitely established. We found that extreme differences of the effects of the current and past weather elements featured by different shades of grey indicate pronounced coincidences. This assumes that there are real associations between phyto-physiological processes on one hand and the current and past meteorological elements for given parts of the year and given accumulation lengths of days on the other. Fig. 12 (1) shows specific and unique “imprints” of Ambrosia; namely, they are characteristic to this taxon and, in turn, Ambrosia has its own “imprint” and (2) the here-mentioned “imprint” of Ambrosia received using the two methodologies are surprisingly similar. Separation of the weight of the current and past climate conditions for different taxa presented in the study involves practical importance not only for pollen sensitized people but also for agricultural production. Namely, the knowledge of taxon specific effects of the past weather depending in time may help to predict future pollen levels well ahead in time; furthermore, it may contribute to reduce weather dependence of agricultural production (Matyasovszky et al., 2014a; 2014b). 5) We performed predictions in order to assess ragweed pollen concentrations several days ahead. For this aim we used factor analysis with special transformation, a novel technique for detecting the importance of the influencing variables in defining the pollen levels for 1–7 days ahead. In addition, further procedures applied, such as (1) data-driven modeling methods including neural networks have never been used in forecasting daily Ambrosia pollen concentration, (2) daily alarm thresholds are firstly predicted in the aerobiological literature; furthermore (3) algorithm J48 has never been used in palynological forecasts. We applied Computational Intelligence procedures in order to predict daily values of Ambrosia pollen concentrations and alarm levels for Szeged (Hungary) and Lyon (France). Contrary to the difficulties in availability of daily pollen levels (they are available only once a week), forecasts of daily ragweed pollen concentrations and alarm levels were successful for 1–7 days ahead for both cities. The importance of the influencing variables (the serial number of the day in the year, meteorological and pollen variables) in forming the resultant variable (pollen levels or alarm levels for 1–7 days ahead) was analysed. The weights of Ambrosia pollen level emerge extraordinarily from all variables indicating its high significance in determining pollen levels (alarm levels) for 1–7 days ahead for both cities. The weights of the rest of influencing variables are different for the two cities. For instance, the most important variables are temperature-related ones for Szeged, while relative humidity and wind speed have the most important role in forming pollen concentrations in Lyon. For Szeged, Multi-Layer Perceptron models provide results similar with tree-based models for predicting pollen concentration 1 and 2-days ahead, while for more than two days ahead they deliver better results than tree-based models. For Lyon, only Multi-Layer Perceptron gives acceptable result for predicting pollen levels 1 and 2-days ahead. Concerning the alarm levels, the efficiency of the procedures differs substantially. When fitting the models to the days of the highest pollen levels the more complex CI methods proved better for both cities. MLP and M5P methods provided the best results for Szeged and Lyon, respectively. We have shown that the selection of the optimal method depends on climate as a function of geographical location and relief. Results received can be utilized for the national pollen information services. Total medical costs of ragweed pollen can be substantially reduced if sensitized people can be prepared in time for serious ragweed pollen episodes. Decision-makers are responsible for introducing regulations and actions in order to facilitate the problem caused by ragweed pollen. Furthermore, responsibility of aero-biologists is developing personalized information services in order to improve the overall quality of life of sensitized people. Note however, that due to the restrictions of the sampling procedure used (daily pollen counts are available only after a 7-day period) the applicability of the methods presented is limited in terms of operational use. Accordingly, for the time-being the methodology introduced here can only be used as supportive means to the original forecasting methods (models). This problem can only be solved if low-cost, automatic pollen samplers based on a totally new principle will be introduced by “in situ” recognizing pollen types and measuring pollen counts. The methods applied here are sensitive to the number of the influencing parameters. A further aim is to use much more influencing parameters (including further meteorological parameters, in addition chemical air pollutants, land use, relief, etc.) in order to develop a general model for different locations (Csépe et al., 2014a; 2014b).

Mű típusa: Disszertáció (Doktori értekezés)
Kulcsszavak: pollen, előrejelzés, parlagfű, ambrosia, neurális hálók, statisztika
Doktori iskola: Földtudományok Doktori Iskola
Tudományterület / tudományág: természettudományok > földtudományok
Magyar cím: A parlagfűpollen-koncentráció változása az időjárás függvényében, valamint előrejelzése Szegedre
Idegen nyelvű cím: Weather related ragweed pollen levels and prediction of ragweed pollen concentration for Szeged, Hungary
Témavezető(k):
Témavezető neveBeosztás, tudományos fokozat, intézményEmail
Dr. Makra Lászlóegyetemi tanár, PhD, habil, Mezőgazdasági Kar, Gazdálkodási és Vidékfejlesztési Intézetmakra@geo.u-szeged.hu
EPrint azonosító (ID): 9704
Publikációban használt név : Csépe Zoltán
A feltöltés ideje: 2018. márc. 13. 08:31
Utolsó módosítás: 2018. szept. 26. 08:58
Egyebek (raktári szám): B 6407
URI: http://doktori.bibl.u-szeged.hu/id/eprint/9704
Védés állapota: nem védett (Nem idézhető amíg nem kap DOI számot.)

Actions (login required)

Tétel nézet Tétel nézet

Letöltések

Letöltések havi bontásban az elmúlt egy évben