远程运输花粉过敏发作的影响预测的可能性

above-outlined主要机制,控制工厂的行为在一个特定的地方导致显著不同地区的物候历法依赖区域的细节raybet雷竞技最新气候和植被。这些过程的一些关键特性可以用半模拟实证模型,如Thermal-Time,从而使预测的花粉季节利用气象预报和当地植物的观察。当前部分将讨论的过程,挑战这样的区域化和提供大规模的不同部分之间的联系大洲:远程运输的遗传和过敏物质释放在开花。

的典型形状观察花粉在空气中浓度在春天季节图5.4所示。可以区分明显的主要代表当地开花旺季的开始和终止时间,周围是小规模增加后的前几天,主要的浓度上升。在一些地方,这些“尾巴”变成两座山峰比得上主要的一个。这些早期和晚期吹的花粉通常来自远程运输。这种现象正在迅速增长的证据和获得几乎所有的气候区(戈登主演et al . 2002;Latalowa et al . 2002;Hjelmroos 1992;Damialis et al . 2004;Rantio-Lehtimaki 1994)。然而,从的角度大气科学和空气污染,花粉不能将分散比几十公里:大气中的颗粒太大(直径几十微米),因此应该存得太快是一个大规模的污染物。 According to atmospheric science, a so-called Junge size spectrum of aerosol with long air lifetime is confined between 0.1 and 1 |im.

更详细的理论考虑(Sofiev et al . 2006年)显示,然而,至少有一些类型的花粉敏感分布与气团数百或数千公里的距离,这是足够的气候区域之间的运输。这些结论可以延长表明过敏材料可以发出花粉粒在其活跃的时期。还有人建议人为污染可以升级过程(Majd et al . 2004;莫塔et al . 2006年)。正如在前一节中提到的,这些材料包括有机粒子特征尺寸接近“古典”微小范围0.10 - 1 | im,众所周知,旅游在大尺度。

花粉远程运输的四个最明显的后果是:(i)早些时候开始的花粉季节北部地区当地开花后期相比,(远程)邻居(图5.5);(2)延迟本赛季结束的中部和南部地区当地的花期提前结束(图5.6);(3)增加的实际浓度在主要的季节,尤其是在区域或中度开花强度较弱(这是没有直接观察到的,需要详细的造型突出);(iv)快速(天)规模运输整个大洲的遗传物质,气候和raybet雷竞技最新植被区。

图5.5一个强劲的早春花粉的例子集在芬兰中部远程运输造成的从1999年的欧洲中部(Sofiev et al . 2006年)

公司问

3500 n 300025002000150010005000 14

叶芽打破图尔库,4。可能

叶芽打破奥卢,20。可能

叶芽打破图尔库,4。可能

叶芽打破奥卢,20。我我我我8.5 h。16.5。

图5.6的一个例子南北交通的花粉从芬兰拉普兰丹麦赛季结束后在南方。左面板:观察到欧洲气源性致敏原网站(由美国Jaeger),右面板:概率(风险)的面积和花粉浓度模型通过SILAM模型,http://pollen.fmi.fi

图5.6的一个例子南北交通的花粉从芬兰拉普兰丹麦赛季结束后在南方。左面板:观察到欧洲气源性致敏原网站(由美国Jaeger),右面板:概率(风险)的面积和花粉浓度模型通过SILAM模型,http://pollen.fmi.fi

现象的分析及其预测需要的参与大气色散模型结合花粉排放的预测工具在大的地区,如大陆。这样一个系统的主要方案见图5.7。

从的角度大气科学、花粉是一种特定气溶胶和模拟的交通并不构成主要困难,提供现有的色散模型是适用的。这些模型假定遵循周围空气的道路运输物种,包括小湍流漩涡,不构成任何反馈大气流动。如图所示Sofiev et al。(2006),这些假设是实现桦树花粉(相对较小粒),但不一定是正确的对于较大的粒子,因为被忽视的方面

http://pollen.fmi.fi)" / >

图5.7分析和预测系统的方案评价的花粉远程传输(正在开发在芬兰,http://pollen.fmi.fi)

在运输和沉积方程可能不再小。这种颗粒的惯性渗透通过低紊流层可以考虑通过一个经典参数化被宋飞和Pandis(2006), 19.4.2章。然而,它只会提高干沉积的估计,仍假设谷物跟随主空气流远离地面。可以引入额外的复杂性包括一些谷物的空气动力学形状。翅膀的存在或强不对称可能会导致分离的粮食从周围的空气中。对于这样的花粉,现存的色散模型将体现在沉积强度大的错误,可能miscompute扩散。因此,每个特定的分类单元的使用已存在的模型需要显式适用性检查。

众所周知,花粉粒松散,取决于获得水空气湿度和温度,但相应的流程是很差知道到目前为止没有一个系统考虑了这些工作。

最重要和最困难的挑战,然而,花粉排放模型的建设。从图5.5还指出,例如Damialis (2004), Rantio-Lehtimaki (1994), Sofiev et al。(2006)和Siljamo et al。(2004),远程传输事件通常持续几天,完全取决于气象条件。开花的邻国之间的开始时间不同气候区数日。因此,为了赶上远程运输集排放模型预测精度的发射时间1 - 2天,在大面积均匀。不幸的是,即使是局部范围物候模型预测花期大约4 - 5天的标准偏差,因此不能作为唯一的发射信息来源确定的花粉预报。

可以有两种方法来应付花粉发射的高不确定性问题:(i)使用概率预测通过系综模拟或直接计算概率分布,和(2)利用额外的信息通过数据同化机制调整物候模型“动态”。

三个最明显的数据源同化是近实时aerobiological和物候观测和卫星图像。

概率大规模模拟和预测已经使用在芬兰与积极的结果(见了好几年http://pollen.fmi.fiSofiev et al . 2006年)。模型估计都绝对花粉浓度在欧美地区受六大桦林地区(概率分布)。浓度估计依赖于一个欧洲规模物候排放模型,而第二个不使用它,只是一个地图的桦树森林。这两个特征的组合似乎是非常有用的过敏的风险预测,因为它(i)显示了一个从主要的远程数据源,获得花粉(ii)表明影响受体的森林地区,和(3)估计绝对浓度的花粉在空气中使用一些排放模型与已知的配方和准确性。下一层复杂的方法是建立一个概率排放模型,包括上述通量的不确定性作为一个特征概率分布。

调整发射模块使用独立的观测证明是有用的,但也有一定的局限性。特别是近实时物候观测目前并不存在。许多国家已雷竞技手机版app经非常密集的网络(图5.8),但数据收集是手册,以及处理和编译

图5.8结合在欧洲15个国家物候网络地图。颜色表示观察年每个站的数量

国家数据库。没有建立定期物候数据库;图5.8中给出的一个编译芬兰气象研究所的桦树,欠礼貌的国家物候网络列在表5.1。

花粉是唯一可用的数据部分的延迟小于2天(http://www.polleninfo.org)。然而,这样的观察花粉源,因此不提供信息不能区分本地和远程运输花粉。因此,这些信息可以用于两个目的:现在把花粉浓度在陷阱周围和预测顺风。领域特定的花粉大小陷阱是代表根据当地条件和小气候变化强烈。raybet雷竞技最新通常,然而,它扩展了几十公里,每天花粉浓度。

一组有前途的信息来源于卫星舰队。一些现代方法评价植被具有很高的状态空间和时间分辨率(分别为250米和15分钟)预计或已

表5.1全国物候网络促进了数据库在图5.8

国家	不。电台	年至少对一些站点可用	物种	数据处理程序/提供者
白俄罗斯	5	1967 - 1998,	桦木属	明斯克空气生物学
		2002 - 2005		集团
捷克共和国	206年	1955 - 2004年	桦木属翻车机	捷克Hydrometeoro -
		老		逻辑本月。
爱沙尼亚	19	1947 - 2003	桦木属	EMHI
芬兰	586年	1997 - 2005,	桦木属笔	芬兰森林研究
		1800年代- 2004	dula,桦木属	研究所METLA
			下毛竹
德国	2119年	1985 - 2004	桦木属翻车机	DWD
拉脱维亚	2	1958 - 1993	桦木属	塔尔图大学
立陶宛	3	1962 - 1996	桦木属	塔尔图大学
挪威	1	1927 - 2004	桦木属下毛竹	Biofork北部
波兰	20.	1980 - 1992,	桦木属翻车机	气象研究所
		2005年		和水管理-
				表示“状态”
俄罗斯	89年	1951 - 1998	桦木属	塔尔图大学
				莫斯科国立
				大学
斯洛伐克	4	1986 - 2004	桦木属翻车机	斯洛伐克Hydromet。本月。
西班牙	4	2002 - 2003	桦木属翻车机,	维哥大学
			桦木属阿尔巴
瑞士	138年	1996 - 2004	桦木属翻车机	Meteoswiss
乌克兰	5	1951 - 1998	桦木属	莫斯科国立
				大学
联合王国	3414年	1999 - 2004	桦木属翻车机	英国物候
				网络
总	6615年

可供用户(http://modis.gsfc.nasa.gov,http://www.esa.int/msg/pag4.html,http://www.eumetsat.int)。这些产品使物候阶段的各种方法进行评估,如归一化植被指数(归一化植被指数),基于微通道的叶面积指数,评价等。(Manninen et al . 2006;H0gda et al . 2002年)。然而,所有这些工具有一个重要的限制:开花本身是不可见的空间。可观测的参数描述了叶子的地位,他们的尺寸,面积,颜色,等等。对于一些物种如花蕾破灭的时刻相关的开花(可能转变几天),而对于其他的这种依赖性弱或盖过了其他物种之前打开它们的叶子(卫星监控显然看到树叶最早的分类群)的演变。因此,基于卫星的修正预测开花时间,否则高度准确和及时,可以不是所有植物和草本植物。

最后的挑战的路上的花粉大规模预测,绝对值得回顾的是,期间释放的花粉开花在很大程度上取决于在活跃生长期和上年度的条件,一个较少的程度,通过冬季条件。大气扩散模型这是一个全新的特性:通常这种模型“记住”的情况只是几个小时过去。花粉预测模型必须保持(虽然在一个聚合形式)在过去一年的信息。

above-outlined复杂性导致的存在只有少数造型系统处理花粉预报问题。他们两个在当地规模上面提到的——A.S.T.H.M.一个系统在美国欧洲和美国塔尔萨大学。据我们所知,只有系统接近欧洲规模存在于芬兰(见例子的结果在图5.6)。类似的模型正在开发在丹麦,法国,美国和其他国家。雷竞技手机版app

这种系统的实用性为目的的人类适应花粉季节强烈依赖于预测地平线:警告了几小时前这一事件为预备行为可能已经太迟了。基于现有应用气象统计模型,高质量的详细的预测通常是可能的一段大约2天,而主要趋势可以提前计算近一个星期。提供的花粉发射足够预测准确,过敏预测可以为类似的时期。

继续阅读:视角的气候变化最为明显和可能的影响和适应的手段raybet雷竞技最新

这篇文章有用吗?

0 0