《Urban Forestry & Urban Greening》:Binary and continuous approaches to modelling airborne Poaceae pollen
编辑推荐:
Jana ??evková|Jozef Du?i?ka|Janka Lafférsová|Ond?ej Rybní?ek|Natália ?tefániková|Eva Zahradníková|Michal Hrabovsky|Jozef Ková?斯洛伐克布拉迪斯拉发811
Jana ??evková|Jozef Du?i?ka|Janka Lafférsová|Ond?ej Rybní?ek|Natália ?tefániková|Eva Zahradníková|Michal Hrabovsky|Jozef Ková?
斯洛伐克布拉迪斯拉发811 02,科梅尼乌斯大学自然科学学院植物学系,Révová 39号
摘要
禾本科植物的空气花粉是欧洲季节性过敏性疾病的主要诱因,但由于空间变异性强且受多种环境因素影响,其预测仍面临挑战。本研究针对八个具有不同气候和地形条件的中欧城市,构建并评估了每日禾本科花粉浓度的预测模型。通过利用长期的气象与空气生物学数据,我们采用带惩罚项的逻辑回归模型来预测超过三个临床相关阈值的情况(>10、>20和>30花粉/立方米),并运用两阶段套索回归方法来提前七天估算连续的花粉浓度。研究中发现各地区的季节性花粉浓度差异显著,其中班斯卡比斯特里察的年花粉积分最高,这可能与当地的土地利用和地形有关。在最低阈值(>10花粉/立方米)以及受局部污染源影响较大的地区,阈值超越模型表现最佳。而连续浓度模型虽使平均绝对误差相比基准值降低了2.9–21.4%,但由于对数正态回归的特性,仍会低估峰值数值。气象因素,尤其是温度和日照时长,与花粉浓度变化存在关联,但它们在超出季节性规律之外的预测价值有限,且因地点不同而有所差异,最优滞后时间也因位置而异。研究结果强调了进行针对性建模的必要性,并表明结合基于阈值的模型与连续模型可形成实用的花粉预报框架。本研究的核心创新在于在八个具有不同生物气候和土地利用条件的站点上,系统地对比分析了这两种建模方法在三个临床相关阈值及七种不同预报期限下的表现。
引言
空气中的花粉,尤其是来自禾本科植物的花粉,是欧洲生物气溶胶的重要组成部分,也是引发季节性过敏性鼻炎、哮喘及其他呼吸系统疾病的重要因素(García-Mozo, 2017)。禾本科花粉具有很强的致敏性,分布广泛,其浓度往往超过敏感人群出现过敏症状的临界值(??evková等,2021;Landesberger等,2025)。接触高浓度的禾本科花粉会给公众健康带来巨大负担,不仅影响个人健康,还会给医疗系统和社会生产力造成压力(Roblin等,2021)。
大气中禾本科花粉浓度的时空变化是由生物因素和非生物因素的复杂相互作用所驱动的,这些因素包括植被覆盖、土地利用、气候以及季节性物候现象(Jetschni和Jochner-Oette,2021;??evková等,2025a)。因此,不仅不同国家之间,甚至同一地区的城市与农村之间,空气中的花粉浓度也存在差异(Bosch-Cano等,2011;??evková等,2025a)。准确预测每日花粉浓度对于公共卫生干预以及深入理解气传过敏原的变化规律都至关重要。
尽管非常重要,但由于空气中的草本花粉与环境变量之间存在非线性关系,其分布呈现高度偏态,且年际和地理间的差异较大,因此对其开展预测建模仍面临诸多挑战(Vélez-Pereira等,2021;Shokouhi等,2024)。近年来,机器学习算法——包括随机森林、梯度提升和神经网络——在捕捉花粉与天气之间的非线性关系以及提升预报精度方面展现出巨大潜力(Shokouhi等,2024;Zhu等,2024;Plaza等,2026;Hwang等,2026)。不过,要提高这些模型在不同场景下的适用性,就需要在多种生物气候条件下以及不同的临床相关阈值范围内,对各种可解释的建模方法进行系统、统一的比较,从而为设计实用的过敏预警系统提供依据。目前,用于预测是否超过设定花粉浓度阈值的二元模型,以及能够直接预测精确浓度的连续模型,已被越来越多地应用于解决上述问题(Myszkowska和Majewska,2014;Nowosad,2016)。将这两种模型相结合,既能帮助过敏患者进行风险评估,也能对暴露程度进行定量分析,为预报和防控工作提供更有价值的参考信息。
在基于阈值的建模中,一个突出的难题是如何确定用于判定超标事件的浓度阈值。不同研究提出了多种不同的禾本科花粉阈值,这些差异反映了各地区气候、植被以及人群敏感程度的不同(Becker等,2021;?ukien?等,2021)。例如,在某些人群中,低至10–12花粉/立方米的浓度就可能引发过敏症状,而在其他地区,20–30花粉/立方米则通常被视为具有临床意义的阈值(Erbas等,2007;Rapiejko等,2007;Puc,2011)。从统计学角度看,像带惩罚项的逻辑回归这类二元分类器的性能会随着阈值超标事件的发生频率而变化:较低的阈值会导致更多样本被归类为阳性,而较高的阈值则会使阳性样本数量减少,进而可能影响模型的准确性。因此,通过测试多个阈值,可以评估模型的稳健性,找出适用于不同地区和人群的最可靠预测阈值。此外,阈值的选择对于过敏预警系统的运行,以及在实际空气生物学研究中解读花粉浓度和超标事件也具有重要意义(?ukien?等,2021)。
在本研究中,我们利用来自八个欧洲城市(斯洛伐克四个,捷克共和国四个)的长期空气生物学数据,构建并评估了空气禾本科花粉的预测模型。我们将用于预测每日花粉浓度的连续模型与用于判断是否超过三个阈值(>10、>20和>30花粉/立方米)的二元模型相结合。通过将空气花粉浓度与气象变量相互关联,我们旨在识别影响花粉浓度变化的关键因素,评估不同阈值条件下的模型性能,并开发出可在多种生物气候区域应用的预报工具。本研究的核心创新之处在于,在八个具有不同生物气候、地形特征和土地利用状况的监测站点上,系统、统一地同时应用了这两种建模方法,并针对三个临床相关阈值以及七种不同的预报期限(1–7天)进行了评估。这种对比设计使我们能够量化包括地形、土地利用和本地污染源强度在内的各种地域特异性因素如何影响模型的预测性能,从而为在中欧设计实用的过敏预警系统提供科学依据。预计本研究的结果将有助于改进早期预警系统,支持过敏预防措施的实施,同时也有助于更全面地了解中欧地区空气禾本科花粉的时空变化规律。
章节节选
研究区域
这项空气花粉学研究在斯洛伐克和捷克共和国的城市地区的八个长期监测站点开展,这些站点涵盖了中欧多样的地形和气候条件:斯洛伐克的布拉迪斯拉发、班斯卡比斯特里察、尼特拉和科希策,以及捷克共和国的布拉格、布尔诺、比尔森和利贝雷茨(图1;表1)。所有采样点均位于温带气候区,且
空气中花粉浓度的季节性变化
在所有研究地点中,班斯卡比斯特里察的平均APIn值最高,为6493花粉*天/立方米,而布拉迪斯拉发的平均值最低,为2050花粉*天/立方米(图2;表2)。根据Skillings-Mack检验,各研究地点之间的APIn值存在统计学上的显著差异(χ2 = 56.703,p?0.001)。Wilcoxon符号秩检验也显示,班斯卡比斯特里察与其他所有城市的APIn值存在显著差异(p?0.01–0.001)。花粉浓度的峰值也呈现出类似的分布趋势,
讨论
与其他常见过敏原相比,禾本科植物的花粉季节相对较长,通常从四月底持续到八月底(??evková等,2025b)。之所以会出现这种情况,是因为该科包含的物种数量极多,而在空气样本中无法将它们区分开来。该科共有809个属(英国皇家植物园,2026年数据),其中66个属存在于本研究区域(Kaplan等,2019年数据)。因此,较长的花粉季节实际上是众多不同物种共同作用的结果
结论
准确预测过敏原花粉的暴露情况与天气预报类似,但更为依赖当地的具体条件,如地形、土地利用类型以及植物种类构成。正因如此,预报模型必须针对特定地点进行定制,而非采用通用模板。我们的模型能够帮助识别某一特定地点的滞后气象数据中最具预测价值的因素,进而预测是否超过阈值以及大致的
CRediT作者贡献说明
Jozef Ková?:撰写——审阅与编辑,模型验证,正式分析。Michal Hrabovsky:撰写——审阅与编辑,正式分析。Eva Zahradníková:撰写——审阅与编辑,结果可视化。Natália ?tefániková:撰写——审阅与编辑,数据整理。Jana ??evková:撰写——初稿撰写,模型验证,研究监督,方法设计,数据整理,概念构建。Janka Lafférsová:撰写——审阅与编辑,数据整理。Jozef Du?i?ka:撰写——审阅与编辑,数据整理。Ond?ej
利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢
作者感谢斯洛伐克水文气象研究所和捷克水文气象研究所提供了本研究所需的气象数据。本研究未获得公共部门、商业机构或非营利组织提供的任何专项资助。