Achtergrond
In de periode 2018 t/m 2022 liep een mooi project met de naam “Autopollen”. Onder de vlag van AutoPollen werkte een grote groep organisaties samen die op één of andere manier betrokken zijn bij de pollenmonitoring in Europa. Het consortium bestond met name uit de leden van EUMETNET, de organisatie van Europese meteorologische diensten, maar ook uit onderzoeksinstituten en patiëntenorganisaties. De opvolger van Autopollen heet SYLVA, (SYstem for reaL-time obserVation of Aeroallergens) en wordt gecoördineerd door het Finse KNMI, het FMI. Het project loopt van 1 januari 2023 t/m 31 december 2026.
Kort samengevat gaat SYLVA over nieuwe technologieën voor het automatisch monitoren van biologische aerosolen. Biologische aerosolen zijn organische stoffen die door de lucht zweven, zoals stuifmeel en schimmelsporen, maar ook bacteriën en virussen. Kennis over de het soort stuifmeel en de concentratie is belangrijk voor bijvoorbeeld de bestuiving van gewassen in de akkerbouw en tuinbouw, maar ook voor bijvoorbeeld de bosbouw is het belangrijk om te weten van welke boomsoorten er pollen in de lucht zweeft en van welke schimmels de sporen. Organische deeltjes die in de lucht zweven hebben ook invloed op het weer door interacties met wolken en neerslag. Daarnaast veroorzaken sommige van deze bioaerosolen zoals specifieke stuifmeel en schimmelsporen allergische reacties bij naar schatting zo’n 80 miljoen Europeanen. Dit brengt hoge kosten met zich mee. Je gaat er niet dood aan, maar het gaat wel ten koste van je “productiviteit”. Logisch dat er ook vanuit de hoek van de volksgezondheid interesse is in deze materie. Concreet ligt de focus van het onderzoeksproject op het ontwikkelen en testen van verschillende automatische monitoringsystemen en optimaliseren van de informatiestromen. Projectcoördinator is Mikhail Sofiev, verbonden aan het Finse FMI. Een aantal vragen over SYLVA:
1. Eén van de doelstelling van SYLVA is het verhogen van de frequentie van de metingen. Waarom is het belangrijk om de frequentie van tellingen te verhogen voor een betere temporele resolutie?
Van allergieën is bekend dat reacties veel sneller kunnen optreden dan binnen één dag. Pollenpieken, zelfs als ze heel kort zijn, zijn relevanter dan dieptepunten. Het is ook mogelijk dat de huidige drempels moeten worden herzien, omdat ze gebaseerd zijn op dagelijkse niveaus, terwijl provocatietests in veel kortere tijdsintervallen worden uitgevoerd. De dagelijkse resolutie was eerder noodzakelijk, maar dit is mogelijk niet langer geldig. Als we echter de resolutie per uur zouden gebruiken, kunnen we veel nauwkeuriger de pollenconcentraties relateren aan allergiesymptomen.
Voor bosbouw en landbouw is de afzetting van pathogenen in plaats van de concentratie van belang, en hiervoor is een nauwkeurige plaatsbepaling van regenval en sporenpluimen nodig. Dit vereist hoge frequentie, bijvoorbeeld tientallen minuten maximaal.
2. Een andere doelstelling van SYLVA is een snellere beschikbaarheid van de gegevens. Waarom is het belangrijk om de beschikbaarheid van data te versnellen voor een betere tijdigheid? (Bijvoorbeeld met betrekking tot stuifmeel?)
Gegevens die een week oud zijn, hebben voornamelijk historische waarde en zijn niet erg nuttig voor het dagelijks leven. Aerobiologen hebben al decennialang gestreden om de gegevens zo snel mogelijk te verkrijgen, inclusief dagelijkse updates en onmiddellijke tellingen tijdens het seizoen. Toch was het minimum vertraging van de gegevens ongeveer 2 dagen. Een dergelijke vertraging vermindert het gebruik van de gegevens drastisch voor dagelijkse procedures in ziekenhuizen en in de land- en bosbouwsector. In deze sectoren is real-time of, in de meeste gevallen, voorspellende informatie nodig. Wat betreft voorspellingen, kan het model gegevens van maximaal één dag oud assimileren, bij voorkeur niet ouder dan 3 uur. Langere vertraging vermindert het effect van assimilatie sterk. Kortom, het versnellen van de beschikbaarheid van data is cruciaal voor een betere tijdigheid en het maximaliseren van de bruikbaarheid van de gegevens.
3. Een derde doelstelling is een betere dekkingsgraad van de metingen. Waarom is een hogere resolutie van meetlocaties belangrijk voor de dekking?
Dat hangt ervan af. Het onderwerp is veel ingewikkelder dan alleen de dekking. Elke specifieke gebruiker heeft behoefte aan een eigen distributie van waarnemingen. Allergologen pleiten voor meetstations op ziekenhuisdaken, boeren willen meetpunten op hun velden, bosbouworganisaties hebben behoefte aan monitoring op hun locaties, klimatologen willen langetermijnobservatielocaties, enzovoorts. Er zal nooit genoeg financiering zijn om deze meetapparaten op elk ziekenhuisdak, landbouwveld en bosbewakingslocatie te plaatsen. Zelfs als we alleen kijken naar de ziekenhuizen, het huidige de facto doel van EAN, dan zijn de bestaande ~600 locaties ver verwijderd van een volledige dekking van elk ziekenhuisdak. In ons zojuist ingediende paper over het ontwerp van het aerobiologische netwerk pleiten we voor een paradigmaverschuiving: een relatief homogene distributie van een beperkt aantal automatische meetstations, waarvan de gegevens worden gecombineerd met modellen om realistische analyses en nauwkeurige voorspellingen voor heel Europa te genereren.
Afbeelding: kaart van pollentelstations, blauwe stip handmatig, rode stip automatisch (bron: ZAUM)
4. De vierde en laatste doelstelling van SYLA betreft een betere beschikbaarheid van de gegevens. Wat kan er beter worden gedaan met betrekking tot de huidige beschikbaarheid van pollendata?
De biologische samenstelling van de atmosfeer moet openbare informatie zijn, net zoals de chemische samenstelling (ook wel luchtkwaliteit genoemd). De huidige situatie is ontstaan uit de geschiedenis van EAN, maar het is tijd voor verandering. De automatische apparaten zijn te duur voor kleine groepen en vereisen te veel op het gebied van IT, opslag en communicatie. Ze zullen moeten worden opgezet en onderhouden door grote instellingen, zoals meteorologische diensten of milieu-instituten, in samenwerking met aerobiologische teams. Ze zullen afhankelijk zijn van overheidsgeld, net zoals AQ en weerobservaties dat doen. Het is belangrijk dat wat door de belastingbetalers is betaald, openbaar toegankelijk is. Dit is een imperatief in SYLVA.
Afbeelding: op www.pollenscience.eu kun je de tellingen vinden van een groot aantal systemen in Europa.
5. Zijn er naast Hund en Swisens nog andere Europese bedrijven, universiteiten of start-ups die automatische telsystemen ontwikkelen?
Er zijn minstens 20 verschillende initiatieven in Europa en de rest van de wereld, naast Hund en Swisens. De situatie is uiterst dynamisch. Op dit moment produceren deze twee bedrijven goede machines die gebruikers aanspreken en die ze actief ondersteunen. Ze zijn open, betrouwbaar en wendbaar in het helpen overwinnen van problemen die onvermijdelijk zijn bij zo'n ingewikkeld werk. Het is belangrijk om te onthouden dat de machine zelf niet voldoende is. Er moet ook een herkenningsalgoritme worden ontwikkeld om de ruwe gegevens te interpreteren, opslag voor hen te regelen, IT-infrastructuur om deze machines te verwerken en de apparaten te trainen om bioaerosolen uit heel Europa te herkennen. Geen enkel bedrijf kan dit allemaal alleen, maar een bedrijf dat samenwerkt met zijn gebruikers kan wel slagen. Hund Wetzlar en Swisens zijn hierin geslaagd en hebben hun huidige leidende positie veiliggesteld. Meer informatie over de apparaten en hun relatieve prestaties is te vinden in het volgende artikel:
6. Open source? Zijn de gegevens wereldwijd voor iedereen beschikbaar en in welke vorm?
De SYLVA-infrastructuur wordt direct gekoppeld aan de internationale EBAS-database, dus de standaard volgt datzelfde systeem: AMES-1001, of netcdf. De gegevens worden automatisch in realtime geüpload naar EBAS. Open beschikbaarheid van de informatie is de must: wat met belastinggeld wordt gefinancierd, moet openbaar zijn.
7. Kunt u een voorbeeld geven van hoe het opensourcebeginsel, toegepast door de Europese milieuobservatiesystemen, heeft geleid tot betere informatie voor de Europese burgers?
Laten we onderscheid maken tussen de open-source en open-data principes.
Open-source betekent dat de methodologie, algoritmen, interfaces, enz. openbaar beschikbaar zijn, bijvoorbeeld via Github. Een voorbeeld hiervan zijn de SILAM- of WRF-modellen. Iedereen kan de code krijgen door simpelweg naar de bijbehorende websites te gaan. Hetzelfde geldt voor de herkenningsalgoritmen van Hund en Swisens. Swisens heeft zijn algoritme al een tijdje geleden opengesteld voor gebruikers en beide bedrijven hebben beloofd nieuwe ontwikkelingen open-source te houden. Een dergelijke aanpak is bijzonder waardevol omdat het een gemeenschap van specialisten creëert die de technologie verder kunnen verbeteren. Zo zijn verschillende bestaande versies van het Swisens-algoritme ontstaan, met de garantie dat het steeds beter wordt.
Het open-data principe houdt in dat de resultaten van het model of de waarnemingen van het apparaat openbaar beschikbaar zijn. De belangrijkste toegevoegde waarde ligt dan bij de datagebruikers en bij ontwikkelaars van downstream-diensten. SILAM volgt bijvoorbeeld het open-dataprincipe en de voorspellingen kunnen vrij worden gedownload van de modelwebsite. We weten dat verschillende kleine teams en bedrijven deze gegevens gebruiken voor afgeleide producten en ze indien nodig verbeteren. Voor bewakingsapparatuur moet het open-dataprincipe worden bepaald door de eigenaren van het apparaat. In SYLVA is een dergelijke belofte een hoeksteen van de activiteiten van zijn partners.
Op deze manier leiden zowel het open-source als het open-data principe van de Europese milieuobservatiesystemen tot betere informatie voor de Europese burgers. Door de beschikbaarheid van de methodologieën en algoritmen kunnen gespecialiseerde teams ze verbeteren, wat de prestaties van de systemen ten goede komt. Door de beschikbaarheid van de resultaten en waarnemingen kunnen gebruikers deze gebruiken voor afgeleide producten en diensten, wat de informatiewaarde voor de burgers verhoogt.
8. Bestaan er open source gegevens van specifieke pollentellingen per locatie, of zijn deze al samengevoegd met weergegevens en vegetatiekaarten om een volledig gevalideerd pollenvoorspellingsmodel zoals Silam te creëren?
SYLVA richt zich op de ontwikkeling van de basisinfrastructuur voor toekomstige netwerken en bouwt het netwerk zelf niet op. Er is nog veel werk te doen voordat we serieus kunnen nadenken over een automatisch bioaerosolmonitoringnetwerk in Europa. De SYLVA-partners vertegenwoordigen echter ook de grote inspanningen die momenteel in Europa worden geleverd om een dergelijk netwerk op te bouwen, en er wordt verder gewerkt aan het beschikbaar stellen van deze gegevens.
SYLVA bouwt een open systeem dat in principe geschikt is voor het aansluiten van verschillende apparaten, niet alleen die van Swisens en Hund. We werken ook samen met Plair Rapid-E+, zij het op veel kleinere schaal. Naast automatische monitoren zetten we de baanbrekende techniek op basis van DNA-analyse en metagenomics van atmosferische aerosolen naar voren.
Het idee van het project is om een geïntegreerd systeem te bouwen dat niet bestaat uit losse stukjes hard- en software, maar automatische monitoren omvat, evenals hun IT-infrastructuur en verwerkingsalgoritmen, numerieke modellen en DNA-metagenomica. Deze onderdelen worden aan elkaar gekoppeld door middel van machine learning-tools, die ze ook verbinden met bestaande handmatige instrumenten, waardoor de voortzetting van de bestaande tijdreeksen in heel Europa wordt gewaarborgd. Dit systeem zal echter niet worden afgesloten: elk onderdeel kan door anderen worden gebruikt en hergebruikt. We willen alleen de meerwaarde van deze geïntegreerde aanpak aantonen.
9. Hoe valideer je deze hightech telmachines die AI gebruiken? Wat is de referentie?
Validatie kent verschillende stappen. Voor het eerst in de aerobiologie wordt er gedetailleerd metrologisch onderzoek en kalibratie van de apparaten gepland. SYLVA werkt samen met verschillende nationale projecten om financiering voor deze vitale, maar dure oefening veilig te stellen. Op het volgende niveau worden herkenningsalgoritmen geconfronteerd met "problemen met bekende oplossingen": Swisens Poleno kan worden voorzien van stuifmeel of sporen van bekende typen, en vervolgens worden gevraagd om elk deeltje dat het heeft geregistreerd te classificeren. Voor Hund POMO kunnen afbeeldingen van hoge kwaliteit gebruikt worden voor expliciete validatie van de algoritmeconclusie. En metagenomische analyse zal uiteindelijk antwoord geven op wat er in de lucht hangt. Er zal uiteraard een vergelijking worden gemaakt met Hirst-vallen, maar we houden er rekening mee dat, mits het bovenstaande huiswerk goed wordt gedaan, de kwaliteit van automatische gegevens hoger kan zijn dan die verkregen van handmatige apparaten, althans voor sommige pollentypen.
10. Wat zijn de Europese hotspots met betrekking tot automatisch tellen?
SYLVA werkt in drie klimatologische regio's: noordelijke (Fins Lapland), hooggelegen (Alpen) en zuidelijke omstandigheden (Zuid-Spanje, Servië en Italië). Een van onze taken is om de prestaties van de apparaten in extreme omstandigheden te kwantificeren en er zo voor te zorgen dat ze overal in Europa kunnen worden toegepast.
11. Is een budget van 3 mln, gespreid over 4 jaar, voldoende om de doelen te bereiken?
De doelen zijn uiterst ambitieus maar realistisch. Allereerst is het projectbudget 3,5 MEuro: de Zwitserse overheid heeft aanvullende financiering verstrekt voor MeteoSwiss en Swisens. Ten tweede bouwen we niet het netwerk, maar gebruiken we apparaten die al in het bezit zijn van de partners, met enkele upgrades waar nodig. Ten derde hebben we enkele jaren ervaring met deze apparaten, zijn de eerste algoritmen gebouwd, zijn de eerste aanpassingen aan extremen gedaan, zijn de eerste interfaces en databases bestaan, enz. Ten vierde werken we actief samen met andere projecten in het gebied, zowel nationaal als Europees. Al deze factoren helpen ons om de doelen te bereiken.
12. Welke sectoren zullen naast hooikoortspatiënten baat hebben bij deze infrastructuur?
SYLVA organiseert nu een breed Stakeholder Forum (SF), dat in het najaar van 2023 voor het eerst bijeenkomt. Het zal in de eerste plaats aerobiologen omvatten, die de meest directe begunstigden van de infrastructuur zullen zijn. Maar niet alleen zij. We willen graag andere bioaerosolen opnemen, zoals sporen en, hopelijk, enkele bacteriën. Daarom zal SF onder de gebruikers van de toekomstige netwerkgegevens allergologen, land- en bosbouwvertegenwoordigers, biodiversiteits- en klimaatwetenschappers, enz. omvatten.
13. Hoe kunt u de duurzaamheid van bioaerosoltechnologie en -infrastructuur in heel Europa op lange termijn waarborgen?
Infrastructuur van een dergelijke omvang kan alleen draaien op basis van duurzame financiële steun, vergelijkbaar met die welke momenteel bestaat voor AQ en klimaatmonitoring. Ons doel is om dergelijke financiering veilig te stellen. De Europese Unie heeft verschillende infrastructuurprogramma's, zoals ACTRIS, waarmee al contact is opgenomen.
Interesse in automatische telsystemen? lees ook:
Kwaliteit van automatische pollentelsystemen vergeleken
Grote proefopstelling pollentelsystemen in München
Nieuw netwerk van automatische pollentellers in Beieren
Hoe verder?
De verwachting is dat de komende jaren op Europees niveau in ieder geval meer data beschikbaar komt met een hogere meetfrequentie. Pollenmonitoring zit niet in de begroting van een Nederlands ministerie, dus is het voor organisaties zoals het KNMI, het RIVM, de telstations in Leiden en Helmond of Nederlandse universiteiten lastig om aan dit soort grote projecten mee te doen. Er zijn helaas ook geen Nederlandse tech-bedrijven betrokken bij SYLVA, jammer want er zit fascinerende optica-, laser-, UV- en microscooptechnologie in deze nieuwe generatie machines.
Deelnemende organisaties uit: Finland, België, Duitsland, Spanje, Noorwegen, Litouwen, Zwitserland, Italië en Servië.
Deelnemers: FMI, EUMETNET, TUM-MED, UCO, NILU, VU, UTU, Hund Wetzlar, CNR, BIOSENSE, MeteoSwiss, Swisens
Mikhail Sovief is werkzaam bij het Finse KNMI, het FMI>>
Pollenscience.eu is een website waar de tellingen van automatische systemen te vinden zijn.
foto's: Pixabay