Redazione Soldi365.com ENEA ha sviluppato un sistema modellistico ad alta risoluzione in grado di stabilire con precisione lโinizio della stagione dei pollini e di monitorarne la diffusione in tempo reale soprattutto perย graminacee,ย olivo,ย betulla,ย ambrosiaย eย ontano, tra i principali responsabili delle allergie stagionali. Lo studio che ha portato allโinnovazione modellistica รจ stato condotto nellโambito del progetto MEETOUT[1], in collaborazione con Universitร di Verona, Arianet, ATS Milano e ARPA Veneto. I risultati sono stati pubblicati sulla rivistaย Agricultural and Forest Meteorologyย e aprono la strada verso un maggiore supporto nella prevenzione e nella gestione delleย malattie respiratorie legate allโesposizione ai pollini.
Allergie, ENEA sviluppa modello ad alta risoluzione per la previsione dei pollini
โAbbiamo testato con successo il nostro sistema in Veneto dove siamo riusciti a simulare i processi di dispersione, diffusione a lungo raggio e deposizione del polline con unaย risoluzione spaziale di 3 km, e aย calcolarneย leย concentrazioni su base oraria per lโanno 2019. Tutto questo รจ stato possibile utilizzando mappature di copertura vegetale molto dettagliate, algoritmi di rilascio stagionale del polline e previsioni meteorologicheโ, spiegaย Antonio Piersanti, responsabile del Laboratorio ENEA Modelli e misure per la qualitร dellโaria e osservazioni climatiche e coautore dello studio insieme ai colleghi Mario Adani, Gino Briganti, Massimo DโIsidoro, Mihaela Mircea e Maria Gabriella Villani.
โPer le sue notevoli potenzialitร il nuovo sistema di previsione dei pollini รจ stato inserito nel nostro modello di monitoraggio della qualitร dellโaria (FARM[2]) e utilizzato finora per le previsioni quotidiane dei pollini su tutta Europa. Con questo studio, dimostriamo che il sistema puรฒ essere applicato anche allโItalia e alle singole regioni, con maggiore dettaglioโ, sottolinea Piersanti
Lo studio รจ stato condotto confrontando due tipi di mappe della vegetazione: una a bassa risoluzione (10 km con dati Copernicus) e una piรน dettagliata (tra 250 metri e 1 km, con dati sperimentali raccolti per lo studio). โLโintegrazione di dati dettagliati della vegetazione nel nostro modello di qualitร dellโaria ha migliorato significativamente le previsioni dei pollini di ontano, betulla, olivo e ambrosia, soprattutto per le aree complesse come le montagne, dove i dati ad alta risoluzione sono cruciali. Non solo. Questo nuovo approccio ha permesso diย individuare lโinizio della stagione dei pollini con maggiore precisione rispetto a quanto fatto finoraโ, sottolinea Piersanti.
Le allergie da polline colpiscono circa il 20% della popolazione mondiale e sono influenzate da fattori climatici, geografici e vegetativi. Cambiamenti nella temperatura, nelle precipitazioni e nelle concentrazioni di CO2 potrebbero aumentare la quantitร di polline e prolungare le stagioni allergiche. Inoltre, fenomeni come la scarsitร dโacqua e la siccitร spingono le specie vegetali verso latitudini piรน elevate, mentre il commercio globale introduce nuove specie che modificano lโambiente e aumentano lโesposizione a nuovi allergeni.
Il monitoraggio aerobiologico รจ essenziale per stimare lโesposizione della popolazione al polline, ma presenta attualmente diverse limitazioni. Le reti di monitoraggio[3]ย del polline sono poco diffuse a causa degli alti costi del conteggio manuale del polline, che puรฒ comportare un margine di errore del 20-30% a causa della variabilitร nelle capacitร di riconoscimento del polline da parte degli operatori.ย I bollettini pollinici vengono emessi settimanalmente, rendendo difficile fornire aggiornamenti piรน frequenti e impedendo una prevenzione efficace dellโesposizione.
Di recente, sono stati sviluppati dispositivi automatici piรน precisi, anche se il loro utilizzo รจ ancora limitato. Piattaforme e-Health e m-Health, come siti web e app per smartphone, stanno emergendo per fornire previsioni polliniche agli individui allergici, aiutandoli a evitare lโesposizione e a gestire e trattare le allergie al polline; tuttavia, un recente studio su nove app mobili ha evidenziato la necessitร di migliorare la qualitร delle previsioni.
ย โLโimplementazione di modelli ad alta risoluzione come il nostro potrebbe offrire informazioni essenziali alle popolazioni piรน vulnerabili, come i pazienti con asma o allergie, riguardo alle concentrazioni di polline e allโinizio delle stagioni polliniche. Inoltre, permetterebbero di fornire stime accurate delle concentrazioni di polline anche in aree non coperte dalle reti di monitoraggio, come giร avviene per lโinquinamento chimico dellโariaโ, conclude Piersanti.
