A Comparison of Models for the Forecast of Daily Concentration Thresholds of Airborne Fungal Spores
Vélez-Pereira, Andrés M. (Universidad de Tarapacá. Departamento de Ingeniería Mecánica)
De Linares Fernández, Concepción (Universidad de Granada. Departamento de Botánica)
Canela, Miquel A. (IESE Business School. Departament de Ciències de la Decisió Directiva)
Belmonte, Jordina (Universitat Autònoma de Barcelona. Departament de Biologia Animal, de Biologia Vegetal i d'Ecologia)
Universitat Autònoma de Barcelona. Institut de Ciència i Tecnologia Ambientals

Data:	2023
Resum:	Aerobiological predictive model development is of increasing interest, despite the distribution and variability of data and the limitations of statistical methods making it highly challenging. The use of concentration thresholds and models, where a binary response allows one to establish the occurrence or non-occurrence of the threshold, have been proposed to reduce difficulties. In this paper, we use logistic regression (logit) and regression trees to predict the daily concentration thresholds (low, medium, high, and very high) of six airborne fungal spore taxa (Alternaria, Cladosporium, Agaricus, Ganoderma, Leptosphaeria, and Pleospora) in eight localities in Catalonia (NE Spain) using data from 1995 to 2014. The predictive potential of these models was analyzed through sensitivity and specificity. The models showed similar results regarding the relationship and influence of the meteorological parameters and fungal spores. Ascospores showed a strong relationship with precipitation and basidiospores with minimum temperature, while conidiospores did not indicate any preferences. Sensitivity (true-positive) and specificity (false-positive) presented highly satisfactory validation results for both models in all thresholds, with an average of 73%. However, seeing as logit offers greater precision when attempting to establish the exceedance of a concentration threshold and is easier to apply, it is proposed as the best predictive model.
Ajuts:	Ministerio de Economía y Competitividad CGL2012-39523-C02-01 Ministerio de Educación y Ciencia CGL2005-07543/CLI Ministerio de Ciencia e Innovación CGL2009-11205 Agencia Estatal de Investigación CTM2017-89565-C2-1-P Agència de Gestió d'Ajuts Universitaris i de Recerca 2002/SGR-00059 Agència de Gestió d'Ajuts Universitaris i de Recerca 2005/SGR-00519 Agència de Gestió d'Ajuts Universitaris i de Recerca 2009/SGR-1102 Agència de Gestió d'Ajuts Universitaris i de Recerca 2014/SGR-1274 Agència de Gestió d'Ajuts Universitaris i de Recerca 2017/SGR-1692 Ministerio de Ciencia e Innovación CEX2019-000940-M
Nota:	Altres ajuts: Ministerio de Ciencia y Tecnología AMB97-0457-CO7-021, REN2001-10659-CO3-01, BOS2002-03474, CGL2004-21166-E, GGL2006-12648-CO3-02
Nota:	Unidad de excelencia María de Maeztu CEX2019-000940-M
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Llengua:	Anglès
Document:	Article ; recerca ; Versió publicada
Matèria:	Aerobiology ; Logistic regression ; Mycology ; Prediction ; Regression tree
Publicat a:	Atmosphere (Basel), Vol. 14, Issue 6 (June 2023) , art. 1016, ISSN 2073-4433

DOI: 10.3390/atmos14061016

14 p, 1.2 MB

El registre apareix a les col·leccions:
Documents de recerca > Documents dels grups de recerca de la UAB > Centres i grups de recerca (producció científica) > Ciències > Institut de Ciència i Tecnologia Ambientals (ICTA)
Articles > Articles de recerca
Articles > Articles publicats