Forbedret pollenvarsel ved hjelp av MODIS-NDVI satellittdata

Transkript

1 RAPPORT 2/2010 ISBN ISSN Forbedret pollenvarsel ved hjelp av MODIS-NDVI satellittdata Av Stein Rune Karlsen, Kjell Arild Høgda, Hallvard Ramfjord og Trond Einar Brobakk

2 Tittel Forbedret pollenvarsel ved hjelp av MODIS-NDVI satellittdata Forfatter(e) Stein Rune Karlsen, Kjell Arild Høgda, Hallvard Ramfjord og Trond Einar Brobakk Oppdragsgiver Norsk Romsenter Oppdragsgivers Ref Terje Wahl ISSN ISBN Publikasjonsnr 2/2010 Publikasjonstype Rapport Tilgjengelighet Åpen Dato 1. mars 2010 Versjonsnr 1,0 Antall sider 27 Emneord Bjørkepollen, astma og allergi, satellittdata, MODIS-NDVI, GIMMS-NDVI, pollenvarsel, modellering, sanntid. Noter Distribusjon NTNU, Norges Astma- og Allergiforbund, Norsk Romsenter. Rapportsensor Bernt Johansen Faglig ansvarlig Kjell Arild Høgda Resymé Denne rapporten omhandler bruk av satellittdata for forbedret pollenvarsel i Norge. Rapporten fokuserer mest på bruk av MODIS-NDVI satellittdata i måling av bjørkepollensesongen, både gjennomsnittlig over flere år, og i sanntid. 2

3 1 FORORD Denne rapporten omhandler forbedret pollenvarsling i Norge ved hjelp av satellittdata. I prosjektet deltok Stein Rune Karlsen og Kjell Arild Høgda Fra Norut Tromsø. Fra Norges Astma- og Allergiforbund (NAAF) / NTNU deltok Hallvard Ramfjord og Trond Einar Brobakk. Hallvard Ramfjord er daglig leder for Pollenvarslingen i Norge. Prosjektet er finansiert gjennom nasjonale følgemidler fra Norsk Romsenter, fra Norut Tromsø sitt strategiske institutt program "New and improved remote sensing techniques for environmental monitoring" og egeninnsats fra NTNU og NAAF. Tromsø, mars 2010 Stein Rune Karlsen (Prosjektledere) 3

4 Innhold 1 Forord Innledning Dagens pollenvarsling Utarbeidelse av dagens pollenvarsel Materiale og metoder Satellittdata MODIS data GIMMS-NDVI datasettet Metoder Beregne gjennomsnittelig starten på bjørkepollensesongen Analyse av dagens plassering av pollenfellene Bruk av MODIS data i pollenvarsling i nær sanntid Resultat Kartlegging av gjennomsnittlig start på bjørkepollensesongen Kartlegging av start på gresspollensesongen Plassering av dagens pollenfeller Numerisk analyse Dagens regioninndeling og flytting av pollenfeller Følge bjørkepollensesongen i sanntid Diskusjon og anbefaliger Oppsummering og konklusjon Takk Referanser

5 2 INNLEDNING Astma og allergi er av de mest vanlige og utbredte sykdommer i Norge. I Europa som helhet er det om lag 15 % av befolkningen som lider av sykdommen og antallet er stadig økende. Dagens pollenvarsel i Norge er basert på 12 målestasjoner. Disse fanger bare opp en liten del av variasjonen i pollenforekomstene, og varslingen av landet er grovt oppdelt i 12 regioner. Bedre pollenvarsel vil derfor kunne gi bedre dosering/medisinering, og redusere sykefraværet. Denne rapporten beskriver mulighetene for integrering av optiske satellittdata i pollenvarsel og er et samarbeid mellom Norut Tromsø og Norges Astma- og Allergiforbund (NAAF) / NTNU. Prosjektets formål er å demonstrere bruk av satellittdata for å bedre nøyaktigheten på pollenvarslingen i Norge, og derav bidra til å redusere de negative helseeffekter av pollenallergi. I prosjektet måles gjennomsnittlig start på bjørkepollensesongen for årene 2000 til 2007 ved hjelp av MODIS-NDVI data og det utarbeides et kart for hele Norge. Videre diskuteres utplasseringen av dagens pollenfeller og dagens regioninndeling for pollenvarsel og det foreslås endringer. Det gjøres forsøk med å måle start på gresspollensesongen. Og ikke minst demonstreres det operasjonell bruk av MODIS-NDVI data i nær sanntid i bjørkepollenvarslingen våren 2009, og det diskuteres hvor satellittdata i pollenvarslingen har et potensial. 2.1 DAGENS POLLENVARSLING Pollenvarslingen i Norge blir administrert av Norges Astma- og Allergiforbund (NAAF). Dagens pollenvarsel blir sendt ut hver dag omkring klokken 15 fra starten av februar til slutten av august. Formidlingen er per e-post til omkring 9000 e-postadresser og lagt ut på I april måned 2009 alene hadde pollenvarslingen på internett unike besøk (ref. Nina Brun, nettredaktør i NAAF). Det er tydelig at varslingstjenesten er godt synlig i det offentlige liv i Norge. Allerede i en intervjuundersøkelse av Markeds- og Mediainstituttet (MMI) i 1998 oppga 14 % at de var pollenallergikere (MMI 1998), hele 91 % av de allergiske viste om pollenvarslingen, og at 56 % av brukerne av pollenvarslingen mente denne hadde stor/middels betydning. Nå, i år 2010, 12 år etter MMI undersøkelsen er dette sannsynligvis ytterligere forsterket. Det er som tidligere nevnt viktig å merke seg at god pollenvarsling er samfunnsøkonomisk lønnsomt. Bedre pollenvarsel vil føre til at flere benytter pollenvarsel til bedre dosering/medisinering, og redusere sykefraværet. Et godt pollenvarsel reduserer antall sykedager (MMI 1998), noe som vil medvirke til betydelig samfunnsøkonomisk gevinst og knytter dette prosjekt direkte til kategorien kostnads/nytteforskning. Inkludering av satellittdata i pollenvarsel vil derfor bety at en stor del av Norges befolkning vil ha nytte av satellittdata på daglig basis gjennom flere måneder per år. 5

6 2.1.1 Utarbeidelse av dagens pollenvarsel Det er pr i alt 12 faste stasjoner for registrering av luftbårent pollen i landet (fig. 1) og disse stasjonene dekker bare en liten del av variasjonen i pollensyklusene. I utgangspunktet er de tettest befolkede områdene prioritert, med stasjoner i og ved de største byene. Oppsummeringer og beskrivelser av stasjonene er gitt i Ramfjord ( ) og Ramfjord & Brobakk ( ). Figur 1. Lokalisering og startår til pollenfellene i Norge. Figur 2 viser dagens pollenvarsel på og per e-post, og er basert på data fra pollenfellene, subjektiv erfaring fra tidligere år, subjektiv vurdering av værmeldingen på og i noen tilfeller pollenvarsel fra nabolandene. Figur 3 er fra pollenvarslingen i VG.no og illustrerer dagens regioninndeling. 6

7 Figur 2. Skjermdump av den 15.mai 2009 illustrerer dagens pollenvarsling. Figur 3. Eksempel fra VG.no sin pollenvarsling for 16. mai Figuren illustrerer dagens regioninndeling for midt Norge Naturforhold som påvirker bjørkepollenspredning i luft Som bakgrunn for prosjektet gir vi her en kort oppsummering av de viktigste klimafaktorer som påvirke pollenspredningen. Værforhold som temperatur, nedbør og vind er avgjørende faktorer når det gjelder pollenspredning i luft. Varmt og tørt vær med en lett bris er de optimale pollenspredningsforholdene i blomstringsfasen, mens lave temperaturer og 7

8 vedvarende regn er det motsatte. Figurene 4 og 5 viser plasseringen av pollenfellene i forhold til noen av de klima- og miljøparametrene som er brukt i prosjektet. Temperatur: Ved lave temperaturer er luften relativt tykk (viskøs), og svevende partikler som pollen spres ikke særlig langt fra utslippspunktet. Pollentyper som or og hassel, som spres på senvinteren/tidlig vår, er derfor sjelden registrert som fjerntransportert til områder der de ikke finnes. Høye temperaturer under sterkt solskinn gir turbulens og oppdrift i luftrommet der for eksempel bjørkeraklene henger, noe som gir muligheter for effektiv spredning. Raklene er innrettet slik at de bare slipper ut pollen ved bevegelse i luften rundt dem, en bygningsmessig tilpasning som er typisk for vindbestøvede planter. Nedbør: Generelt vasker vedvarende nedbør luften ren for pollen, mens kortvarige lokale byger i godværsperioder (tordenvær) bare hemmer pollenspredningen midlertidig, særlig hvis sesongen er på sitt mest intense. Når pollen først er deponert på bakken, i skog eller annet underlag, blir bare en liten brøkdel resirkulert til svevetilstand igjen. Vind: Som nevnt under temperatur er bevegelse i luften avgjørende for pollenspredning fra arter som ikke har andre strategier (insektsbestøving m.m.), og vinden kan transportere pollen over store avstander når forholdene ligger til rette for det. En høytrykksperiode over noen døgn med stabil sørøstlig vindretning gir ofte fjerntransport av til dels betydelige mengder bjørkepollen til områder der lokalblomstringen ikke har startet ennå, mens vindtransportert bjørkepollen fra fjellet tilsvarende kan forlenge pollensesongen i lavlandet etter at blomstringen der er overstått. Typisk for de ytterste kystområdene på en solskinnsdag i pollensesongen er dominerende pålandsvind, som gir lite pollen i skjærgårdsluften, men desto mer innover i landet. 8

9 Figur 4. Naturgeografiske kart. (a) Terrengmodell. (b) Lengden på vekstsesongen, basert på gjennomsnittsverdier fra GIMMS-NDVI satelittdatasett med 8 km oppløsning for perioden Ekstrahert og reskalert fra Karlsen et al. (2006). (c) Vegetasjonssoner og (d) vegetasjonsseksjoner er fra Moen (1998). 9

10 Figur 5. Klimakart for normal perioden. (a) Gjennomsnittlig årlig temperatur (b) gjennomsnittlig mai temperatur og (c) gjennomsnittlig juli temperatur, ekstrahert, reskalert og tegnet på nytt med tillatelse fra Tveito et al. (2000). (d) Gjennomsnittlig årlig nedbør, ekstrahert, reskalert og tegnet på nytt med tillatelse fra Tveito et al. (2001). 10

11 3 MATERIALE OG METODER Bjørk er den klart vanligste og viktigste allergifremkallende pollen i Norge. Blomstring av bjørk og pollensesongen starter gjerne samtidig med løvsprett. Løvsprett og videre grønning i vegetasjonen kan måles med satellittindeksen Normalized difference vegetation index (NDVI). NDVI er definert som: NDVI = (NIR Rødt)/(NIR + Rødt), og er basert på refleksjon i rødt og nærinfrarødt (NIR). Ved hjelp av tidsserier av NDVI verdier kan vi kartlegge hele vekstsesongen, som når og hvor landet blir grønt om våren, samt å følge utviklingen i frodighet gjennom sesongen. Ut i fra NDVI dataseriene kan vi også studere variasjoner mellom regioner, og variasjoner fra år til år. Løvsprett inntrer når NDVI verdien er på vei opp, før den når maksimum. Gresspollen kommer noen uker etter løvsprett, når NDVI verdien er nært maksimum eller noe etter maksimum. Burot blomstrer sent på sommeren, godt etter at maksimum NDVI er registrert. Ved å modellere hvor på NDVI-kurven de forskjellige allergiframkallende artene har sine pollenperioder, vil det være mulig å tidsfeste starten på disse ut fra satellittbilder. Her vil det også være lokale/regionale forskjeller som det er viktig å ta hensyn til. Disse forskjellene kan både skyldes langtransport av pollen fra andre områder, samt at enkelte arter kan produserer ulike mengder pollen i forskjellige klimatiske områder. For eksempel vil ei bjørk i Østlandsområdet i gjennomsnitt produsere langt mer pollen enn ei bjørk i Finnmark. Gjennom det forskningsrådets finansierte PhenoClim prosjektet har Norut arbeidet mye med å kalibrere MODIS-NDVI satellittdata (Beck et al. 2006, 2007) og med å linke satellittdata med bakkeobservasjoner (Høgda et al. 2001, 2006, 2007; Karlsen et al. 2006, 2007, 2008a, 2008b, 2009c; Shutova et al. 2006). 3.1 SATELLITTDATA MODIS data Prosjektet tar i bruk flere ulike produkter fra MODIS sensoren på TERRA satellitten. Sensoren har 250m romlig oppløsning i rødt og nærinfrarødt og 500m i de øvrige syv kanaler i den synlige og kortbølge infrarøde delen. For utarbeidelse av et kart for gjennomsnittelig start på bjørkepollensesongen i Norge for perioden 2000 til 2008 blir 16-dagers kompositt NDVI med 250m oppløsning brukt (MOD13Q1 produktet, versjon V005). I arbeidet med modellutviklingen for å modellere bjørkepollensesongen dag for dag for årene 2006, 2007 og 2008 ble daglig data både med 250m oppløsning (MOD09GQ produktet) og 500m oppløsning (MOD09GA) brukt. Data med 500m oppløsning ble brukt fordi det gir et godt visuelt bilde av skydekke med kanalkombinasjon som RGB-farger. I arbeidet med å modellere/måle bjørkepollensesongen i nær sanntid våren 2009 ble det inngått en avtale med Kongsberg Satellite Sevices, og de leverer både MOD02HKM- 11

12 produktet (MODIS/Terra Calibrated Radiances 5-Min L1B Swath 500m) og MOD02QKMproduktet (MODIS/Terra Calibrated Radiances 5-Min L1B Swath 250m). I tillegg ble noe MODIS data også lastet ned fra SSE (Service Suport Environment, ), men da en fra denne web-siden kun får MODIS data en dag etter opptaket, og kun med 1 km oppløsning, ble disse data lite brukt GIMMS-NDVI datasettet Tidligere har Norut Tromsø gjort forstudier for å fastsette tidspunktet for starten på bjørkepollensesongen ved bruk av GIMMS-NDVI datasettet. Nåværende utgave av datasettet dekker perioden fra 1982 til 2006, men har kun 8 km romlig oppløsning og tidsoppløsning på to ganger per måned. I forstudiene fikk vi korrelasjonsverdier fra r= 0,55 til 0,85 mellom GIMMS-NDVI data og registreringer fra tre pollenstasjoner i Norge (Høgda et al. 2002, 2004). I dette prosjektet ble det gjort forsøk med bruk av GIMMS-NDVI datasettet for å fastsette tidspunkt for starten på gresspollensesongen. 3.2 METODER Beregne gjennomsnittelig starten på bjørkepollensesongen Norut har utviklet en piksel spesifikk terskelmetode for å beregne starten på vekstsesongen, definert som dato for løvsprett på bjørk. Metoden ble utviklet for GIMMS-NDVI datasettet av Høgda et al. (2001, 2007) og beskrevet i detalj av Karlsen et al. (2006). Metoden er senere modifisert og tilpasset MODIS-NDVI data hvor det også blir brukt kunnskapsbaserte regler (Karlsen et al. 2008). I prosjektet ble det skrevet en egen publikasjon til tidsskriftet Aerobiologia hvor metoden for å beregne gjennomsnittligs start på bjørkepollensesongen ved hjelp av MODIS-NDVI data (Karlsen et al. 2009a). For detaljer om metoden henviser vi til den publikasjonen, og her kommer kun en kort oppsummering. Til hver piksel følger det med kvalitetsinformasjon i MODIS data (QA-verdi), men den ble funnet for usikker til å kunne brukes. Derfor ble hver 16-dagers periode med data vurdert visuelt (RGB-bilde) for skydekke, og perioder med tette skydekke ble erstattet med perioden flør og etter. I ArcGIS 9.3, blir all relevant geo-data importert hvor et nytt Landsat TM - basert vegetasjonskart (Johansen 2009) og en terrengmodell er de viktigste datasett. Deretter blir NDVI verdien for et område på ca. 3x3 piksler rundt pollenfellene, eller ved nærmeste område med bjørk, kalkulert. For å linke bjørkepollendata med NDVI data blir det for hver enkelt piksel i studieområdet kalkulert en 9- års ( ) gjennomsnitts NDVI verdi for perioden 12. juli til 28. august (tre 16-dagers perioder). Starten på bjørkepollensesongen for hver piksel for hvert år skjer da når NDVI verdien blir høyere en 0,85 av den 9-års gjennomsnitts NDVI verdi. I kartproduksjonen blir det så inkludert kunnskapsbaserte regler for å fjerne urealistiske verdier og erstatte dem med realistiske verdier, dette for best mulig å fjerne støyen i dataen Analyse av dagens plassering av pollenfellene For å analysere hvor godt dagens pollenfeller dekker variasjonen i Norge brukte vi numerisk (multivariat) analyser med programmet CANOCO. I prosjektet ble det gjort både PCA og RDA (redundancy analysis) analyser, hvor RDA analyse betyr en PCA analyse hvor miljøvariabler/forklaringsvariabler er inkludert. En PCA / RDA- analyse, av pollenmengde og tid på sesongen med pollen, gir informasjon om hvor likt pollenmønster i tid og mengde stasjonene har. Stasjonene nært hverandre har likt pollenmønster og stasjoner lagt fra 12

13 hverandre ulikt. "Hvite flekker" i diagrammet indikerer at der mangler det en pollenfelle. Utfordringen da er å finne de miljøvariablene som det "hvite området" representerer for så å kunne lokalisere et tilsvarende område geografisk, og ved å trekke inn miljøvariabler til stasjonene (data fra figurene 4 og 5) kan en lettere forklare mønsteret Bruk av MODIS data i pollenvarsling i nær sanntid Modellutvikling For å utvikle en modell for bruk av MODIS data i pollenvarsel i nær sanntid våren 2009, ble det først i ArcGIS analysert daglig MODIS data mot daglig mengde bjørkepollendata og daglig klimadata for bjørkepollensesongene årene 2006 til For hver dag ble MODIS data visuelt inspisert for skyer, og NDVI verdi kalkulert for området rundt pollenfella, og analysert mot mengde bjørkepollendata og klimadata. For de skyfrie dager ble også tidsintegrert NDVI (TI NDVI) fra ulike starttidspunkt beregnet og sammenlignet med daglig mengde av bjørkepollendata. De skyfrie dager er det som oftest en nær sammenheng mellom NDVI, TI NDVI og mengde bjørkepollendata. De dager det er skyer må en basere seg på klimadata, og spesielt nedbørsdata. I modellen ble det ekstrahert ut de områder med bjørk fra et nytt Landsat TM - basert vegetasjonskart (Johansen 2009), og beregnet en buffersone rundt bjørkeområdene, da det er antatt noe lokal spredning. For å lage et romlig kart ble det de skyfrie dager analysert hvor høy NDVI verdien var i forhold til 9-års ( ) gjennomsnitts NDVI verdi for perioden 12. juli til 28. august. I tillegg til NDVI terskel for start på bjørkepollensesongen ble det funnet terskler for like før start på bjørkepollensesongen, og dersom NDVI verdien var over terskelen for start kan en regne med at pollensesongen er pågående. Dette gir pollenvarsel de skyfrie dager med tre kategorier: like før løvsprett på bjørk / begynnende knoppsprett, hvor løvsprett skjer nå / bjørkepollensesongen starter, og hvor det er løvsprett / bjørkepollensesong er i gang. Denne tersklingen og kartproduksjonen ble automatisert ved hjelp av Python skript i ArcGIS. Dersom deler av området var dekt av skyer må mer manuelt arbeid inn. For områder med skyer brukes det gjennomsnitts NDVI data for årene , og det lages en maske for hvor langt sesongen har kommet. Masken lages skjønnsmessig og ny vurdering for "hver dag" trengs. For den siste redigeringen for media og web-presentasjon brukes AdobePhotoshop til medianfilter og fargelegging og AdobeIllustrator til legende, vannmaske, kystlinje, fylkesgrenser m.m Sanntid Etter at daglig MODIS-NDVI data, bjørkepollen data og klimadata for bjørkepollen sesongene 2006 til 2008 var analysert, og modell utviklet for daglig satellittbasert bjørkepollenvarsel, fikk vi avtalt med Kongsberg Satellite Sevices for leveranse av MODIS data mindre enn en time etter at Terra satellitten hadde passert. Det ble også gjort avtale med web-redaktøren i NAAF for rask presentasjon på deres hjemmesider som en del av daglig pollenvarsel. Rett etter leveranse av MODIS data fra Kongsberg Satellite Service ble bildet vurdert for skydekke. Vi brukte Python skript i ArcGIS for hurtig prosessering, og dersom skyfritt ble prosesseringen tilnærmet helautomatisk. Dersom deler var skydekt ble de skyfrie områder først klippet ut, og for de skydekte områdene ble det interpolert ved bruk av gjennomsnitts data for årene 2000 til

14 4 RESULTAT 4.1 KARTLEGGING AV GJENNOMSNITTLIG START PÅ BJØRKEPOLLENSESONGEN Det er skrevet en egen publikasjon om kartlegging av gjennomsnittelig start på bjørkepollensesongen i Norge ved hjelp av MODIS data (Karlsen et al. 2009a). Resultatene er også presentert på European Symposium in Aerobiology (Høgda et al. 2008, Karlsen et al. 2008b). Her følger kun en kort oppsummering. Tabell 1 viser at korrelasjonen mellom MODIS-NDVI data og bjørkepollendata fra pollenfellene. Fire av de syv stasjonene med lang tidsserie viste signifikans på 5 % nivå eller bedre mellom NDVI og dato for når 2.5 % av årssummen ble nådd, og gjennomsnittskorrelasjonen (r) er 0,74. Stasjonen Tromsø skiller seg ut med dårlig korrelasjon mellom bakke og NDVI og også med dårlig samsvar i tid. Uten Tromsø blir korrelasjonen i gjennomsnitt r = 0,80. Oslo (fig. 6) og Kristiansand hadde best samsvar mellom NDVI og pollen (r > 0,90). Dette viser at vi suksessfullt kan måle start på bjørkepollensesongen ved hjelp av MODIS-NDVI data. Figur 7 og 8 viser gjennomsnittelig start på bjørkepollensesongen for perioden 2000 til Kartene sier ikke noe om mulig fjernspredning av bjørkepollen, og de årene med manglende samsvar mellom NDVI og bjørkepollen data skyldes antatt fjernspredning av pollen, og skjedde trolig for noen stasjoner i årene 2005 og Tabell 1. Start på bjørkepollensesongen som målt fra MODIS-NDVI data og som definert fra pollenfellene. #y = antall år med pollendata; Dag = gjennomsnittlig dagnummer; 1st rec. = første bjørkepollenregistrering; r = korrelasjonen mellom NDVI data og bjørkepollendata for stasjoner med minst 7 år med data; * = signifikant på 5% nivå; ** = signifikant på 1% nivå; 1%, 2.5% og 5% = dato for når pollenmengden når det prosenttallet av årssummen; 5xd = første av fem etterfølgende dager med bjørkepollen. Stasjon # y NDVI 1st rec. 1% 2.5% 5% 5xd Dag r SD Dag r SD Dag r SD Dag r SD Dag r SD Dag Tromsø ,46 14, ,47 14, ,49 15, ,48 14, ,77 13,6 145 Bodø ,25 10, ,76* 11, ,69 12, ,68 12, ,67 12,6 137 Trondheim ,38 9, ,41 7, ,61 7, ,44 8, ,63 7,7 119 Ørsta ,38 8, ,63 7, ,78* 7, ,76* 7, ,54 7,3 113 Førde Ringebu Bergen ,74* 8, ,79* 8, ,81* 8, ,70 7, ,63 9,2 116 Stavanger Kristiansand ,62 8, ,96** 9, ,86** 10, ,90** 10, ,83* 9,0 116 Oslo ,68 7, ,91** 6, ,92** 7, ,94** 6, ,82* 6,5 111 Gjennomsnitt 118 0,50 9, ,70 9, ,74 9, ,70 9, ,70 9,

15 Figur 6. Start på bjørkepollensesongen i Oslo årene 2000 til 2007, som definert ut i fra MODIS-NDVI terskel og ut i fra data fra pollenfella i Oslo. Norske versjoner av kartene som viser gjennomsnittelig start på bjørkepollensesongen for perioden 2000 til 2007 (figur 7 og 8), inkludert en A0-poster, kan lastes ned fra NAAF sine hjemmesider: En presentasjon av kartet er også gitt på Forskning.no ( Kartet ble også fanget opp av NTB og beskrevet i minst 64 aviser den 12. og 14. april 2009, men de fleste av dem kun i internett utgaven på grunn av påskehelg. Kartene viser at det er store regionale forskjeller i start på bjørkepollensesongen i Norge. ArcGIS analysene viser at i 20 % av landet skjer blomstringen på bjørk før første mai. I midtre - og nordlige Norge skjer det kun langs en tynn kyststripe, mens i sørlige Norge er det vanlig i hele lavlandet. I omkring 28 % av landet i løpet av mai måned, og da langs kysten av nordlige Norge og mest mellom 3-700m høyde i sør. I omkring 44 % av landet skjer blomstringen først i juni måned, til og med ved havet aller lengst nord i Norge. De resterende 8 % av landet består av vann, isbre, jordbruksareal eller bebyggelse hvor starten ikke ble kartlagt. Kartet viser også tydelig en gradient fra lavlandet til høyden, og spesielt på Vestlandet er det kun en smal kyststripe mellom hav og fjell som får tidlig start. Stedvis på Vestlandet er starten på pollensesongen to måneder tidligere i lavlandet sammenlignet med fjellplatå bare noen hundre meter unna. Dette gjør det også utfordrende å lage et godt visuelt varsel i grov målestokk. 15

16 Figur 7. Start på bjørkepollensesongen i Nord Norge, basert på gjennomsnittsverdier fra MODIS-NDVI data for perioden 2000 til

17 Figur 8. Start på bjørkepollensesongen i Sør Norge, basert på gjennomsnittsverdier fra MODIS-NDVI data for perioden 2000 til

18 Figur 9. Regional variasjon i start på bjørkepollensesongen sett i forhold til gjennomsnittet for perioden 2000 til Figur 9 viser at det er store regionale forskjeller fra år til år. For eksempel hadde årene 2000 og 2005 sen start, mer enn en uke senere enn gjennomsnittet for 2000 til 2007 for henholdsvis 48 og 45 % av landet. Årene 2002 og 2004 hadde tidlig start, mer enn en uke tidligere enn gjennomsnittet i 47 % av landet, men med ulikt mønster. I år 2002 var det tidlig i det meste av nordlige Norge og i år 2004 i det meste av sørlige Norge Kartlegging av start på gresspollensesongen Det ble kun gjort noen enkle forsøk på å måle starten på gresspollensesongen, og da med GIMMS-NDVI datasettet som har data fra 1982 til Da gresspollensesongen kan skje etter at NDVI har nådd maksimum kan vi ikke bruke en NDVI terskel, men tidsintegrert NDVI (TI NDVI) fra en gitt dato. Vi tunet TI NDVI data fra dag nummer 100 (10. april) mot dato for 1 % nivå av årlig gresspollenmengde, slik at de i gjennomsnitt fikk samme dag for start på gresspollensesongen. For Trondheim (fig. 10) fikk vi en korrelasjon (r) mellom TI NDVI på 0,61 og en Root Mean Square (RMS) på 7,0 dager. For Bodø ble korrelasjonen på 0,56 og RMS på 7,4 dager. 18

19 Figur 10. Starten på gresspollensesongen i Trondheim for årene 1982 til I gult vises data fra pollenfella i Trondheim, og hvor start er definert som dato for når mengden når 1 % av årlig mengde. I rødt vises dato for når TI NDVI fra GIMMS datasettet når et nivå som korrelerer med data fra pollenfella. Korrelasjonsverdiene indikerer at det er mulig også å modellere/måle start på gresspollensesongen. Og trolig kan få ennå bedre korrelasjon ved å bruke MODIS data og ved å prøve flere ulike start datoer fra når en begynner med tidsintegrert NDVI. 4.2 PLASSERING AV DAGENS POLLENFELLER Numerisk analyse For å analysere plasseringen av dagens pollenfeller ble det gjort multivariat analyse av pollendata og miljøvariabler. Sesongen 2007 var hele 12 pollenstasjoner i drift. Figur 11 viser RDA- analyse av bjørkepollen av de 12 stasjonene det året. Analysen viser at stasjoner til venstre i figuren har lite pollen, og sen start og slutt på sesongen. Oslo skiller seg ut med kombinasjonen svært mye pollen og tidlig start og slutt av sesongen. Figur 11 visere videre at stasjonene Kirkenes, Bodø og Trondheim (og dels Tromsø, men lite pollen) hadde relativt få forskjeller i pollenmengde og tid på året. Likeledes var Ørsta og Ringebu like, og Bergen og Kristiansand. Ingen stasjoner plasserte seg midt i diagrammet, dvs. mellom Kirkenes, Bodø, Trondheim og Tromsø på den ene siden og Ørsta, Ringebu, Bergen og Kristiansand på den andre siden. Her manglet det opplagt en pollenstasjon år 2007, eventuelt så var det spesielle klimaforhold akkurat det året som ga utslag i form av kald/fuktig siste halvdel av mai. Det virker som om at ingen av stasjonene hadde mest pollen i siste halvdel av mai, de har enten mest i starten av mai eller i starten av juni. En stasjon med mest pollen i siste halvdel av mai ville ha plassert seg mellom de to nevnte gruppene. Dersom en sammenstiller klimadata for 2007 sesongen for stasjonene vil en finne noen klimavariabler som forklarer fordelingen av stasjonene. 19

20 % slutt 1% slutt 5% start 1% start Kirkenes Tromsø Geilo (Førde) Bodø Trondheim (Stavanger) Ørstad Ringebu Bergen Kritiansand Årssum Oslo Figur 11. RDA analyse av bjørkepollen for år Det er tatt kvadratroten to ganger av pollenmengden før analysen. På grunn av tekniske feil med pollenfellene mangler mye data fra Stavanger (14. mars til 3.mai) og noe fra Førde (24. april til 8.mai), og plasseringen av disse to stasjonene i diagrammet må tolkes med forsiktighet. For perioden 2000 til 2007 var 6 stasjoner i drift. Figur 12 viser RDA- analyse av bjørkepollen, hvor miljøvariabler er inkludert som passive variabler, for de 6 stasjonene de årene. RDA- analysen viser at stasjoner til venstre i figuren har lite pollen, og sen start og slutt på sesongen. Stasjonene til høyre har varm julimåned, mye pollen og tidlig start og slutt på sesongen. Stasjonene øverst har mye sommernedbør. De seks stasjonene er godt spredt. Det betyr at de seks stasjonene nesten er perfekt utplassert! % slutt 5% start Tromsø Bodø April nedbør Bergen Ørstad Trondheim Juni nedbør Juli temperatur Årssum Oslo Figur 12. RDA analyse av gjennomsnittlig bjørkepollen for årene 2000 til Det er tatt kvadratroten to ganger av pollenmengden før analysen. 20

21 Resultatene samlet fra RDA-analysene (for kun år 2007 og for årene 2000 til 2007) tyder på liten samtidighet i pollenforekomstene ved stasjonene både langs nord/sørlig og øst/vestlig gradient. Dette har til dels sammenheng med ulike tidspunkter for start og slutt på lokal blomstring, men ved samtidig blomstring har ulikhetene ofte bakgrunn i bevegelse av nedbørsområder over distanse, slik at pollenmengdene dempes ned der nedbøren kommer og tar seg opp igjen der været klarner opp etter at fronten er passert Dagens regioninndeling og flytting av pollenfeller Da det er samsvar mellom start og slutt på sesongen (se 5 % pilene i fig. 11 og 12) betyr det at et kart over gjennomsnittelig start på bjørkepollensesongen kan brukes direkte i inndeling av pollenregioner for Norge. Norges varierte topografiske og klimatiske forhold byr på store utfordringer når det gjelder å trekke regionale grenser for hvilke områder som det er naturlig å regne som enhetlige i forhold til de registreringsstasjonene som er operative, og om det eventuelt er grunn til å flytte lokalisering av enkelte stasjoner. Det er åpenbart behov for en egen region for de indre fjordstrøkene på Vestlandet, og de øvrige grensene i Sør Norge vil bli justert. I Troms og Finnmark er det behov for en ytre og en indre region. De numeriske analysene og kartet for start på bjørkepollensesongen viser at pollenfellene i dagens nettverk generelt er fornuftig plassert, bortsett fra tre stasjoner (Bergen, Førde og Ørsta). Disse tre stasjoner ligger på rekke i et område med nær samtidig start på bjørkepollensesongen, og fanger ikke opp pollen i indre deler av Vestlandet. Derfor vil neste stasjon som utplasseres bli lagt til indre del av Vestlandet (trolig i Lærdal eller Årdal) og deretter trolig i vestre Finnmark. 4.3 FØLGE BJØRKEPOLLENSESONGEN I SANNTID ArcGIS analyser av daglig MODIS-NDVI data mot daglig mengde bjørkepollendata og daglig klimadata for bjørkepollensesongene årene 2006 til 2008 viste høyt samsvar mellom skyfri NDVI data og bjørkepollenmengde. Analysene ble konsentrert om midt Norge. Av de skyfrie scener ble følgende terskler brukt for å finne grad av bjørkepollen: En NDVI terskel på 0,75 av 9-års ( ) gjennomsnitts NDVI verdi for perioden 12. juli til 28. august indikerer like før løvsprett på bjørk / begynnende knoppsprett. En terskel på 0,80 indikerer hvor løvsprett skjer nå / bjørkepollensesongen starter, og en terskel på 0,85 viser hvor det er løvsprett / bjørkepollensesong er i gang. Tersklene for de to første kategoriene ble skjønnmessig valgt, da det trengs mer en tre år med analyse av data for å finne statistisks sammenhenger. Dersom deler av området var dekt av skyer må mer manuelt arbeid inn. For områder med skyer brukes det data fra gjennomsnittskartet for årene , og det lages en maske for hvor langt sesongen har kommet. Masken lages skjønnsmessig og en ny vurdering hver dag trengs. 21

22 Figur 13. Kart over hvor langt bjørkepollensesongen var kommet i Møre-Trøndelags området 29. april Karet er basert på MODIS 500m data (MOD02HKM-produktet). Kartet ble lagt ut på bare timer etter at bildet ble tatt. Målet var å følge bjørkepollensesongen i sanntid våren Vi klarte det ikke for start på sesongen i de tidligste områdene, dette fordi det kun tok et par dager fra start i Danmark til start ved Oslo, og da værmeldingen ikke stemte kom den for overraskende, også for den offisielle varslingen fra Astma- og Allergiforbundet. Men fra omtrent en uke etter tidligste start i Norge kunne vi følge resten av bjørkepollensesongen Figur 13 viser situasjonen for Nordmøre og Trøndelag 29. april 2009, og figur 14 Nordland og det meste av Troms 14. mai Kartene ble fortløpende lagt ut på Astma- og Allergi forbundet sine hjemmesider bare timer etter at Terra satellitten med MODIS sensoren hadde passert. Kartet over Trøndelag (fig. 13) ble også fanget opp av Adresseavisa og trykt der, men ikke før etter 5 dager. Det ble da fanget opp av NTB og prosjektet ble omtalt i omtrent 50 aviser, men et flertall av disse kun som internett utgave. Av internett- utgavene kan nevnes en presentasjon på forsiden av Dagbladet 5. mai 2009, og en fin presentasjon i VG. 22

23 Figur 14. Kart over hvor langt bjørkepollensesongen var kommet i Nordland - vestlige Troms området 14. mai Karet er basert på MODIS 500m data (MOD02HKM-produktet). Kartet var ferdig produsert omkring 2,5 timer etter at satellitten hadde passert. 5 DISKUSJON OG ANBEFALIGER Prosjektet er unikt, da det er første gang satellittdata har blitt brukt systematisk til å forbedre pollenvarsel. I de senere år har "atmosfærisk-baserte" sprednings modeller som viser pollenspredning blitt langt bedre (f. eks. SILAM modellen, En ulempe med de atmosfæriske baserte modeller er at de fungerer svært dårlig i områder med mye topografi. I løpet av 2009 deltok to av prosjektdeltakerne i rådgivingsgruppa i "Group on Earth Observation, GEO Task US-09-01a, Human Health: Aeroallergens Social Benefit Area" (Koren 2009). Basert på dette prosjekt kom vi i GEO-rapporten med klare anbefalinger om at satellittdata i pollenvarsel har et stort potensial, og da spesielt i topografisk vanskelige områder som Skandinavia og Alpene. Norge har ytterligere et fortrinn for bruk av satellittdata, fordi relativt mye av landet består av naturlig vegetasjon og lite forstyrrende kulturlandskap/landbruk, og vår nordlige beliggenhet gir en forholdsvis rask grønning om våren som satellittbilder kan observere. To av prosjektdeltakerne er også Norske MC medlemmer i den Europeiske COST ES0603 programmet Assessment of Production, Release, Distribution and Health Impact of Allergenic Pollen in Europe (EUPOL) ( hvor vi fortløpende har informert om resultatene fra prosjektet, og det er samens med det Østerrikske meteorologiske institutt ( søkt om en Short Time Scientific Mission innen ES0603 programmet for å utrede mulighetene for prøve ut metodene vi har kommet fram til i Østerrike/Alpene. 23

24 Prosjektet viste at med MODIS-NDVI data med 250m romlig oppløsning og 16 dagers tidsoppløsning for årene 2000 til 2007 var vi i stand til å lage et nøyaktig gjennomsnittskart for start på bjørkepollensesongen for hele Norge (figur 7 og 8). Kartet har den begrensningen at det ikke sier noe om mulig fjernspredning og kun indirekte noe om mengden bjørkepollen, og vil derfor aldri kunne erstatte pollenfeller. Kartet representerer likevel et kvantesprang i forhold til hva en tidliges viste om regionale forskjeller i starttidspunkt. Kartet danner også et godt utgangspunkt for ny inndelig i pollenregioner. Dagens tolv regioner følger mest fylkesgrenser og har i tillegg en fjellregion i Sør Norge. Dagens inndeling har den klare fordel at områdene er lett å beskrive med tekst og er lett å forstå og å presentere på små kart, men som de nye kartene indikerer er de unøyaktige. Kartet vi har laget i prosjektet (figur 7 og 8) med 250m romlig oppløsning blir altfor detaljert for dagens presentasjonsformer, og en ny inndeling basert direkte på kartet blir kartografisk vanskelig på grunn av den enorme skalaforskjellen. Men kartet og numeriske analyser av bjørkepollendata viser at dagens inndeling i alle fall bør inkludere en region for indre deler av Vestlandet, og at Troms og Finnmark bør inndeles i en indre og ytre del. I fremtiden kan en tenke seg langt bedre kartografisk inndeling basert på satellittkartet, hvor en får detaljert kart i nær sanntid på mobiltelefon. Kartet og de numeriske analysene danner også et godt utgangspunkt for hvor en bør utplassere eventuelle nye pollenfeller, og neste felle vil trolig bli utplassert i indre deler av Vestlandet (trolig i Lærdal eller Årdal) og deretter trolig i vestre Finnmark. Prosjektet konsentrerte seg om bjørkepollen, men noe enkle analyser ble gjort for gresspollen. Resultatene viser korrelasjonsverdier (r) over 0,5 mellom dato for start på gresspollensesongen og tidsintegrert NDVI fra GIMMS datasettet, med 8 km romlig oppløsning og 15 dagers tidsoppløsning. Trolig kan denne sammenhengen bli bedre dersom en analyserer mot MODIS-NDVI data og med bedre tidsoppløsning, og prøver seg fram med ulike tidspunkter for start på å integrere NDVI. Vi kan derfor anta at MODIS-NDVI data også har et potensial for gresspollenvarsel, men mer utviklingsarbeid trengs for gresspollen. En fordel med bruk av satellittdata i gresspollenvarsel er at gresspollen ikke er påvirket av fjernspreding i vesentlig grad. I modelleringen for operasjonell demonstrasjon av forbedret bjørkepollenvarsel analyserte vi først daglig MODIS data for bjørkepollensesongene 2006 til 2008, mot data fra pollenfellene og klimadata. De skyfrie dager er det en klar sammenheng mellom NDVI og bjørkepollendata. De skydekte dagene er det svært sjelden med bjørkepollen spredning dersom det blir målt nedbør, men kan være noe spredning ved tørre skydekte dager. Problem med satellittdata oppstår de skydekte dager med pollen, hvor en må basere seg på data fra siste skyfrie dag og tidligere år, og en god analyse mellom klimadata og pollendata. En god statistisk analyse av klimadata og bjørkepollendata de dager uten nedbør ble ikke fullført i prosjektet og er et større prosjekt i seg selv. De dager med kun noe skydekke kunne vi interpolere med bruk av data fra tidligere år. Men da det er noen forskjeller fra år til år mellom regioner, kan en ikke interpolere over for store områder. Våren 2009 var det for eksempel betydelig tidligere start på bjørkepollensesongen enn normalen på Vestlandet, men bare litt tidligere enn normalen på Østlandet. Det betyr at dersom det var skyfritt på Vestlandet kunne en ikke direkte interpolere for Østlandet. I demonstrasjon av satellittdata i sanntid våren 2009 konsentrerte vi oss først og fremst om mindre regioner de dagene det var helt skyfritt. Vi fikk data Kongsberg Satellite Service fra noen minutter til en time etter at satellitten hadde passert omkring kl. 12 hver dag. Deretter tok det omkring to timer å kjøre Python makroer i ArcGIS for å lage et ferdig produkt, hvor det som tok mest tid var å geokode satellittbildet. Dette kan forbedres ved å bruke kraftigere 24

25 PC. Dersom deler av området var skydekt måtte det mer manuelt arbeid til for interpolering og det ferdige produktet var klart i løpet av ca. 3 timer. Før kartene ble lagt ut på NAAF sine hjemmesider ble de kvalitetssikret mot nyeste pollendata og av Hallvard Ramfjord som er ansvarlig for pollenvarslinga. Erfaring fra nær sanntid presentasjon viser at det er viktig at alle ledd i prosessen virker, men at det kan være vanskelig å planlegge fordi pollenspreding er så væravhengig. I dag blir pollenvarsel sendt ut pr e-post og lagt ut på internett mellom klokken 15 og 15:30 alle dager, og for presentasjon i trykte lokalaviser, som gjerne går i trykk omkring kl. 16, er det lite slingringsmonn skal en klare å få ferdig produkt innen normal arbeidstid for folk flest. Mai måned er det også mange helligdager i, og dessuten er bjørkepollensesongen fra før av den travleste tiden for de som arbeider med pollenvarsel i NAAF/NTNU. Det er derfor viktig å ha tilstrekkelig arbeidskraft tilgjengelig i alle ledd i den hektiske bjørkepollensesongen ved bruk av satellittdata i nær sanntid. Bortsett fra en presentasjon i Adresseavisa, ble ikke media aktivt oppsøkt i prosjektet. Noe resultat ble lagt ut på NAAF sin hjemmeside, og det ble gitt et intervju i Forskning.no. Dette ble i ulike former fanget opp av media og presentert i mer enn 120 aviser (mest internettutgaver) i løpet av april og mai måned Dette viser en stor media interesse for pollenvarsel generelt, og bruk av satellittdata spesielt. Dette indikerer at også Norge har et potesial til å vise satellittbaserte kart i de fleste nyhetsmedier på daglig basis gjennom flere måneder av året. 6 OPPSUMMERING OG KONKLUSJON Prosjektet har funnet høyt samsvar mellom start på bjørkepollensesongen og MODIS-NDVI satellittdata, og ut i fra det er det laget ett kart over hele Norge som viser gjennomsnittlig start på bjørkepollensesongen for årene 2000 til 2007 (Karlsen et al. 2009a). Kartet og numerisk analyse av bjørkepollendata og miljøvariabler er brukt til å studere gyldighetsområdet for dagens pollenfeller, og vi har kommet med anbefalinger for plasseringer av nye fremtidige pollenfeller og diskutert ny regioninndeling for pollenvarsel i Norge. Det er også funnet noe sammenheng mellom GIMMS-NDVI satellittdata og start på gresspollensesongen, men mer forsknings trengs her. Det er demonstrert opperasjonell bruk av MODIS satellittdata i bjørkepollenvarsel våren Terra satellitten med MODIS sensoren passerer Norge omkring kl. 12 hver dag. Ved skyfrie dager kan en ha ferdige satellittbilde som viser hvor det er bjørkepollenspreding omtrent to timer etter at Terra satellitten har passert. Ved noe skydekke trengs noe mer manuelt arbeid og bildet er ferdige etter omtrent tre timer. Men noe mer forskning trengs i analyse av sammenhengen mellom klimavariabler og pollenspreding for å fastslå om det er pollenspreding i de skydekte områder. Ved noe skydekke kan en heller ikke vise kart over for store regioner, for eksempel dersom Vestlandet er skyfritt, men Østlandet skydekt, kan en ikke direkte lage kart for Østlandet. Prosjektet har også vist at bruk av satellittdata i pollenvarsel gir produkter som gir har interesse for media, og resultatene har potensial til nesten daglig i pollensesongen å vise satellittbaserte produkter i media. Spesielt i områder med mye fjell som Skandinavia og Alpene, hvor "atmosfærisk-baserte" spredings modeller i pollenvarsel ikke virker, har bruk av satellittdata et stort potensial i pollenvarsel. Dette er anbefalinger vi har gitt fra dette prosjektet i "Group on Earth Observation, GEO Task US-09-01a, Human Health: Aeroallergens Social Benefit Area" (Koren 2009) og i det Europeiske COST ES0603 programmet Assessment of Production, Release, Distribution and Health Impact of Allergenic Pollen in Europe (EUPOL) ( Resultatene fra prosjektet er unikt, da det er første gang satellittdata har blitt brukt systematisk til å forbedre pollenvarsel. 25

26 7 TAKK Takk til Norsk Romsenter som har bidratt med nær halve finansieringen av prosjektet gjennom nasjonale følgemidler. Takk til Eirik Mikkelsen og hans kollegaer ved Kongsberg Satellite Sevices for kostnadsfritt å ha bidratt med MODIS satellittdata i nær sanntid våren Og takk til Nina Brun, redaktør i Allergi i Praksis/Nettredaktør ved NAAF, for å ha lagt ut resultater fra prosjektet på kort varsel midt i den travleste pollensesongen. 8 REFERANSER Beck, PSA, Atzberger C, Hogda KA, Johansen B, Skidmore AK Improved monitoring of vegetation dynamics at very high latitudes: A new method using MODIS NDVI. Remote Sensing of Environment. 100: Beck, P.S.A., Jönsson, P., Køgda, K-A., Karlsen, S.R., Eklund, L. & A.K. Skidmoree A ground-validated NDVI dataset for monitoring vegetation dynamics and mapping phenology in Fennoscandia and the Kola peninsula. International Journal of Remote Sensing, 28: Høgda, K. A., Karlsen, S. R. & I. Solheim Climatic change impact on growing season in Fennoscandia studied by a time series of NOAA AVHRR NDVI data. Proceedings of IGARSS July 2001, Sydney, Australia. ISBN Høgda, K. A., S. R. Karlsen, I. Solheim, H. Tommervik & H. Ramfjord The start dates of birch pollen seasons in Fennoscandia studied by NOAA AVHRR NDVI data. Proceeding of IGARSS June 2002, Toronto, Ontario, Canada. ISBN X. Høgda, K. A., S. R. Karlsen & H. Ramfjord Pollen season and satellite phenology studies. Proceeding for the 10th Nordic Symposium on Aerobiology August 2004, Turku, Finland. Høgda K.A, Karlsen S.R & H. Tømmervik Changes in growing season in Fennoscandia In: Ørbæk J.B, Kallenborn R, Tombre I, Hegseth E.N, Falk-Petersen S & A.H. Hoel (eds) Arctic Alpine Ecosystems and People in a Changing Environment. Springer-Verlag, pp Høgda, K.A., S.R. Karlsen & H. Ramfjord Satellite-based studies of the onset of the birch pollen season in Fennoscandia. Abstract for the 4th European Symposium on Aerobiology, August 2008, Turku, Finland. p. 87. Johansen, B Vegetasjonskart for Norge basert på Landsat TM/ETM+ data. Norut rapport 4/ sider. Karlsen, S. R., A. Elvebakk, K. A. Høgda & B. Johansen Satellite-based mapping of the growing season and bioclimatic zones in Fennoscandia. Global Ecology and Biogeography. 15: Karlsen, S.R, Solheim, I., Beck, P.S.A., Høgda, K-A, Wielgolaski, F.E, & H. Tømmervik Variability of the start of the growing season in Fennoscandia, International Journal of Biometereology, 51: Karlsen, S.R., A. Tolvanen, E. Kubin, J. Poikolainen, K.A. Høgda, B. Johansen, F. S. Danks, P. Aspholm, F. E. Wielgolaski & O. Makarova. 2008a. MODIS-NDVI based mapping of the length of the growing season in northern Fennoscandia. Int. J. Appl. Earth Observ. Geoinform. 10: Karlsen, S.R., K.A. Høgda & H. Ramfjord. 2008b. A satellite-based map of the onset of the birch flowering of Norway. Abstract for the 4th European Symposium on Aerobiology, August 2008, Turku, Finland. p

27 Karlsen, S.R., H. Ramfjord, K. A. Høgda, B. Johansen, F. S. Danks & T. E. Brobakk. 2009a. A satellite-based map of onset of birch (Betula) flowering in Norway. Aerobiologia. 25: Karlsen, S.R., K.A. Høgda, H. Ramfjord, T.E. Brobakk & B. Johansen. 2009b. Use of satellite data in near realtime monitoring of the birch flowering in Norway. Abstract for the 12th Nordic Symposium on Aerobiology. August 28-30, 2009, Copenhagen, Denmark. Karlsen, S.R., K. A. Høgda, F.E. Wielgolaski, A. Tolvanen, H.Tømmervik, J. Poikolainen & E.Kubin. 2009c. Growing-season trends in Fennoscandia , determined from satellite and phenology data. Climate Research. 39: Koren, H. (editor). Group on Earth Observation. GEO Task US09-01a. Earth Observations Priorities for Human Health: Aeroallergens SBA. Final Report to the GEO user Interface Committe, Revision 1. 53pp. MMI (Markeds- og Mediainstituttet) Kjennskap og bruk av pollenvarselet. MMI-rapport, 14 sider.. Moen, A Nasjonalatlas for Norge: Vegetasjon. Statens kartverk, Hønefoss. Ramfjord, H. ( ). Registrering av pollen og sporer. Årlig rapportserie, Institutt for biologi, NTNU. ISSN Ramfjord, H. & T.E. Brobakk ( ). Registrering av pollen og sporer. Årlig rapportserie, Institutt for biologi, NTNU. ISSN Shutova, E., F.E. Wielgolaski, S.R. Karlsen, O. Makarova, E. Haraldsson, P.E. Aspholm, N. Berlina, T. Filimonova, L. Flø & K.A. Høgda Growing season in nordic mountain birch in the northernmost Europe as indicated by long-term field studies and analyses of satellite images. International Journal of Biometeorology. 51: Tveito, O.E., Førland, E., Heino, R., Hanssen-Bauer, I., Alexandersson, H., Dahlström, B., Drebs, A., Kern- Hansen, C., Jónsson, Y., Vaarby Laursen, E.,Westman, Y., Nordic temperature maps. DNMI Report 09/00. Oslo, Norway. Tveito, O.E., Førland, E.J., Alexandersson, H., Drebs, A., Jónsson, T., Tuomenvirta, H., Vaarby Laursen, E., Nordic climate maps. DNMI Report 06/01. Oslo, Norway. 27