Les cartes ci-dessous montrent le niveau de risque d’allergie au pollen attendu aujourd'hui et dans les trois prochains jours. Attention, les données de prévision ne seront disponibles que durant les périodes de pollinisation de l'aulne (janvier-mars), du bouleau (mars-mai) et des graminées (mai-août).

Comment ces prévisions sont-elles faites ?

Le risque d'allergie est évalué selon les prévisions de la présence de pollen de bouleau et de graminées dans l'air. Ces grains de pollen sont émis localement par les plantes herbacées et les arbres en fonction des conditions météorologiques. Le vent disperse le pollen vers d'autres régions où il se mélange au pollen des plantes locales. Par exemple, les bouleaux des pays voisins peuvent contribuer à l’incidence des allergies au pollen en Belgique. Les concentrations polliniques attendues sont calculées à partir du modèle de base SILAM (System for Integrated modelling of Atmospheric composition) adapté pour la Belgique par l’Institut Royal Météorologique (IRM). Ce modèle est piloté par l'IRM et combine les données météorologiques du European Centre for Medium-Range Weather Forecasts avec des cartes de distribution des bouleaux et des graminées.

Ces prévisions sont-elles fiables ?

Les prévisions du risque d’allergie sont complémentaires aux observations de terrain effectuées par Sciensano et permettent d’avertir plusieurs jours à l’avance les personnes allergiques de l’aggravation possible de leurs symptômes. Le modèle de prévision du pollen dépend des prévisions météorologiques d'une part et des processus biologiques d'autre part. En d'autres termes, aux incertitudes météorologiques s'ajoutent des incertitudes biologiques. Une étude rétrospective des prévisions de l'IRM et des observations de Sciensano établit que la prévision pollinique répond aux critères scientifiques internationaux. Cependant, il faut toujours garder à l'esprit que la sensibilité des individus allergiques est très variable et que les expositions locales à la végétation et/ou à la pollution peuvent avoir un impact important sur la perception individuelle.

Pourquoi ces prévisions ne sont-elles disponibles que pour l'aulne, le bouleau et les graminées ?

Le développement du modèle de base est progressif. Le pollen de bouleau a été le premier à être appliqué en Belgique dans le modèle SILAM par l'IRM, en collaboration avec Sciensano. La prévision de l'exposition aux pollens d'aulne et de graminées est plus récente. Une étude réussie de l'Institut Météorologique Finlandais sur l'utilisation du modèle SILAM pour d'autres pollens (noisetier, armoise, etc.) offre des perspectives d'applications futures en Belgique.

D’où provient cette information ?

Ces informations proviennent du groupe de recherche Dispersion et composition atmosphériques de l'IRM et sont le fruit d'une étroite collaboration scientifique avec l'unité Aérobiologie de Sciensano. Les prévisions sont basées sur le modèle de base SILAM développé par l'Institut Météorologique Finlandais (FMI). Les prévisions européennes, générées à partir de SILAM et d'autres modèles, peuvent également être consultées sur les sites web du FMI et de Copernicus.

Références scientifiques

• Verstraeten WW, Kouznetsov R, Hoebeke L, Bruffaerts N, Sofiev M, Delcloo AW. Modelling grass pollen levels in Belgium. Science of the Total Environment. 2020, 26; 753:141903. DOI: 10.1016/j.scitotenv.2020.141903.

• Verstraeten WW, Dujardin S, Hoebeke L, Bruffaerts N, Kouznetsov R, Dendoncker N, Hamdi R, Linard C, Hendrickx M, Sofiev M, Delcloo AW. Spatio-temporal monitoring and modelling of birch pollen levels in Belgium. Aerobiologia. 2019. DOI: 10.1007/s10453-019-09607-w.

• Sofiev M, Vira J, Kouznetsov R, Prank M, Soares J, Genikhovich E. Construction of the SILAM Eulerian atmospheric dispersion model based on the advection algorithm of Michael Galperin. Geosci. Model Dev. 2015, 8, 3497–3522. DOI: 10.5194/gmd-8-3497-2015.

• Sofiev M, Siljamo P, Ranta H. et al. A numerical model of birch pollen emission and dispersion in the atmosphere. Description of the emission module. Int J Biometeorol. 2013, 57, 45–58. DOI: 10.1007/s00484-012-0532-z.