Wir präsentieren die erste Validierung des Swisens Poleno, des derzeit einzigen einsatzfähigen automatischen Pollenüberwachungssystems, das auf digitaler Holografie basiert. Das Gerät liefert im Flug Bilder aller grobkörnigen Aerosole, und hier entwickeln wir einen zweistufigen Klassifizierungsalgorithmus, der diese Bilder nutzt, um eine Reihe von Pollentaxa zu identifizieren. Deterministische Kriterien, die auf der Form der Partikel basieren, werden angewandt, um zunächst zwischen intakten Pollenkörnern und anderen Grobpartikeln zu unterscheiden. Diese erste Stufe der Unterscheidung identifiziert Pollen mit einer Genauigkeit von 96 %. Danach werden einzelne Pollentaxa mithilfe von überwachten Lernverfahren erkannt. Der Algorithmus wird anhand von Daten trainiert, die durch das Einlegen bekannter Pollentypen in das Gerät gewonnen wurden, und von acht Pollentaxa können sechs mit einer Genauigkeit von über 90 % identifiziert werden. Neben der Fähigkeit, Aerosole korrekt zu identifizieren, muss ein automatisches Pollenüberwachungssystem auch in der Lage sein, die Partikelkonzentrationen korrekt zu bestimmen. Um das Gerät weiter zu verifizieren, wurden kontrollierte Kammerexperimente mit Polystyrol-Latexkügelchen durchgeführt. Dies lieferte Referenzaerosole mit rückführbaren Partikelgrößen- und Anzahlkonzentrationen, um sicherzustellen, dass Partikelgröße und Probenahmevolumen korrekt charakterisiert wurden. (Original-Text in Englisch)

Sauvageat, E., Zeder, Y., Auderset, K., Calpini, B., Clot, B., Crouzy, B., Konzelmann, T., Lieberherr, G., Tummon, F., and Vasilatou, K.: Real-time pollen monitoring using digital holography, Atmos. Meas. Tech., 13, 1539–1550, https://doi.org/10.5194/amt-13-1539-2020