评估移动环境中低成本PM2.5传感器的性能
摘要：低成本传感器(LCS)用于测量空气污染的应用越来越多，但对于测量结果质量的问题仍未解决。例如，在移动环境下，纠正LCS数据的最佳方法是什么？哪些因素对移动LCS数据和高质量仪器之间的差异贡献最显著？LCS的数据能否用于识别污染热点并生成可推广的污染物浓度地图？为了解决这些问题，我们在美国马萨诸塞州波士顿的移动实验室中部署了低成本PM2.5传感器(Alphasense OPC-N3)和一台研究级仪器(TSI DustTrak)。首先，我们将这些仪器与附近的监管站点的定点PM2.5参考监测仪器进行对比测试。然后，利用参考测量数据，我们开发了不同的模型来纠正OPC-N3和DustTrak的测量结果，并将这些纠正应用于移动环境。我们观察到，较复杂的纠正模型在定点环境中表现得比较好；然而，当应用于移动环境时，纠正后的OPC-N3测量结果与纠正后的DustTrak数据的一致性较差。一般来说，使用分钟级定点测量数据进行纠正的效果比使用小时平均数据进行纠正的效果更好。移动实验室的速度、OPC-N3相对于行驶方向的方向、日期、小时和道路等级共同解释了纠正后的OPC-N3和DustTrak测量结果在移动实验中的变异性。OPC-N3所识别的持续热点与DustTrak识别的热点一致。同样，使用移动纠正后的OPC-N3和DustTrak测量结果生成的PM2.5分布图吻合度较高。
作者：Priyanka deSouza, An Wang, Yuki Machida, Tiffany Duhl, Simone Mora, Prashant Kumar, Ralph Kahn, Carlo Ratti, John L. Durant, Neelakshi Hudda
论文ID：2301.03847
分类：Applications
分类简称：stat.AP
提交时间：2023-01-11