一种可扩展的校准方法,在密集的空气质量监测网络中提高精度

科学领域:

• 环境科学 环境科学
• 传感器技术 传感器技术
• 大气化学 大气化学

背景情况:

• 密集的空气质量监测网络需要较低的资本和劳动力成本才能有效部署.
• 现有的校准方法可能是劳动密集型,阻碍了低成本传感器网络的可扩展性.
• 伯克利环境空气质量和二氧化碳网络 (BEACO2N) 使用许多低成本传感器来测量各种空气污染物.

研究的目的:

• 描述 BEACO2N 网络内的 O3,CO,NO 和 NO2 传感器的新型,低劳动力,现场校准方法.
• 为了验证这种校准技术的准确性和可靠性,用于密集的传感器部署.
• 为了降低与保持准确的空气质量测量相关的运营成本.

主要方法:

• 开发了一种现场校准技术,利用传感器网络中均污染物度的周期.
• 应用该方法对BEACO2N网络中的O3,CO,NO和NO2传感器进行校准.
• 对温度,湿度和度进行校准性能评估,并将CO传感器性能与参考测量进行比较.

主要成果:

• 实现了O3,NO2和NO校准的高精度和低偏差,确定系数从0.66到0.88.
• 在与参考仪器配合时,CO传感器 (确定系数0.90) 显示出强大的性能.
• 校准方法在维持数据质量方面证明有效,尽管环境条件的变化.

结论:

• 开发的低劳动力现场校准方法在密集的廉价空气质量传感器网络中是有效的.
• 这种技术显著降低了运营成本,使得社区规模的空气质量测绘变得更加可行.
• 准确且具有成本效益的空气质量监测对于公共卫生和环境研究至关重要.