一个可扩展的框架,用于协调,标准化和纠正欧洲各地众筹的低成本传感器PM2.5数据
Amirhossein Hassani1, Vasileios Salamalikis1, Philipp Schneider1
1The Climate and Environmental Research Institute NILU, P.O. Box 100, Kjeller, 2027, Norway.
Journal of environmental management
|March 30, 2025
概括
我们开发了Filter,这是一个框架,旨在提高来自低成本空气质量传感器 (LCS) 的众筹PM2.5数据的质量. 这提高了公民科学数据的可靠性,用于官方评估和研究.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 大气科学 大气科学
背景情况:
- 公民操作的低成本空气质量传感器 (LCS) 提供了扩展的监测,但在数据质量和标准化方面面临挑战.
- 将众筹数据整合到官方评估中需要强大的质量控制和验证方法.
研究的目的:
- 引入 FILTER,这是一个可扩展的框架,用于统一,纠正和提高来自各种 LCS 网络的众包 PM2.5 数据的可靠性.
- 使用官方空气质量数据建立数据质量评估步骤和基准.
主要方法:
- 开发了五步数据质量评估:范围检查,常量值检测,异常值检测,空间相关性和空间相似性.
- 模拟PM2.5空间相关性和相似性与地理距离相比,使用官方数据作为基准.
- 确定了用于现场数据校正的季节性最佳距离值.
主要成果:
- 确定了欧洲PM2.5空间相关性和相似性的季节性变化.
- 建立了PM2.5数据校正的季节性最佳距离值,从~11.5公里 (DJF) 到~20公里 (JJA).
- 验证了来自sensor.community和PurpleAir的欧洲规模数据的FILTER框架,处理超过5.21亿个小时时间.
结论:
- 过框架有效地统一,纠正和提高众包PM2.5数据的可靠性.
- 结果表明,将验证的众包LCS数据集成到监管应用和科学研究中的潜力.
- 空间代表性的季节性变化影响了最佳的数据校正策略.
更多相关视频
09:33Visualizing Field Data Collection Procedures of Exposure and Biomarker Assessments for the Household Air Pollution Intervention Network Trial in India
Published on: December 23, 2022
07:12Façade-Level Monitoring of CO2 Variability under Urban Heat Island Conditions using Low-Cost Sensor Data Loggers
Published on: December 12, 2025
