通过使用美国EPA CSN数据进行气溶液体水估计,提高低成本光学PM传感器在潮湿条件下的精度
Yuhang Guo1, Alexandra Catena1, Margaret J Schwab1
1Atmospheric Sciences Research Center, University at Albany, State University of New York, Albany, New York 12203, United States.
ACS ES&T air
|February 19, 2026
概括
高湿度会影响细颗粒物 (PM2.5) 传感器的准确性. 本研究提出了一种新的方法,通过分离气溶液体水来纠正湿条件下的PM2.5测量,从而提高传感器的可靠性.
科学领域:
- 环境科学 环境科学
- 大气化学 大气化学
- 传感器技术 传感器技术
背景情况:
- 高环境相对湿度 (RH) 显著影响了低成本光学传感器对细颗粒物 (PM2.5) 测量的准确性.
- 现有的传感器在潮湿条件下难以提供可靠的PM2.5数据,这限制了它们的实际应用.
研究的目的:
- 开发和验证一种新的框架,用于在高湿度环境中纠正低成本的PM2.5传感器测量.
- 量化分离气溶液体水质量 (ALW) 并估计干相应的PM2.5度.
- 提高光学PM2.5传感器在潮湿地区的准确性和适用性.
主要方法:
- 开发了一个纠正框架,涉及基于Mie理论的光学校准,以解决气溶特性和湿透增长.
- 使用EPA化学规范网络 (CSN) 数据集量化的气溶液体水质量 (ALW).
- 应用校正过程到一个nephelometer和光学粒子计数系统.
主要成果:
- 开发的校正框架显著提高了低成本PM2.5传感器在高RH下测量的准确性.
- 经过纠正的PM2.5数据显示,与EPA的参考测量数据有很强的一致性.
- 对ALW的量化提供了对气溶化学和二次气溶形成的见解.
结论:
- 拟议的机械校正框架是实用的,可行的,并提高了低成本的光学PM2.5传感器在潮湿环境中的可靠性.
- 该方法为气溶化学研究提供了有价值的数据,并且可以在CSN数据不可用的情况下使用替代信息进行调整.
- 这项工作促进了在各种气候条件下使用负担得起的PM2.5监测.
