近日，中国矿业大学职业健康研究院在低成本颗粒物传感器检测领域取得了新进展，相关成果以论文“Feasibility of low-cost particulate matter sensors for long-term environmental monitoring: Field evaluation and calibration”发表于期刊《Science of The Total Environment》（中科院一区Top期刊）。
低成本传感器网络有可能降低监测成本，同时提供高分辨率的污染物水平时空数据。然而，这些传感器也有局限性，其现场性能的许多方面仍未得到充分探索。在2023 年10月至12月期间，本研究在一个城市标准监测站附近部署了两个相同的低成本传感器系统，以记录 PM2.5 和 PM10 浓度以及环境温度和湿度。我们对这些传感器的监测性能进行了评估，结果显示数据分布广泛，存在系统性高估；这种高估在 PM10 读数中更为明显。传感器显示出良好的一致性（R2>0.9，NRMSE<5%），并跟踪归一化残差以评估稳定性，尽管偶尔会受到环境影响，但总体上保持稳定。
对四种校准模型（MLR、SVR、RF、XGBoost）的横向比较表明，RF 和 XGBoost 的性能优于其他模型，尤其是 RF 在测试集上显示出更高的有效性。SHAP 分析将传感器读数确定为最关键的变量，强调了传感器读数在预测建模中的关键作用。相对湿度始终比露点和温度更重要，相对湿度越高，对模型输出的影响越大。这项研究表明，通过适当的校准，传感器可以对稀疏的监管级仪器网络进行补充，从而实现密集的街区级监测，并更好地了解空气质量的时间趋势。
该研究在我院郑丽娜教授指导下完成，中国矿业大学为唯一通讯单位。第一作者是我校安全科学与工程专业研究生冯子康，已发表SCI论文4篇，获授权发明专利4件。
论文链接：https://doi.org/10.1016/j.scitotenv.2024.174089
