基于传感器的大气PM2.5 高密度网格化监测技术及应用研究

刘保献,王莉华,张 章,王 欣,郝吉明,王书肖

1.清华大学环境学院,北京 100084

2.北京市生态环境监测中心,北京 100048

据WHO 统计报告,室外大气污染造成全球约370 万人死亡[1],世界上约90%的人口生活在大气污染水平高于世界卫生组织规定限值的地区[2],全球都在努力解决这个问题[3],其中,PM2.5是需要重点关注的大气污染物[4]。 同时,PM2.5对能见度、直接和间接辐射强迫、气候和生态系统等方面也有重要影响,通过对太阳辐射的吸收和散射、作为云凝结核而影响全球气候[5-7]。

针对PM2.5的监测,传统的自动监测方法主要有β 射线方法及振荡天平方法,这些方法所使用的设备一般都比较昂贵且需要一定的基础条件支撑才能运转,点位布设数量有限,在提供精细的污染物空间分布或识别污染热点等方面存在不足[8]。 尽管污染物扩散模型可以解决这个问题,但其准确性非常有限[9-10]。 传感器、数字电子、无线通信以及大数据等技术的逐渐成熟,使基于传感器技术的监测新模式成为环境空气质量监测的重要成员[11-14],用于弥补传统监测的不足。

为更好地开展基于传感器的大气PM2.5高密度网格化监测工作,本研究将PM Sensor、low-costsensor、PM2.5传感器、网格化监测等作为检索关键词,查阅了近20 年国内外科学文献、企业产品技术资料、政府或研究机构发布的研究报告或技术指南等,从传感器类PM2.5设备研发相关的原理、影响因素、性能指标,大气PM2.5高密度网格化监测技术发展相关的标准规范、质控校准,以及项目建设与应用情况等方面进行了国内外资料调研及总结。

1 传感器类PM2.5 监测原理及设备

1.1 传感器类PM 2.5 监测原理

目前商业上可用的大气PM2.5传感器大多基于光散射原理,主要包括红外和激光2 种类型[15-18]。 从结构上讲,大气PM2.5传感器主要由发光二极管(通常是红外或红色激光)、光电晶体管和聚焦透镜3 个部件组成[19-20];一般使用风扇、泵或对流加热器将颗粒物引入测量腔,也有一些传感器使用空气扩散的原理开展监测。 采用光散射原理开展大气PM2.5的监测研究已经进行了几十年[21],大气颗粒物对光的散射落在瑞利、米、几何光学散射区,其中PM2.5对光的散射主要落在米散射区。 虽然米散射光强与粒子粒径的函数关系较为复杂,但对于给定的光波长,单个粒子的散射光强度基本与粒子大小成正比[22]。

其中,基于红外原理的PM2.5传感器通常采用浊度法,即测量粒子群的总散射光强度,不考虑单个粒子的散射。 常用的散射光信号检测方法是低脉冲占用法或前向散射法,光路中无颗粒物时光电晶体管输出一个高电压;当光路中有颗粒物时,由于散射作用使光强减弱,输出低电压调制脉冲,低脉冲占用或散射光强与粒子质量浓度成正比[23-25]。 研究表明,红外传感器测量颗粒物只能知道其相对质量浓度,同时不能区分颗粒物的粒径,性能较差,不能满足当前专业化监测的需求[26]。 但因其价格非常便宜,也常用在民用方面,用作一定场景下的参考。

基于激光散射法原理的PM2.5传感器又叫激光粒子计数器,与红外PM2.5传感器区别在于可以检测单个粒子[27],检测信号可以大致区分颗粒物粒径,同时获取大气颗粒物粒径与粒子数信息。与较为昂贵的传统光学粒径谱仪一样,通过测量单个粒子散射光的强度,并将信号分配到一个粒径段或使用跨多个粒径段的概率分布来完成测量[28]。 光学颗粒物粒径谱仪技术已经非常成熟,研究和应用了几十年[27],其结果的准确度相对较高。 近年来,随着技术的不断进步,基于激光粒子计数器技术的设备逐步做到小型化,同时成本大幅降低,每台传感器的成本约几千人民币,且由于监测精准度也相对较高,是目前大气PM2.5高密度网格化监测体系中应用非常广泛的方法。

1.2 传感器类PM 2.5 设备主流产品

随着近些年市场需求变化及传感器技术的快速进步与发展,用于监测环境空气颗粒物的低成本传感器种类日益繁多,主流厂家也随之不断更新。 虽然有数百家公司提供商用的PM2.5传感器设备,但许多公司使用相同的传感器或内部组件,核心传感器使用较多的有Plantower PMS 系列(浊度计)和Alphasense OPC- n 系列等[29-30]。 本文对国内外近10 年具有代表性的PM2.5传感器进行了归纳,以2015 年为时间节点,分别将2015年前后的国内外典型传感器厂家、型号、原理、粒度范围、价格成本、与参考方法相比准确度等关键参数进行梳理(表1)。

表1 国内外典型PM 2.5 传感器列表Table 1 List of typical PM 2.5 sensors at home and abroad

1.3 传感器类PM 2.5 监测影响因素

任何影响颗粒物光学特性的环境条件以及与光学特性相关的颗粒物性质都可能影响传感器的检测结果。 环境条件包括相对湿度、温度等,其中相对湿度影响最大。 当相对湿度超过75%时,可使颗粒物浓度高估数十倍[27,43-47];温度影响相对较小,常温下的影响可忽略[48-50]。 颗粒物性质包括颗粒物成分、粒径分布、形态与吸湿性等,可使颗粒物浓度测量偏差达到数倍[48,51-54]。 此外,传感器本身的状态(如使用时长)也会对检测结果产生数倍的影响[26,43,52,55-57]。

1.3.1 环境因素

相对湿度是PM2.5传感器检测结果最重要的影响因素,而绝大多数PM2.5传感器没有设计任何除湿装置,这是PM2.5传感器测量误差的主要来源。 原因是如果一个粒子具有吸湿性,那么它在相对湿度较高的情况下会吸湿增长,散射更多的光,进而可能导致质量浓度的高估[58]。 此外,这种水分吸收可以改变颗粒物的折射率和密度,使修正变得更加复杂,相对湿度带来的误差对颗粒物的亲水性非常敏感,误差甚至可以达到200%[27]。 多数研究表明,当相对湿度超过颗粒物的潮解点(通常在75%左右)时,PM2.5传感器开始受到显著影响,对浓度的高估可能达到数倍至数十倍[43-44];秦孝良[45]的研究表明,湿度越高,传感器设备与标准设备差异越大;MAGI 等[46]的研究表明,Plantower PMS 5003 在相对湿度为65%～70% 时,就可能产生50% 左右的误差;JAYARATNE 等[47]的研究表明,即使在相对湿度为50%时,Sharp GP2Y 和Shinyei PPD42NS 传感器也会表现出测量偏差。

此外,针对温度的研究也较多,大多数研究都表明温度对PM2.5传感器的影响很小[48-50],温度效应通常可以被忽略。 也有研究认为温度效应不可忽略,如MAGI 等[46]的研究表明,虽然温度对PM2.5传感器的影响小于相对湿度,但高温(35 ℃左右)时的均方根误差仍较低温(0 ℃左右)时高45%左右。

1.3.2 颗粒物性质

颗粒物性质包括成分、密度、光学性质以及粒径等,其中成分决定了颗粒物的密度与光学性质。不考虑其他因素时,密度越大颗粒物质量越大。LIU 等[48]的研究表明,亚甲基蓝、荧光素钠和氯化钠3 种颗粒物中,折射率最高的氯化钠颗粒物得到的PM2.5传感器响应最低。 不同粒径颗粒物可以产生不同强度的散射光,大多数PM2.5传感器对颗粒物的粒径分布非常敏感;一些成本略高的PM2.5传感器可以提供3 ～6 个粒径段的浓度数据[51-52]。 LIU 等[48]的实验室内研究表明,受散射原理与光源波长影响,当测试颗粒物粒径为亚微米级时,随着颗粒物粒径增加,传感器响应增加;当测试颗粒物粒径达到2.5 μm 以上时,随着颗粒物粒径增加,传感器响应降低。 KOSMOPOULOS等[53]对PurpleAir 传感器的实际大气环境研究表明,受到不同粒径组成的污染来源影响(如沙尘影响)时,传感器对PM2.5的浓度检测会产生很大偏差。 此外,由于不同传感器的光源、光路以及气路设计不同,不同传感器对同一颗粒物源的响应差异可达到50%[54],对相同质量浓度但不同组成的颗粒物的响应差别可达2 ～3 倍[48]。

1.3.3 影响因素

传感器的使用时长也可能影响它们的性能[55-56]。 随着使用时长的增加,传感器会逐渐老化,老化主要包括传感器内光室与气路等位置的颗粒物沉积以及风扇等元器件的老化或损坏[57]。使用环境对传感器的使用寿命影响较大,环境中的颗粒物浓度越高,颗粒物沉积越明显;温度以及相对湿度越高,对元器件的锈蚀等作用越大。TRYNER 等[52]的研究表明,将传感器在实验室中暴露于高浓度颗粒物(PM2.5与PM 质量浓度分别为133、604 mg/m3)仅18 h 后,传感器开始报错。部分研究认为传感器在实际大气环境中使用寿命为一年左右,如DEVITO 等[55]的研究表明,对于具有现场校准的大规模传感器监测网络,在对传感器信号进行长期稳定性研究基础上,可以将传感器设备连续运行一年左右。

1.4 传感器类PM 2.5 设备性能与指标

环境监测数据的精准度很大程度上依赖于监测设备的精准度,特别是自动监测方法,而大气PM2.5高密度网格化监测体系的数据质量则主要取决于传感器的性能。 为评价大气PM2.5传感器的性能,国内外研究人员通过研究提出了一系列评价方法与指标。

1.4.1 评价方法

评价大气PM2.5传感器有2 种主流的方法:一是与标准监测设备对比;二是实验室内评价。美国环保局(USEPA)将这2 种方法分别称为基础测试和加强测试[58]。 基础测试,是将PM2.5传感器设备与联邦参考方法(FRM)或联邦等效方法(FEM)监测设备安装于同一站点,同时进行采样监测;USEPA 规定,至少同时部署3 个传感器,测试周期不少于30 d,数据有效率不低于75%,且至少有一天质量浓度超过25 μg/m3。 加强测试是在实验舱内,控制温度和相对湿度,将PM2.5传感器暴露在已知浓度的颗粒物环境中评价其性能,USEPA 规定收集至少20 对时间匹配的传感器和FRM/FEM 数据点或连续3 h 的稳定数据。

因为可以通过公开发布的环境监测数据对传感器设备进行基础测试,所以基础测试通常成本较低、容易开展。 而加强测试对实验舱要求较高,通常测试成本较高、较难开展。 目前国际上已有一些实验室提供免费或付费的传感器加强测试,比较有代表性的实验室有美国加州南海岸空气质量管理区空气质量传感器性能评估中心(AQSPEC)[59-60]、USEPA Air Sensor Toolbox[29]以及欧洲EuNetAir[61]。

1.4.2 主要性能指标

评价传感器性能的核心指标主要有准确度和精密度2 类。 表征准确度的指标主要有与FRM或FEM 监测方法比对测试的相关系数(r)、斜率、截距、均方根误差(RMSE)以及归一化均方根误差(NRMSE)。 表征精密度的指标主要有标准偏差(SD)和变异系数(CV)。 需要注意的是,一些指标(如均方根误差)可能会受到高浓度事件(比如突发污染过程)影响而使指标偏高,可以考虑使用归一化均方根误差等指标为主[58]。 USEPA于2021 年对以上指标的测试、计算方法以及评价标准进行了规定[58],我国生态环境保护部门于2017 年12 月发布了《大气PM2.5网格化监测技术要求与检测方法技术指南(试行)》等4 项技术指南[62],也对大气PM2.5网格化监测体系的检测技术、方法和指标进行了规定。 两者对比,USEPA规定的指标范围整体较我国宽泛,但指标类型较我国全面(表2)。

表2 USEPA 与我国PM 2.5 传感器主要性能指标规定Table 2 EPA and China's PM 2.5 sensor main performance indicators regulation

1.4.3 指标

评价传感器整体性能的指标还有数据有效率、漂移、时间分辨率及噪声等。 由于传感器设备小型化,受数据传输方式、安装位置通信信号强度等影响,数据有效率通常明显低于传统方法。USEPA 规定传感器设备的数据有效率不应低于75%。 PM2.5传感器的漂移通常被认为是由传感器内电子元件的退化或传感器内的灰尘积累造成的[63],USEPA 规定对传感器进行至少60 d 的漂移测试[58],我国技术指南规定传感器类PM2.5设备的质量浓度动态计算系统更新频率不低于每月一次[62]。 大多数传感器数据以1 h 或更快的时间分辨率使用,因此建议测试中使用1 h 的时间分辨率对传感器进行评价[29]。 由于传感器数据获取的时间分辨率越高,数据噪声越大,为降低数据噪声、提高时间分辨率,通常采用滑动平均的方法。 W IKTORSKI 等[64]研究表明,对于原始数据分辨率为15 s 的传感器,采用5 m in 的时间分辨率,可以获得较低的数据噪声,同时也能保证较高的分辨率。

2 大气PM2.5 高密度网格化监测技术发展

2.1 国内外指导性文件或标准体系

美国与欧洲均较早开展大气PM2.5传感器的研究。 美国较早开展环境空气质量监测气体传感器研究的政府机构主要是南海岸空气质量管理区(SCAQMD)与USEPA。 SCAQMD 于2014 年创立了空气质量传感器性能评估中心(AQ-SPEC),专门从事传感器性能测试工作,并将所有测试数据公开发布。 USEPA 开展了传感器设备的性能评价和有效使用传感器的最佳操作等测试,并在其官方网站建立“Air Sensor Toolbox for Citizen Scientists”专题。 欧洲的英国、意大利、西班牙、法国等国家均早在2010 前后就发表了相关的研究成果,研究内容涵盖了传感器基本性能、测试条件与方案以及应用等众多方面。

美国、欧盟以及我国均发布了关于大气传感器使用的指南。 USEPA 于2014 年6 月发布了《Air Sensor Guidebook》[65](以下简称“USEPA 指南”);2021 年2 月发布了针对PM2.5传感器的《Performance Testing Protocols,Metrics,and Target Values for Fine Particulate Matter Air Sensors》[58](以下简称“USEPA 手册”)。 欧盟于2013 年发布了《Protocol of Evaluation and Calibration of Low-Cost Gas Sensors for the Monitoring of Air Pollution》[66](下文简称“欧盟草案”)。 我国于2017 年12 月发布了《大气PM2.5网格化监测技术要求与检测方法技术指南(试行)》等4 项技术指南[62]。

2.1.1 USEPA 指南及手册

USEPA 指南对大气传感器监测背景、选择传感器时需关注的内容、如何采集有效的传感器数据、传感器应用场景指南、传感器设备维护以及需考虑的技术指标等内容进行了详细描述。 USEPA建议选择传感器设备时需考虑的技术指标有目标污染物、检测范围与检测限、准确度与精密度、校准情况、响应时间、设备结构的质量与耐用性、封装、易用性、价格、数据传输等。 采集有效传感器数据方面,提供了5 个步骤的简要建议:提出问题、建立方法、确定安装位置、采集数据以及分析、解释与交流结果。 传感器设备维护需重点考虑的内容包括校准、清洁、过滤器等耗材的更换、传感器的更换、注意数据的异常变化等。 传感器应用方面,对不同应用场景所需要的监测物种、传感器性能要求进行了规定。

USEPA 为解决传感器数据质量参差不齐的问题,提高数据可靠性,研究测试了不同PM2.5传感器的主要性能指标情况,并于2021 年2 月发布了PM2.5传感器性能指标测试手册。 手册的主要内容有PM2.5传感器测试环境与测试流程、主要性能指标及推荐的性能指标范围几个方面。

2.1.2 欧盟草案

欧盟草案要求识别传感器、制造商和供应商、型号、测试板、电源、数据采集和处理以及相关信息。 规定的测试内容主要包括建立风洞、测试响应时间、短期与长期漂移、显著干扰的识别以及确定校准模型的实验方案设计几个方面。 测试内容的要求非常详细、精确,例如建立校准模型前,要求进行3 个温度点(平均使用温度,平均使用温度±10 ℃)、3 个湿度点(平均相对湿度,平均相对湿度±20%)条件下2 个浓度点(零点,使用环境的平均浓度)的预校准,从而得到评价传感器数据与参考设备数据间的差异以及实验室测量的不确定度等信息。

2.1.3 我国技术指南

我国生态环境保护部门于2017 年12 月发布的《大气PM2.5网格化监测技术要求与检测方法技术指南(试行)》等4 项技术指南对大气PM2.5网格化监测系统全流程的关键技术进行了规范与指导,包括点位布设、监测技术要求和检测方法、质保质控与运行、安装和验收4 个方面。 此外,部分省市生态环境部门也发布了地方标准,如河北省与山西省分别于2017 年和2020 年发布了网格化监测相关技术指南[67-70]。

2.2 网格化监测网络校准体系

2.2.1 校准体系研究进展

由于PM2.5传感器的检测结果易受到环境、颗粒物性质等影响,为提高传感器以及整个网格化监测网络的数据可靠性,需要对单个传感器或整个监测网络进行校准。 文献提供的证据表明,检测结果影响因素多数是可修正的,通过校准使低成本的大气PM2.5传感器达到符合应用的数据是可能的[71]。 对PM2.5传感器的校准分为实验室校准与现场校准[72-74],研究人员们对校准相关问题进行了大量研究,在一些问题上仍有不同结论[75-78]。

现有的研究结论大多支持实验室校准与现场校准两者都需要进行,而实际大气环境比实验室模拟环境更为复杂,在进行实验室校准后,仍需要对传感器进行现场校准。 普遍认为在实验室条件之外,PM2.5传感器对气象和条件的响应会显著提高检测限。 例如,KELLY 等[79]对Plantower PMS1003/3003 传感器的检测结果显示,其实验室检测限为1 ～3.22 μg/m3,而在实际大气环境中检测限提高至10.5 μg/m3。

校准因子方面,对传感器检测结果有影响的因素都可以列为校准因子[80-85]。 其中环境条件包括相对湿度、温度、露点等;颗粒物性质方面主要体现在大气颗粒物组成随时间的变化;传感器的衰减主要通过传感器使用时长以及使用环境来实现校准。

校准模型方面,对PM2.5传感器的校准模型,从简单到复杂,主要有线性/多项式拟合、统计方法以及机器学习。 线性/多项式拟合最容易实现,但难以同时考虑多种影响因素,通常只能掩盖多种影响因素的复杂作用[86-87]。 统计方法的应用需要更高的统计、数学和计算能力,贝叶斯优化已成为实现这一目标的常用方法[88-89],比机器学习算法更透明。 机器学习是最为复杂的校准拟合算法,许多研究已将神经网络[90]以及随机森林等[44]应用于传感器校准。 通常认为校准模型从简单到复杂,其校准效果逐渐改善,但也有研究得出不同结论,如线性拟合校准相对湿度的效果与非线性拟合一样甚至更好[91],机器学习算法不一定比简单和完全透明的校准方法更好[90]等。

校准持续时长以及校准间隔方面,研究表明传感器与标准监测设备比对校准时间越长,相关性系数越大,误差越小[79]。 校准最好能覆盖一个完整年,包含整个环境气象条件与颗粒物浓度范围,为减少工作量,使操作更可行,可以定期(如季节性)开展校准活动。 例如城市背景或路边,每年至少在每个季节分别进行为期一周的校准,这种定期校准使传感器的平均绝对误差降低了50%[92]。

2.2.2 典型项目的校准体系

国内外研究人员对校准体系开展了积极尝试,并在实际项目应用中取得了较好效果。 秦孝良[45]在济南市的大气颗粒物网格化监测项目中,以济南市9 个环境空气自动监测标准站的数据为标准,结合固定传感器网络与移动传感器平台的数据,设计两步校准模型,使传感器与标准监测设备相关性系数从0.89 提升至0.98。 王春迎等[93]对当前基于大数据分析的大气网格化监测质控技术开展研究,为解决传感器应用过程中零点漂移、温度和湿度漂移、时间漂移等问题,利用大数据技术、基因算法开发了智能数据修正模型,从标物校准、驯化校准、自适应校准到传递校准等质控技术开展了一系列实验。

3 大气PM2.5 高密度的网格化监测应用

基于传感器监测设备的大气PM2.5高密度网格化监测项目,因其成本低、安装灵活优势,可以获得传统固定空气质量监测站点无法获得的高时空分辨率、复杂地势、高空等数据,支撑了多种目的的应用。

3.1 国内外应用进展

近年来,国内外对PM2.5传感器的研究应用几乎呈指数增长,从2012 年前后开始,中国、美国、英国、欧洲等均先后开展PM2.5传感器的应用项目[20],并逐渐形成大气PM2.5高密度的网格化监测体系。 从项目规模看,监测点位数量从几个逐渐增长至上千个。 从项目资金来源看,主要分为政府型和商业型,其中商业型资助的项目占比有增加趋势,说明空气质量监测目的从单一的政府机构监管逐渐向多维数据的综合利用转变。 从项目应用产出情况看,主要应用于空气质量监测、人体健康暴露评估、污染源识别与管控以及空气质量预报预测等领域[75-76,94-99]。

3.2 典型网格化监测项目

空气质量监测与人体健康暴露评价方面,一些项目精准监测了目标人群的PM2.5暴露情况,证明基于传感器的空气质量监测技术在补充现有空气质量监测网络方面有效可行。 SUN 等[100]将PM2.5等多项污染物传感器部署在2015 年中国香港马拉松比赛中,形成马拉松路线空气质量监测网络,每小时向公众发布路线的空气质量健康指数。 PARK 等[96]在首尔九老区利用24 个传感器设备监测并计算全体人口暴露浓度与暴露量等,得到研究区域内31%的人口生活在超过韩国大气环境标准24 h 平均浓度标准的环境中。

污染源识别与管控方面,已有研究证明PM2.5传感器监测网对热点区域与潜在污染源的识别能起到重要作用。 GAO 等[75]将7 台低成本华盛顿大学颗粒(PUWP)传感器安装在城市高污染物浓度环境中进行监测,研究结果表明,PUWP传感器能够有效识别潜在的PM2.5热点区域。USEPA 在田纳西州孟菲斯地区开展的由17 个传感器组成的PM2.5高密度网格化监测项目[76],发现道格拉斯站点的PM2.5浓度相对更高,利用该站点时间分辨率为1 min 的传感器与气象数据,研究该站点PM2.5的潜在污染来源,分析得到该站点约20%的PM2.5来自当地。

空气质量预报预测方面,CASTELL 等[97]及SCHNEIDER 等[98]利用数据融合技术,将PM2.5网格化监测数据与三维欧拉/拉格朗日弥散模型(EPISODE)提供的城市和区域尺度的大气污染物空气质量预测数据相结合,对不同区域的PM2.5浓度水平、空间分布及演变趋势进行预测预报。

部分项目在城市大气PM2.5的精细化管控中成功应用了PM2.5传感器。 北京市自2015 年大规模部署PM2.5高密度传感器监测网络[18],是应用较早且效果显著的大规模案例;项目构建了北京市“市-区-街道乡镇”三级管理体系,压实了环境管理的“最后一公里”;通过PM2.5高密度监测数据与气象、卫星遥感以及多元环境统计数据的融合同化,开展污染精准溯源,支撑散乱污企业的管控和环境精准执法。 生态环境部于2018 年启动“千里眼计划”,在京津冀及周边城市筛选3 600 个3 km×3 km 网格作为热点网格进行重点监管。 中国台湾环保主管部门在台湾布设了740个PM2.5传感器设备,获得高时空分辨率的PM2.5分布,通过可视化的应用系统以实时地图方式对外发布空气质量[101]。

4 结束语

在过去的十年中,通过基础研究,对传感器基本性能、影响因素等有了较为全面的认识,发现传感器类PM2.5设备易受湿度、温度、颗粒物组成等影响,需要建立包含指标、测试方法与测试环境等在内的性能评价体系以及本地化的质控校准方法,才能有效保障业务化应用过程中的数据质量。 在标准规范方面,我国、美国与欧盟均较早开展环境空气质量监测气体传感器的研究,发布了相关技术指南与手册,有效指导了基于传感器的大气PM2.5高密度网格化监测体系建设与应用。

基于传感器的PM2.5监测已经逐步应用于空气质量监测、污染源识别、人体健康暴露评估等领域,部分应用项目快速发展到基于物联网技术、上千个点位的高密度监测体系,支撑大气污染精细化治理成效显著。 研究发现,虽然PM2.5传感器较标准方法性能还有一定差距,但具有低成本、便携灵活等优点,在一定程度上可以弥补传统监测的不足。 由于精细化环境管理的需求推动,我国的大气PM2.5高密度网格化监测,无论是设备研发、建设规模还是应用技术等方面都走在世界前列。

未来,数据更准确、体积更小、功耗更低仍将是PM2.5传感器的发展方向。 数据准确性方面,需继续完善传感器硬件的性能与一致性,优化针对检测影响因素的硬件设计与校准算法,进一步规范应用过程中的操作等。 体积与功耗方面,需逐渐解决安装需要固定设施以及无法依靠电池或太阳能长期运行等问题。 将以更加便捷的安装方式与运行模式,更加准确的数据输出,实现更加高密度的监测点位布设,对环境空气以及污染源等更加精准监测,支撑新型环境管理模式。