利用低成本传感器测量数据及多种建模方法，研究多层住宅中烹饪排放产生的颗粒物的传输情况

《Indoor Environments》：Investigating transport of particulate matter from cooking emissions in a multi-story house using low-cost sensor measurements and different modeling approaches

PM2.5烹饪源传输研究：多模型验证与暴露评估

　　在当今社会，空气质量已经成为影响人类健康的重要因素之一。特别是在室内环境中，由于建筑结构的封闭性增加以及人类活动的多样化，空气污染物的来源和传播方式变得更加复杂。本研究旨在深入探讨烹饪活动所产生的细颗粒物（PM2.5）在多层住宅中的传播规律，并评估这些污染物对居住者暴露的影响。通过使用多种建模方法，研究人员希望找到一种能够有效预测室内PM2.5浓度分布的模型，从而为改善室内空气质量提供科学依据。

研究团队在一所多层测试房屋中部署了13个PM2.5监测设备，其中包括厨房和空气炸锅等室内源的直接测量，以及在没有室内活动期间观察到的室外PM2.5渗透情况。这些监测设备提供了高分辨率的数据，使得研究人员能够精确捕捉PM2.5浓度随时间的变化情况。同时，团队还采用了三种不同的建模方法：多箱模型、经验模型和NIST开发的CONTAM多区域模型。这些模型不仅帮助研究人员理解PM2.5的传播路径，还为评估不同室内活动对PM2.5暴露的影响提供了工具。

研究发现，在没有室内源的情况下，大约有10%的室外PM2.5浓度会渗透到室内，且存在约1小时的时间滞后。在烹饪过程中，无论是使用平底锅还是空气炸锅，厨房内的PM2.5浓度都会显著上升，但不同区域的浓度峰值和时间滞后有所不同。例如，一楼的卧室在烹饪后观察到最长的时间滞后，而二楼的浴室和楼梯间则表现出更长的传播时间。这些结果表明，室内PM2.5的传播不仅受到物理距离的影响，还与空气流动模式和建筑结构密切相关。

此外，研究还发现，厨房和餐厅区域的PM2.5浓度最高，尽管这些区域仅占居住时间的9%，但其对总暴露的贡献却高达44%。这表明，尽管厨房的PM2.5浓度高，但其他区域如卧室虽然浓度较低，但因居住时间长，仍然对总暴露有重要影响。因此，了解不同区域的PM2.5浓度变化，有助于制定更有效的空气质量改善措施。

在建模方面，团队采用了不同的方法来分析PM2.5的传播情况。多箱模型虽然能够提供各区域的平均浓度，但由于假设各区域浓度均匀，未能准确反映实际的浓度变化。经验模型则通过实际测量数据建立回归关系，能够更好地预测特定区域的浓度，但需要在多个地点进行同步测量，这在实际应用中可能较为困难。CONTAM模型则利用详细的建筑参数和通风数据，提供了更为精确的模拟结果，但由于需要复杂的建模和调整，其应用门槛较高。

研究还指出，低成本PM传感器虽然在室内空气质量监测中具有广泛的应用前景，但其数据质量可能受到环境条件的影响，例如相对湿度和粒子特性。因此，在使用这些传感器进行数据采集时，需要对其测量结果进行校准，以确保数据的准确性。研究团队通过实验室校准实验，将PurpleAir传感器的测量值与实验室级设备进行了对比，并调整了相关参数以提高数据的可靠性。

研究的局限性也值得注意。由于测试房屋的设计目标是提高能源效率，其空气交换率（ACR）较低，这可能影响PM2.5的传播和分布。此外，实验过程中HVAC系统持续运行，这与大多数住宅的实际情况不同，导致室内混合程度较高。研究还发现，低成本传感器在检测超细颗粒物（<100纳米）方面存在一定的局限性，这可能影响对某些污染物的识别和分析。最后，研究没有考虑天气因素（如风速和室内外温差）对PM2.5传播的影响，这可能是未来研究的一个方向。

综上所述，这项研究不仅揭示了烹饪活动对室内PM2.5浓度的影响，还为室内空气质量建模提供了新的思路和方法。通过比较不同的建模方法，研究人员能够更全面地理解PM2.5在室内环境中的传播机制，并为改善室内空气质量提供科学依据。这些发现对于制定有效的室内空气质量管理策略具有重要意义，特别是在当前建筑日益封闭、能源效率提升的背景下。未来的研究可以进一步探讨不同建筑结构和通风条件下PM2.5的传播规律，以及如何通过技术手段优化室内空气质量。