低成本PM2.5监测器在真实环境中的性能评估：基于部署前后校准对比的环境影响因素解析

针对低成本传感器(LCS)在复杂环境中准确性不足的问题，研究人员通过对比19台Plantower PMS 3003传感器在11户家庭部署前后的校准数据，系统评估了湿度、温度、暴露时长和PM2.5浓度对监测性能的影响。研究发现湿度(p=0.0197)和部署时长(p=0.0178)显著改变校准斜率，而平均暴露浓度(p=0.0040)主要影响截距，为优化LCS校准模型提供了重要依据。

　　

随着城市化进程加速，室内空气质量引发的健康风险日益凸显，其中细颗粒物(PM_2.5)的监测至关重要。然而传统监测设备价格昂贵且操作复杂，低成本传感器(LCS)虽提供了替代方案，但其在真实环境中的可靠性始终存疑。尤其当面对温湿度波动、长期暴露等复杂条件时，这些设备的读数准确性往往大打折扣——就像给近视患者配了一副会随温度变形的眼镜，测量结果令人难以完全信赖。

为破解这一难题，来自美国犹他大学（University of Utah）的研究团队开展了一项创新研究。他们让19台Plantower PMS 3003传感器"入住"盐湖县11个参与"绿色健康家居计划"的家庭，通过对比部署前后与TSI DustTrak气溶胶监测仪的校准数据，首次系统揭示了真实环境因素对LCS性能的影响规律。这项发表在《Science of The Total Environment》的研究证实，环境因素会像"隐形调音师"般悄然改变传感器的测量特性——当湿度升高1%，校准曲线斜率就会发生显著偏移(p=0.0197)；而长期暴露则像"记忆损耗"般让传感器逐渐"忘记"初始校准状态(p=0.0178)。

研究采用多阶段技术路线：首先在实验室用TSI DustTrak建立基线校准；随后进行为期数月的居民区实地部署；最终通过线性回归和Lasso回归分析环境参数与校准变化的关系。特别关注温度、湿度、PM_2.5暴露浓度和部署时长四大关键因素，所有数据均来自盐湖县特定队列的连续监测。

【描述性分析揭示环境特征】
监测数据显示环境参数呈现典型家庭特征：平均温度多分布在30-35°C，湿度呈现双峰分布(10-20%和30-40%)，而峰值湿度可达70-80%。PM_2.5暴露浓度呈右偏分布，反映多数家庭处于较低污染水平但存在短期高峰值。

【湿度与时间是校准偏移主因】
回归分析发现湿度每增加1%，校准斜率变化幅度达0.12(p=0.0197)，这源于水分子对光散射信号的干扰。部署时长超过200小时后，传感器出现显著性能衰减(p=0.0178)，提示颗粒物沉积可能改变了光学路径。

【暴露浓度主导截距漂移】
平均PM_2.5暴露浓度与校准截距变化强相关(p=0.0040)，高浓度环境可能导致传感器敏感元件饱和。但温度变化的影响未达显著水平，说明电子元件温漂补偿效果良好。

讨论部分指出，这项研究首次量化了真实环境中多因素对LCS的复合影响。与传统认知不同，温度反而不是主要干扰项，而湿度与时间因素的协同效应值得关注。作者提出的环境校正因子模型，可减少60%的重复校准需求，这对大规模环境监测网络建设具有重要实践价值。

结论强调，未来LCS校准必须采用"环境自适应"策略，特别是针对高湿地区和长期监测场景。该研究不仅为优化传感器设计提供了靶点，更开创了"先评估后校正"的新型质控流程，使得低成本传感器有望真正担纲环境健康研究的"主力军"。正如研究者所言："理解环境如何改变传感器，我们就能让传感器更准确地反映环境。"