碳纳米材料增强的电化学传感器在城市更新和可持续建筑材料中的环境监测应用

《Microchemical Journal》：Carbon nanomaterial-enhanced electrochemical sensors for environmental monitoring in urban renewal and sustainable building materials

NEO-SENSE通过融合石墨烯纳米片、氮掺杂碳纳米管和碳气凝胶的三维电极结构，显著提升环境监测灵敏度与稳定性，结合无线传输和AI技术，实现可持续城市建设中的实时污染追踪与智能管理。

　　

Ming Lia|Xia Xua

江西财经大学信息管理与数学学院，中国南昌330013

摘要

背景

快速的城市化进程以及对可持续基础设施的需求，要求使用现代环境监测工具来确保城市重建项目中的空气、水和土壤质量。电化学传感器具有极高的灵敏度和实时检测能力，因此在这些应用中展现出巨大潜力。然而，传统传感器的导电性、灵敏度以及与可持续建筑材料的结合性较差。

问题陈述

传统电化学传感器无法以智能城市所需的准确性和耐用性检测微量环境污染物，如重金属、挥发性有机化合物（VOCs）和温室气体。此外，这些传感器未被集成到建筑材料中，从而限制了特定地点的环境监测。

提出的方法

NEO-SENSE（用于下一代可持续环境的纳米工程多功能传感器）是一种分层三维电极结构，结合了石墨烯纳米片、氮掺杂碳纳米管和碳气凝胶。这种传感器嵌入到环保建筑材料中，得益于其混合纳米结构的电子传输性能、催化活性和检测灵敏度。无线数据传输和人工智能驱动的异常检测功能使得NEO-SENSE能够实现实时的现场环境监测。

结果

实验表明，NEO-SENSE的灵敏度提高了15至60倍，能够检测到十亿分之一的浓度（ppb），并且具有出色的长期稳定性。在城市更新区域的实地应用证明了其污染追踪的准确性，并与环境质量指数有显著关联。

总结

NEO-SENSE通过将被动基础设施转变为主动的环境监测装置，推动了可持续的城市发展。该传感器在所有参数上均表现出优异性能：灵敏度达到60 μA/ppb，电荷传输电阻降至80 Ω，检测限低至2 ppb，反应时间20秒，稳定性92%，选择性1.8%，无线传输效率85%。

部分内容摘录

城市化与实时环境监测的必要性

本世纪城市化进程加速，科学家预计到2050年，全球近三分之二的人口将居住在城市[1]。快速城市化使得为人类、气候和长期发展提供清洁的空气、水和土壤变得更加困难[2]。传统环境监测网络在密度和动态响应方面表现出优势，但在精确度方面存在不足[3]。人口密集地区的微气候变化、工业活动增加以及汽车排放量上升等问题加剧了这一挑战。

文献综述：碳纳米材料的关键作用

本研究探讨了基于石墨烯的结构、碳点和金属有机框架作为新型环境监测和污染物分离材料的应用[19]。这些材料还可以与人工智能方法结合，用于预测建模和机器学习。借助人工智能，这些设备能够更有效地识别空气和水污染，并具有更高的灵敏度和选择性。此外，它们还应用于气体分离、实时传感和水净化等领域。

概念框架与设计理念

NEO-SENSE采用先进的环保纳米材料和建筑工艺，将原本被动的城市基础设施转变为能够自我诊断和干预的环境监测装置。它利用碳纳米颗粒的优异电学和催化性能，在复合材料中检测极微小的杂质[27]。该框架的主要目标是实现可扩展性、环保性以及

石墨烯纳米片和氮掺杂碳纳米管的制备

石墨烯纳米片通过改进的Hummers法制备，并加热至指定温度以提高其导电性。随后利用含有高浓度氨的碳源通过化学气相沉积法制备氮掺杂碳纳米管（N-CNTs）。氮的引入快速且均匀。氮杂原子活性位点的存在提升了催化效果和电子传输速度。

数据集描述

该数据集包含了NEO-SENSE及其他系统（如AI-NEMS、BioNES和AF-CHE）的电化学传感器测量结果。其中包含了无线数据传输效率、污染物浓度、响应时间、电荷传输阻力等信息，以及这些传感器在实验室和现场的实际表现[12]。通过这些数据，研究人员可以了解传感器的灵敏度、可靠性和在环境监测中的价值。

与传统电化学传感器的比较分析

NEO-SENSE具有更低的检测限、更快的响应时间和更高的选择性，在检测多种污染物方面优于传统电化学传感器。其分层纳米碳结构使其能够在各种环境中持续稳定工作，优于平面或单一纳米材料制成的传感器。传统传感器需要频繁校准，且只能在特定位置进行数据采集。

结论与未来展望

NEO-SENSE框架展示了如何通过纳米工程碳结构改善环境监测。分层三维电极结构（包含碳气凝胶、氮掺杂碳纳米管和石墨烯纳米片）在电化学应用中表现出色，使其能够在实际环境中长期稳定运行并实现极高精度的检测。这一创新有望推动更多类似技术的发展。

作者贡献声明

Ming Lia：撰写——审稿与编辑、初稿撰写、数据可视化、验证、软件开发、资源整合。Xia Xua：研究方法设计、实验实施、数据分析、概念构建。

资助情况

本研究得到了国家自然科学基金（项目编号：72361013）、江西省社会科学基金（项目编号：23YJ02）以及江西省教育厅人文社会科学科研项目（项目编号：GL22120、GL21121）的支持。

利益冲突声明

作者声明不存在可能影响本文研究的财务利益冲突或个人关系。