使用背景站点测量数据对短期户外个体暴露数据进行归一化以提升长期代表性的方法评估

《Atmospheric Pollution Research》:An evaluation of methods for normalising short campaign outdoor personal exposure data to improve long-term representativeness using background site measurements

【字体: 大 中 小 】 时间:2026年07月23日 来源:Atmospheric Pollution Research 3.9

编辑推荐:

  使用便携式空气采样器是测量个体暴露并以高分辨率绘制空间分布的一种高效方法。然而,可用数据仅描述特定测量时段的情况,这主要归因于气象因素的影响。研究人员已经开展了数据归一化以减轻天气条件对空气污染物浓度的影响。然而,该技术主要应用于从固定空气监测站获得的长期数据

  
使用便携式空气采样器是测量个体暴露并以高分辨率绘制空间分布的一种高效方法。然而,可用数据仅描述特定测量时段的情况,这主要归因于气象因素的影响。研究人员已经开展了数据归一化以减轻天气条件对空气污染物浓度的影响。然而,该技术主要应用于从固定空气监测站获得的长期数据,并采用机器学习方法。本研究首次将简单的基于背景站点的归一化方法应用于短期步行个体暴露测量。研究人员利用来自伯明翰城市街区附近一个参考空气质量监测站的同步数据,评估了若干种归一化方法。这些方法应用于步行测量中获取的颗粒物数浓度(PNC)、颗粒物质量(PM1、PM2.5和PM10)以及黑碳(BC),旨在降低时间采样影响并提高短期移动测量相对于长期背景条件的代表性。结果表明,部分方法显著改变了原始数据,使其与长期背景条件具有可比性。对于某些污染物(PNC和BC),归一化后的浓度仍高于参考站点的年均值,这符合预期,因为步行路线沿途存在额外的局部源。这些发现表明,基于背景站点的归一化可用于评估个体暴露和污染物的空间分布,以反映特定时间点的状况。
**论文解读:基于背景站点归一化方法提升短期个体暴露数据长期代表性的评估研究**

**研究背景与目的**

空气污染是危害人类健康的主要环境风险因素,长期暴露于颗粒物(PM)与呼吸和心血管疾病密切相关,而超细颗粒(UFP)因其能向肝、脑、肾等器官转移而可能具有更大危害。评估个体暴露水平对于理解污染物-健康效应关联至关重要。固定空气质量监测站虽广泛用于暴露评估,但无法捕捉超本地尺度的空间变异。便携式监测器虽能提供高时空分辨率数据,但多数短期个体暴露研究仅描述测量时段内的变化,数据受气象条件、大气扩散和源活动的时间变异影响,难以直接代表长期暴露。目前,空气数据归一化多用于固定站点的长期数据(如利用机器学习去除气象影响),但针对短期移动监测数据的归一化方法尚无共识。本研究首次将基于背景站点的简单归一化方法应用于短期步行个体暴露测量,旨在通过同步参考站数据校正时间采样偏差,提升短期测量相对于长期背景条件的代表性,从而为个体暴露评估提供实用方法。该研究发表于《Atmospheric Pollution Research》。

**主要技术方法**

研究人员于2023年5月20日至6月26日在英国伯明翰大学附近一条约7 km的固定步行路线进行测量,采用便携式仪器(DiSCmini测量PNC,OPC-N3测量PM1、PM2.5、PM10,microAethalometer测量BC),并同步记录GPS坐标。测量覆盖工作日和周末的早晨、下午、傍晚三个时段,共获得PNC 33次、PM 41次、BC 10次有效行程。所有便携仪器在实验前后与伯明翰空气质量超级站(BAQS)的参考级仪器进行同址校准,并应用相对湿度校正。研究人员开发了四种基于BAQS背景站数据的校正因子(CF)计算方法:方法A(季节校正,CF = 测量期间参考站均值/年平均值);方法B(周-日校正,CF = 全年同星期几同小时均值/年平均值);方法C(测量期间逐时-日校正,CF = 测量期间同小时同日均值/年平均值);方法D(测量期间日内变化校正,CF = 测量期间同小时同日均值/测量期间同小时均值)。随后将CF应用于移动数据得到归一化浓度,并采用20 m空间分段进行空间分布分析。

**研究结果**

**3.1 非归一化浓度**:测量期间步行平均浓度为PNC 15,870 #/cm3,BC 1.65 μg/m3,PM1 3.9 μg/m3,PM2.5 8.4 μg/m3,PM10 15.2 μg/m3。步行浓度有时与背景站相当,但PNC和BC显示出显著短期波动,反映沿途局部排放源影响。PM1步行浓度普遍低于BAQS,可能源于仪器切割粒径差异(FIDAS从0.18 μm开始,OPC-N3从0.35 μm)。

**3.2 校正因子(CF)**:方法A的CF范围为1.1-1.6(PNC、PM1、PM2.5约1.3,PM10达1.6),表明测量期间BAQS浓度高于年均值。日变化分析显示,测量期间PNC、PM1、PM2.5、PM10在上午8点至下午2点浓度较高,而BC浓度与年均水平相近。粒子数粒径分布分析表明,测量期间新粒子形成(NPF)事件发生频率为30%,导致下午小粒子浓度显著升高。方法C的CF在某些天下午峰值达2.5,反映静稳天气造成的污染物累积。方法B和D的CF范围约0.5-1.5,且PNC和BC的CF波动大于PM。

**3.3 个体暴露归一化浓度**:方法A和C显著降低了PNC、PM2.5、PM10的原始浓度,使其最接近BAQS年均值,但PNC归一化后仍高于年均值,归因于步行路线沿途局部源贡献。方法A和C使PNC、PM1、PM2.5浓度降低21-26%,PM10降低38%;BC仅降低11%。方法B和D对原始浓度改变较小,方法B甚至使PM数据略有升高。方法A和C的归一化结果相似,表明方法C的额外时间敏感性未带来显著改进。方法B和D主要校正周内和日内变异,但未校正季节和气象差异。

**3.4 与年参考浓度的定量比较**:绝对偏差和相对偏差分析显示,方法A和C的偏差通常小于非归一化数据。PNC和BC的绝对偏差最小出现在方法A(PNC: 4.41×103 #/cm3,BC: 1.08 μg/m3),而区域影响较强的PM2.5和PM10最小偏差出现在方法C(PM2.5: 0.58 μg/m3,PM10: 0.44 μg/m3)。PNC和BC在所有方法中仍存在较大相对偏差,反映局部源影响的强不确定性。

**3.5 敏感性分析**:基于1000次Bootstrap重采样的95%置信区间(CI)宽度分析显示,方法A的CI宽度分布通常窄于非归一化和其他方法,PNC例外(方法C最窄)。BC和PNC的CI宽度大于PM污染物,表明局部源导致更高不确定性。

**3.6 步行数据与BAQS比值**:PNC比值(1.7-2.4)和BC比值(3-4.6)均大于1,表明局部源贡献显著;PM2.5和PM10比值接近1,表明区域源主导。方法A和C的比值与测量期间比值一致,被认为更可靠。

**3.7 空间分布图分析**:归一化(方法A)主要调整浓度量级,不改变空间分布模式。热点区域包括:PNC热点位于主要道路交叉口、餐厅区和加油站附近;PM2.5和PM10热点位于次要道路的建筑废物处置场附近;BC热点位于车辆维修服务中心附近。

**3.8 通用性、局限性与建议**:方法A和C在本研究中有效,可适应类似环境。局限性包括:PM测量残余不确定性(传感器响应、切割粒径差异);短期测量(约53小时)无法直接重建真实年暴露,而是降低时间采样偏差;依赖单一背景站(BAQS),假设其时间变异反映步行路线,但局部源强的污染物(BC、PNC)可能不满足;未考虑风向、交通流量、街谷效应等。方法A数据需求少,适用性广;方法C需高分辨率参考数据,但时间敏感性更强;方法B在异常时期可能不可靠;方法D不适合预测长期暴露。

**讨论与结论**:研究结论部分翻译如下:利用个人空气监测仪进行户外测量是评估个体暴露的有效手段,并允许高空间分辨率绘制污染物浓度分布。然而,短期测量受时间变异(主要源于气象因素)影响。虽然空气数据归一化已在固定站长期数据中应用,但本研究首次将简单基于背景站点的归一化方法应用于短期步行个体暴露测量。在伯明翰城市街区春季测量的PNC、PM(PM1、PM2.5、PM10)和BC中,非归一化浓度(尤其是PNC)在下午行程中极高,与NPF事件相关(约30%的天数发生)。方法A和C(包含两个时间区间——数据采集期间和全年期间——的校正因子)产生的浓度与长期背景条件一致性更好,降低了时间采样偏差,因此可视为成功的基于背景站点的归一化。简单的方法A对大多数目的足够有效,它远简单于机器学习技术,且易于执行,计算资源需求低,是一种结合监管和低成本测量数据的简单有效方法。空间分布图识别了热点:PNC热点在主要道路交叉口、超市和餐厅区;PM10和BC热点在建筑废物处置场和车辆维修中心附近。本研究以年均值为归一化参考,但也可根据不同研究问题采用其他时间基准(如季节均值、特定星期几均值),从而预测反映任何定义时间点的空间分布和个体暴露。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号