综述：空气污染监测中的公众科学：方法论途径、有效性及其与健康研究的整合

《Current Environmental Health Reports》：Citizen Science in Air Pollution Monitoring: Methodological Approaches, Effectiveness, and Integration with Health Research

　　

综述目的：本综述批判性地审查了公众科学在空气污染监测中的作用及其与环境健康研究的整合。探讨了包括低成本传感器和社区共创在内的参与式方法如何能够增强空间分辨率、公众参与度和环境正义，同时评估了数据质量、健康相关性和可扩展性。
最新发现：最近的研究记录了公众科学空气质量监测网络在全球范围内的扩展部署。校准算法、可穿戴技术和参与式数据收集方法的进步加强了评估实时暴露的能力。几个项目展示了公众生成的空气质量数据在技术复杂性和政策相关性方面的增加。
总结：公众科学提供了关于空气质量和暴露的超局部见解，加强了风险沟通，并有助于健康影响评估。尽管在数据可靠性、代表性和政策采用方面仍存在挑战，但包括人工智能（AI）辅助校准和分布式传感器网络在内的新兴方法提供了有前景的前进道路。一个综合框架可以支持持续的社区参与和基于证据的行动以改善空气质量。

引言
空气污染是全球环境和公共卫生面临的严峻挑战。传统监管型空气质量监测依赖于稀疏的昂贵固定监测站网络，提供高度准确的数据但空间覆盖有限且分辨率粗糙。为解决这些空白，低成本传感器和参与式方法推动了空气质量监测中公众科学的兴起。公众科学涉及志愿者与科学家合作收集和分析空气污染数据。基层监测举措以远低于监管站点的成本极大地增加了空气质量观测的空间和时间密度。自下而上的公众科学补充了传统的自上而下监测，将本地知识纳入科学过程。本综述评估了当前公众科学方法的方法论、有效性和局限性，综合了包括低成本颗粒物（PM）和气体传感器、被动采样器、移动监测在内的全球项目发现。研究评估了公众生成的数据如何为理解人类暴露和健康影响做出贡献，并提出了一个连接公众科学监测与环境健康研究和政策的概念框架，指出了研究空白和未来方向。

空气质量监测的公众科学方法
现代公众科学项目主要利用低成本传感器测量PM_2.5、PM₁₀、NO₂和O₃等污染物。这些传感器集成在小型设备中，可部署在社区创建密集网络以捕获精细空间模式。移动监测让公民携带便携式传感器绘制日常路线污染图，例如“Snifferbike”项目捕获了微观变化和个人暴露。被动采样技术也因简单低成本被广泛使用，如用于NO₂或挥发性有机化合物的被动扩散管，它们无需电源但仅提供时间平均浓度。大规模被动采样活动生成了前所未有的高分辨率污染地图，为政府模型和健康影响评估提供了数据。公众参与程度从贡献型到共创模型不等，成功的项目通过建立反馈循环，分享结果并承认贡献者，增强了科学素养和社区倡导能力。

数据质量、校准与验证
对低成本传感器的常见批评是数据质量。低成本传感器由于传感器漂移、交叉敏感性和制造变异性具有固有偏差。研究人员投资了校准框架，如同址校准，将低成本传感器与官方监测器并置以推导校正因子。例如，美国环境保护署（EPA）为PurpleAir PM_2.5传感器开发了全国校正方程。动态校准和机器学习技术不断调整传感器数据，纳入环境条件以实时校正漂移。这对光学PM传感器至关重要，因为湿度会扭曲读数；电化学气体传感器则需频繁重新校准。统计数据融合将公众数据与模型数据结合进行偏差校正。数据验证涉及自动化系统标记异常值。被动采样器精度通常在参考测量的10-20%以内。由于传感器漂移，需定期重新校准或更换。数据质量实践现已成为公众科学的核心，涉及多学科努力以确保数据可信。

公众空气质量测量与监管监测的比较
公众科学和监管监测应互补。传统监测器高度准确但数量少。公民网络提供超局部洞察和密集覆盖。公民传感器方法在空间粒度上具有优势，能在短距离内揭示强烈污染梯度，并捕获瞬时污染事件。监管站点经过严格维护确保法律辩护能力，而志愿者网络通常无法保证。然而，低成本传感器仍能生成有用的数据为政策决策提供信息。混合方法应运而生：公民网络识别热点，参考仪器用于目标控制。公民数据可作为早期筛查工具，公众努力也受益于监管者的培训和技术指导。包容性监测范式正在涌现，政府、科学家和公民协作产生更完整的理解。

公众科学空气质量测量的优势与益处
公众科学具有多个优势。首先是超局部数据和新的见解，捕获街道级空间变化，识别污染热点，对环境正义具有相关性。其次是社区参与和赋权，增加环境意识和倡导能力。第三是弥合知识差距，在科学家、决策者和公众间创造包容性接口，提高信任。第四是快速且具成本效益的监测扩展，在无法建立监管站的地方实现覆盖，敏捷应对新兴挑战。第五是环境正义和包容性，提升代表性不足社区的声音，允许居民记录状况并倡导改变。

公众科学空气质量测量的挑战
公众科学存在局限性。首先是数据准确性和可靠性问题，低成本传感器具有较高误差和漂移，需频繁校准和健全的质量保证/质量控制（QA/QC）协议。第二是有限的污染物范围和灵敏度，大多集中在PM_2.5和NO₂等少数污染物，其他如超细颗粒物PM₁和PM_0.1、SO₂和空气毒物通常超出范围。第三是数据管理和分析挑战，海量数据需清理和高级空间建模，异构数据和缺乏标准化使聚合复杂化。第四是可持续性和可扩展性，项目多为短期，长期运行困难，扩大规模面临后勤障碍，需制度框架支持。

对暴露评估和健康研究的贡献
公众收集的数据对暴露科学和公共卫生研究具有重要意义。传统评估使用中心监测器可能误代表个人暴露。公众科学通过生成与实际经验相关尺度的数据填补空白。将微环境数据与时间-活动日记结合可构建更准确的暴露模型。公众网络提供空间解析暴露场，高分辨率污染图可链接健康数据集。例如，巴塞罗那xAire项目的健康影响评估（HIA）建议降低NO₂浓度可预防哮喘病例。公众科学在社区主导的健康调查中尤为宝贵，居民使用低成本传感器记录事件并与健康症状相关联。公民监测识别易感亚群和微环境，并通过风险沟通促进行为改变，当人们看到自己的数据时，风险更具体，可激发保护行为。在政策层面，公众数据用于提供精细暴露输入支持HIA和疾病负担研究。

将公众科学与环境健康联系起来的概念框架
概念框架说明了公众科学监测如何整合到环境健康研究和政策中。过程始于社区参与和共创，识别问题并设计策略。其次是数据收集，公民使用低成本传感器收集数据。然后是校准和验证，过滤错误确保数据稳健。接着是数据整合和分析，将校准数据与其他来源整合生成暴露场。暴露评估将环境数据与人联系起来。健康影响分析调查健康结果，包括流行病学研究和HIA。风险沟通和政策翻译将结果转化为可访问信息，催化政策响应。最后，反馈循环包括社区反馈（导致行为改变）和政策反馈（监测政策影响），强化公民监测价值并继续循环。

研究空白与未来方向
未来工作应通过技术创新和先进算法增强传感器性能，如新材料和人工智能（AI）校准。方法论上需研究网络最佳设计和移动与静态数据融合。健康方面应深化公众科学在流行病学中的整合，让公民跟踪健康结果，但需关注数据隐私。研究需解决如何长期维持和扩展倡议，通过机构扩大参与并确保数据互操作性。伦理问题需更多关注，包括数据隐私、管理参与者焦虑、确保公民努力补充而非替代政府责任，促进公平参与。最后，需将公众数据正式整合到决策和监管过程中，制定标准确保数据质量，弥合时间表和信任差距。

结论
本综述强调了公众科学在推进空气质量监测和环境健康研究方面的变革潜力。参与式方法、低成本传感技术和共创设计丰富了数据粒度并促进公众参与。公众数据补充监管监测，提供超局部见解。然而，方法异质性、传感器漂移和有限校准协议阻碍了可比性和可扩展性。研究强调需严格验证框架、混合网络设计和纵向数据集。未来应优先可扩展校准技术、参与式流行病学和AI分析，同时解决伦理和治理问题。公众科学是实现环境数据民主化的重要前沿，为整合到空气质量治理和公共卫生研究提供了基础。