城市空气质量：稀疏传感器网络遗漏了什么？

《Environmental Science & Technology》：Air Quality in Cities: What Do Sparse Sensor Networks Miss?

　　

固定式空气质量监测网络正越来越多地被用于完善城市空气污染暴露评估并为地方政府决策提供信息，但迄今为止，尚缺乏对这些测量在何种程度上提供足够空间分辨率以在这些背景下产生有意义的见解所进行的综合评估。本研究通过将固定站点的测量与在250 m半径内大量周边位置的同步PM_2.5移动测量进行配对，表征了稀疏空气质量监测测量的空间代表性。数据采集在波士顿大都会区（美国马萨诸塞州）的三个对比区域于两个季节（2025年春季和夏季）进行。在典型条件下，所有站点和季节的固定站点与移动测量之间的平均差异为2.0 μg/m³（中位数：1.5 μg/m³，四分位距：0.6–2.8 μg/m³）；然而，某些动态事件产生的差异在相对值上超过300%，在差值上超过800 μg/m³。在10.4%的案例中（春季在某站点这一比例高达21.8%），测量值差异大到足以导致不同的空气质量指数（AQI）分类，表明局地尺度浓度差异可转化为面向公众的不同空气质量信息。欧氏距离本身无法解释这些差异。较高的相对湿度与较大的中心—移动测量差异相关（r = ?0.84），但鉴于采样天数有限，该关联应谨慎解读。观测到的两个极端事件（建筑物烟羽和附近怠速行驶的卡车）产生了急剧的局地污染尖峰，为量化短时源和街道峡谷效应对小空间尺度陡峭梯度的影响提供了机会。这一证据表明，虽然稀疏传感器网络可能足以在相对均匀的环境中表征短期空气污染暴露，但这种方法在复杂城市环境中可能不足。

题目：城市空气质量研究中的稀疏传感器网络空间代表性评估——基于波士顿大都会区高密度移动监测的实证分析

一、研究背景与问题提出

空气污染是全球重大健康风险因素，世界卫生组织将每年670万例过早死亡归因于空气污染。已有研究持续发现空气污染物暴露与呼吸系统疾病（包括哮喘、慢性阻塞性肺病和肺炎）之间存在密切关联，儿童和老年人面临的风险尤其突出。应对这一健康威胁既需要精确的暴露评估，也需要设计健康保护干预措施，而这两者的有效性都取决于对个体在其直接周边环境中所实际经历条件的准确理解。

然而，可用的空气质量数据在空间上往往十分稀疏。在美国，空气质量数据要么来自联邦监管网络（每州仅数十个站点），要么来自面向公众的新兴低成本空气质量传感器网络（如PurpleAir）。现有空气污染暴露文献中广泛使用这类固定监测网络来提供空气质量信息，通常对监测点的适用半径或插值/外推方法做出某种假设。但固定监测网络使用中一个持续存在的挑战在于：每个监测点的空间代表性范围存在不确定性。城市环境中的空气污染物浓度可能具有高度异质性，其变化取决于空间排放模式、气象条件（尤其是驱动化学反应和二次污染物形成的条件）以及周边土地利用。例如，研究表明，造成拥堵的交通信号灯以及商铺、餐厅和咖啡馆密集的行人区域往往充当局地热点，在其直接周边产生升高的污染峰值。这些因素使得城市环境日益复杂，凸显了评估基于固定监测网络的局地空气污染暴露估计中所引入不确定性的必要性——即更好地理解这些稀疏网络是否足以近似城市空气质量，或量化这些稀疏网络可能遗漏的内容。

已有研究证明，移动空气质量传感器能够更准确地识别局地污染热点并更好地表征个人暴露，污染物变异性可达到数十米尺度。通过聚合数天至数月内重复穿行的数据，移动监测可生成覆盖多个社区乃至整个城市的细粒度地图。近期移动监测研究同样表明，低成本PM_2.5传感器能够识别稀疏固定监测网络可能无法捕获的细尺度空间变异性。也有先前研究报告了传感器不确定性随平台速度增加而增大，而本研究的采样方法有助于在保持高空间分辨率的同时最小化速度相关不确定性。在密集城市环境中，先前研究估计固定监测点与小于1 km²范围内的长期平均条件相关；然而，长期平均值可能无法捕捉评估健康风险所需的相关信息。因此，在给定时刻，附近固定监测点在多大程度上反映行人在街区尺度上所经历的污染物条件，仍然不清楚。解决这一不确定性需要在限定局地半径内进行固定站点与附近移动测量的直接同步比较。

二、研究设计与技术方法

本研究在波士顿大都会区（马萨诸塞州，美国）选取三个对比鲜明的区域——基督教科学广场（CS）、波士顿市中心（DT）和麻省理工学院（MIT）校园东侧——于两个季节（2025年3月和6月）开展了系统性观测实验。研究区域的选择基于波士顿Walks研究（BostonWalks study）的GPS移动轨迹数据，通过Uber H3地理空间索引系统（分辨率8，单元平均面积0.73 km²）确定访问频率最高的候选单元，再根据城市形态多样性和现场操作安全性进行筛选。每个实验日中，在固定站点（“中心站”）持续记录空气质量数据的同时，3台移动监测设备在250 m半径范围内以25–60 m间距布设的密集采样点间移动（采样点经DBSCAN算法聚类后确定，平均最近邻距离为47–56 m），每点停留10 min以保证传感器达到稳定状态（丢弃前8 min数据，取最后2 min平均值）。中心站和移动设备均使用PurpleAir Classic传感器测量PM_2.5（光散射法，采样周期1 s），Kestrel DROP 320测量温度和相对湿度，Wintact WT8907风速仪记录风速风向。所有PurpleAir传感器在实验前经实验室交叉校准，采用线性回归关系校正传感器间偏差。PM_2.5差异和相对差异分别按公式计算，空气质量指数（AQIPM）依据美国环保署（EPA）断点方法从交叉校准浓度推导。统计分析采用Spearman秩相关、Kruskal–Wallis检验、两样本t检验和普通最小二乘（OLS）回归。

三、主要研究结果

3.1 空间异质性

研究人员通过三个站点两个季节的密集移动监测，在250 m半径范围内揭示了显著的PM_2.5浓度空间异质性。以DT站点春季为例，87个移动监测点中有19个（21.8%）记录的空气质量指数（AQIPM）类别与中心站不同，中心站与周围点的平均浓度差达6.1 μg/m³。各站点差异程度显著不同：CS春季仅10.4%的移动点AQI类别不同，但平均差异达16.1 μg/m³（归因于一次异常锅炉点火事件）；MIT春季最为均匀，AQI类别差异率仅3.5%，平均浓度差1.4 μg/m³，但各点相对中心站变化范围仍达?85.9%至+162.8%。基于观测表格的城市形态因素（街道布局、行人密度、交通密度、树木覆盖率）分析未发现显著关联，GIS派生形态协变量的补充回归分析同样无法解释大部分方差。

3.2 局地污染事件

研究期间记录到两个高度局地化的污染事件。第一个事件于2025年3月19日上午在CS区域发生，为相邻建筑锅炉点火故障产生的可见烟羽，持续约10 min（09:50–10:00），影响持续至约10:40。事件期间中心站PM_2.5峰值接近800 μg/m³，达到“危险”AQI级别，而移动传感器未记录到同等强度的尖峰。第二个事件于2025年3月20日在DT区域发生，一辆送货车在中心站旁怠速停靠（09:55–10:05），中心站PM_2.5上升至400 μg/m³，超过野火事件期间的典型读数，同样进入“危险”级别，而相距不到一个街区的移动传感器未受显著影响。这两个事件表明，短时局地排放源可在不到一个街区的距离内产生数百μg/m³的浓度梯度。

3.3 暴露评估意义

基于移动操作员轨迹的代理暴露分析显示，中心站距离（欧氏距离）不能解释观测到的浓度差异（图4b）。两季节数据采集活动之间存在显著差异：低温（<14 °C）与高温（>14 °C）活动的差异值存在显著差异（两样本t检验，t = 2.25，p = 0.025）。湿度分析显示出一致趋势：较高湿度与中心—移动监测间的更大差异相关（10%间隔分箱后r = ?0.84）。各站点间比较显示，MIT平均差异最小（1.34 μg/m³，IQR：0.45–1.81），其次为CS（1.8 μg/m³，IQR：0.52–2.39）和DT（2.8 μg/m³，IQR：0.89–3.58）。所有站点和季节合并后，平均差异为2.0 μg/m³（IQR：0.6–2.8 μg/m³，基于观测值低95百分位以排除极端事件）。

3.4 未来工作建议

正式回归分析（支持信息S3节，表S3）发现相对湿度是中心—移动差异的唯一显著预测因子，距离、树木覆盖率和温度均非显著预测因子，模型仅解释了观测方差的较小部分（调整后R² = 0.16）。这表明无法为固定空气质量监测点定义一个普遍适用的“有效代表半径”。研究人员建议在形态复杂的城市区域标识更高的不确定性，尽可能以移动采样补充固定数据，在高峰值方差走廊或高风险天气条件下优先开展移动监测活动，以改进暴露模型或指导新固定监测点的选址。

四、讨论与结论

本研究表明，在相对均匀的环境中，固定监测点可以作为短期瞬时暴露评估的合理代理，但在复杂城市环境中则需要补充移动采样并谨慎解读。仅基于固定监测点的暴露评估可能在变异性最高且人口密度意味着受影响个体数量更大的环境中，低估或高估短期行人暴露。全部区域和季节合并分析中，固定监测点与附近移动测量在AQIPM类别上不一致的比例为10.4%，最大差异达800 μg/m³。值得注意的是，在EPA PM_2.5断点9 μg/m³附近，传感器交叉校准模型的95%预测区间对应约±1.5–2.0 μg/m³的不确定性，因此部分靠近监管阈值的AQI类别差异可能反映测量不确定性而非暴露的真实差异，而较大差异可能代表空气质量的真实空间变异性。AQI类别差异应结合浓度差异谨慎解读，因为基于阈值的分类系统可能在观测值接近监管断点时放大较小浓度差异的感知意义。

论文发表于《Environmental Science》期刊，研究结论指出：虽然稀疏传感器网络在相对均匀的环境中足以表征短期空气污染暴露，但在复杂城市环境中可能不足。捕获到的两个极端事件进一步说明，城市污染源可产生距监测点不到一个街区即不可见的“危险”级别条件，尤其是货运车辆怠速这类可能在相同位置频繁重复发生的事件，对附近居民和工作者具有显著健康影响。考虑到个体流动性——人们持续穿行于单个监测点无法捕获的微环境中——暴露表征的难度进一步增加。由于更密集的传感器网络在经济上仍难以承受，研究人员可通过量化代表性和不确定性、标记形态复杂研究区域为更高不确定区域、以及在可行时以移动采样补充固定数据来改进暴露评估。未来研究应扩展至更广泛的气候带、天气条件和城市背景，整合气象变量与交通传感器于密集固定网络中，并将框架扩展至室内空气质量测量，以更全面地理解人体暴露——因为个体大部分时间在室内度过，而室内污染物水平受通风、建筑材料和居住者活动影响。