室内CO2空间异质性研究：传感器位置对巴西教育建筑中基于CO2的室内空气质量分类与人员存在检测的影响

《Building and Environment》：Investigating indoor CO 2 heterogeneity: The impact of sensor location on CO 2-based IAQ classification and presence detection in Brazilian educational buildings

　　

室内空气质量（Indoor Air Quality, IAQ）对于保障人员的健康、舒适度和认知表现至关重要。在各类IAQ指标中，二氧化碳（CO₂）常被用作通风充分性的替代指标，因为其浓度反映了人体排放与室外空气供给之间的平衡。低成本CO₂传感器的日益普及进一步推动了其在日常IAQ监测中的应用。然而，在实际建筑中获取可靠且具有代表性的测量数据仍具挑战性，因为同一房间内不同位置的CO₂浓度可能存在显著差异。因此，在利用CO₂推断通风性能或支撑相关建筑应用之前，理解其在室内环境中的时空分布至关重要。除作为通风充分性指标外，CO₂还广泛用作建筑运行与分析中的感知替代变量。由于人体呼吸是室内CO₂的主要来源，其时间演变提供了关于人员存在和活动水平的信息。研究人员在巴西两栋教育建筑中开展了多传感器测量，以表征室内CO₂浓度的空间异质性，并结合计算流体动力学（Computational Fluid Dynamics, CFD）模拟来解析CO₂的扩散过程。研究发现，传感器高度会影响通风不良教室中基于CO₂的IAQ分类结果。研究人员同时观察到了CO₂的垂直分层和反向分层现象。主动制冷促进了反向CO₂分层，并改变了传感器高度的影响效应。传感器位置对人员存在检测的显著影响在另一气候条件下得到了复现。

**论文解读：巴西教育建筑室内CO₂空间异质性及其对传感器部署策略的影响**

**研究背景与问题**

室内空气质量（Indoor Air Quality, IAQ）是保护建筑内人员健康、舒适度和认知表现的基础性要素。在众多IAQ指标中，二氧化碳（CO₂）因其浓度能够反映人体代谢排放与室外新鲜空气供给之间的动态平衡，被普遍用作衡量通风充分性的替代指标（proxy）。随着低成本非色散红外（Non-Dispersive Infrared, NDIR）CO₂传感器的广泛普及，基于CO₂的日常IAQ监测、按需控制通风（Demand-Controlled Ventilation, DCV）以及非侵入式人员存在检测等应用得到了快速发展。然而，一个根本性问题长期未得到充分解决：同一房间内不同空间位置的CO₂浓度可能存在显著差异，即存在空间异质性。这种异质性使得单点测量能否代表整个空间的真实状态成为疑问，直接影响到IAQ分类的准确性和数据驱动模型对人员存在状态的判断可靠性。此前，研究人员在德国一所自然通风学校建筑中的研究表明，CO₂基人员存在检测对传感器位置高度敏感，安装在较高位置的传感器能更好地捕捉由人体热羽流驱动的垂直CO₂梯度，从而获得检测优势。然而，这些发现尚未在气候特征、建筑特性和通风行为显著不同的建筑环境中得到验证。巴西教育建筑提供了一个理想的对比验证场景：温暖气候下更频繁的开窗操作、普遍依赖自然通风或间歇式通风、以及广泛使用无新风补充的分体式空调（split-type AC）再循环模式，这些都可能形成迥异的CO₂时空分布特征。

**研究内容与意义**

为填补上述研究空白，研究人员在巴西弗洛里亚诺波利斯市（Florianópolis，属于柯本气候分类Cfa型湿润亚热带气候，巴西 bioclimatic zone 3A）的两栋教育建筑中开展了系统的多传感器测量。两栋建筑分别记为Building L（联邦圣卡塔琳娜大学土木工程系LabEEE Living Lab，开放式办公室，面积153.14 m²，最大容纳36人，人均4.25 m²，仅采用自然通风）和Building S（一所公立小学的两间教室，Room 1面积45.17 m²，Room 2面积48.26 m²，配备分体式空调但仅以再循环模式运行、无室外新风供给，空气交换仅依赖可开启窗户的自然通风）。研究人员在房间内多个水平位置和垂直高度布设了Hobo MX CO₂ Logger（MX1102A型），同步记录了CO₂浓度、空气温度和相对湿度，并采集了人员 occupancy 信息（Building L由研究人员手动记录，Building S依据课程表和考勤记录）。研究围绕三个核心问题展开：传感器位置如何影响自然通风巴西教育建筑中基于CO₂的IAQ分类？在异质性CO₂条件下，数据驱动人员存在检测的性能对传感器部署位置的依赖程度有多强？先前在德国学校建筑中观察到的传感器位置效应在多大程度上适用于气候和建筑特征不同的巴西教育建筑？该研究的科学意义在于：(1) 首次在温暖气候、主动制冷干预条件下系统揭示了CO₂反向垂直分层（reverse vertical stratification）现象及其对传感器部署策略的影响；(2) 为不同通风模式下的传感器安装高度选择提供了基于实测证据的指导原则；(3) 验证了先前德国案例研究结论的边界条件，明确指出传感器高度优势并非普适规律，而是取决于空间内CO₂异质性的主导结构。

**主要技术方法**

本研究整合了四个互补的方法学组件。第一，在两栋巴西教育建筑中开展了多传感器现场测量，在Building L的A、B两处水平位置分别于0.8 m（Low）、1.5 m（Mid）、2.2 m（Top）三个高度安装传感器，C位置安装1.5 m和2.2 m高度传感器，测量时间为2025年5月15日至6月6日；在Building S每间教室的四面墙上各于低处（0.9 m/1.1 m）和高处（1.55 m/1.75 m/2.25 m）安装传感器，Room 1测量时间为2025年4月7日至11日，Room 2为4月12日至16日。第二，采用OpenFOAM v10进行瞬态计算流体动力学（Computational Fluid Dynamics, CFD）模拟，使用RNG k-ε湍流模型、P1辐射模型，基于网格收敛指数（Grid Convergence Index, GCI）来确保离散化误差低于5%，以连续空间场的方式解析CO₂扩散过程，并归因其驱动机制。Building L模拟仅考虑自然通风，采用基于Maas经验公式的压力驱动动态窗口边界条件；Building S Room 1额外模拟了分体式空调的室内空气再循环。第三，依据欧洲标准DIN EN 16798-1:2019（四类分级：Category I至IV，基于室内外CO₂差值ΔCO₂）和巴西标准ABNT NBR 16401-3:2008及NBR 17037:2023（二元分类：Acceptable ≤ 700 ppm，Unacceptable > 700 ppm），对每个传感器位置进行CO₂基IAQ分类。第四，训练数据驱动的二分类人员存在检测模型，包括基于堆叠集成架构的集成模型（stacking ensemble，组合了袋装支持向量机SVM、随机森林RF、袋装k近邻KNN、多层感知器MLP和直方图梯度提升HGB五种基学习器，以逻辑回归作为元学习器）以及长短期记忆网络（Long Short-Term Memory, LSTM）模型，系统比较了单传感器配置（仅用局部测量）和双传感器配置（引入垂直CO₂差值VD）在不同特征组合（仅CO₂特征、仅温湿度特征、两者结合）下的分类性能，采用Welch方差分析（Welch's ANOVA）和Games-Howell事后检验进行统计比较，效应量以偏eta方（partial η2）和Hedges' g量化。

**主要研究结果**

*室内CO₂空间分布*

Building L在低人员密度（人均4.25 m²）和持续开窗自然通风条件下，CO₂浓度总体维持在400–700 ppm的低水平，所有传感器位置记录到的浓度超过99%的时间低于700 ppm。然而，在 occupied 时段仍可观察到顶部传感器（2.2 m）与中、低层传感器之间的浓度差异，最大垂直差值不超过100 ppm，而中层（1.5 m）与低层（0.8 m）之间差异可忽略。Building S两间教室因较高的人员密度（Room 1人均1.67 m²，Room 2人均1.51 m²）和无新风的分体式空调运行模式，CO₂峰值浓度超过2200 ppm，垂直浓度差异更为突出，最大接近300 ppm。CFD模拟揭示了两种截然不同的垂直分层模式：一是传统的垂直分层（vertical stratification），即CO₂浓度随高度升高而增加，主要由人体热羽流驱动；二是反向垂直分层（reverse vertical stratification），即CO₂浓度随高度升高而降低，在模拟中当室外温度高于室内温度时出现（Building L阈值为室内外温差?0.4 K，Building S Room 1为+0.4 K）。此时进入室内的较暖室外空气上升，扰乱并取代了人体热羽流产生的向上CO₂梯度。Building S的反向分层更为普遍，在 occupied 时段中占比分别为Room 1约55%和Room 2约67%，而Building L仅为36%。CFD模拟与传感器实测的垂直CO₂差值在Building L的中位偏差约为8.4 ppm（RMSE 28.8 ppm），Building S约为67.7 ppm（RMSE 129.7 ppm），均在传感器测量不确定度范围内，验证了模拟的可靠性。

*对CO₂基IAQ分类的影响*

在Building L，所有8个传感器位置在DIN EN 16798-1标准下均100%归为Category I，在NBR标准下均100%归为Acceptable，传感器位置对分类结果无实际影响。在Building S Room 1，情况截然不同：顶部安装的传感器（Front Top 1.75 m和Back Top 1.55 m）在EN 16798-1 Category I的时间占比分别为约85%和85%，而同一水平位置的低处传感器（Front Low 1.1 m和Back Low 0.9 m）仅分别为71%和67%，降幅达14–18个百分点；Category II占比从顶部的7%几乎翻倍至低处的14%–17%，Category III从5%增至12%。在NBR标准下，顶部传感器的Acceptable占比为88%–90%，底部降至78%–81%，差异约8–10个百分点。水平位置（前墙vs后墙）之间的差异远小于垂直差异。值得注意的是，低处传感器反而记录了更高的CO₂浓度，这与Room 1中反向垂直分层占主导的观测一致。Room 2因增设壁挂风扇而促进了更均匀的混合，CO₂分布较为均一，顶部与底部传感器之间的差异不超过约13个百分点，EN 16798-1 Category I在各位置间集中在88%–91%的窄幅范围内，未呈现一致的方向性趋势。

*对数据驱动人员存在检测的影响*

Welch方差分析表明，在仅使用CO₂相关特征时，Building L的集成模型和LSTM模型在所有性能指标（准确度、F1分数、平衡准确度、ROC AUC）上均检测到传感器位置的显著效应（p < 0.001），效应量partial η2介于0.46–0.60，属于大效应。Building S Room 1的集成模型效应量为小到中等（η2 = 0.07–0.17），LSTM模型为中等（η2 = 0.10–0.50）；Room 2的整体效应量同样显著。在Building L中，顶部与低处传感器之间的垂直对比效应量（Hedges' g）中位数达1.7（大效应），顶部传感器表现显著优于低处传感器，这与德国学校建筑的先前发现一致。然而，在Building S Room 1中，顶部–低处对比的效应量中位数接近零，而在Room 2中效应量中位数为?1.3（低处传感器反而更优），推翻了高层传感器总是更优的简单假设。特征重要性分析揭示了因果关系：在Building L纯自然通风条件下，垂直CO₂差值（VD）是唯一超过1%重要性阈值的特征，顶部传感器通过有效捕捉 occupant 热羽流驱动的上升CO₂层贡献了显著信息；而在Building S，瞬时CO₂和温度读数是主要判别信号，VD特征的贡献可忽略不计。Building S中温度时间差分特征（FD1–FD3）呈现负置换重要性，表明由空调恒温控制诱导的短期温度波动不仅无助于反而略微降低了分类精度，这与德国学校研究中观察到的温湿度特征反而降低模型性能的现象形成呼应，但具体机制有所不同。双传感器配置分析显示：在Building L，利用两个高度层的CO₂读数的双传感器配置优于单传感器，VD的加入进一步提升了性能，支持了假设H4；在Building S，双传感器配置的增益有限，VD的价值大幅削弱。

**讨论与结论**

本研究的核心贡献在于揭示了CO₂空间异质性的主导结构——而非传感器高度本身——决定了传感器部署策略的有效性。反向垂直分层作为一个新颖的机制被识别出来，它在温暖气候中因主动制冷（分体式空调的再循环模式）加剧的室内外温差作用下更为普遍。在纯自然通风空间中，较高的传感器安装位置有利于人员存在检测，且IAQ分类受传感器高度影响可忽略；但在采用再循环式空调的高密度空间中，呼吸区高度（seated breathing zone）的传感器位置更为合适，因为频繁的反向分层使得低处位置更具 occupant 暴露代表性，且对人员检测至少同等有效。研究人员基于三个案例空间（同属一个地理区域）的证据提出了传感器部署建议，同时明确指出这些建议需要在更广泛的建筑类型、通风模式和气候条件下进一步验证。本研究的CO₂基IAQ分类仅反映通风充分性的替代指标，不能等同于全面的室内空气质量评估或 occupant 健康风险评估；人员存在检测模型的性能评估基于同一房间和监测时段内的数据划分，不直接代表跨季节、跨建筑部署的实际性能水平。未来研究可借助CFD模拟探讨水平方向的最优传感器布局，并开展多目标优化以兼顾安装约束、IAQ分类精度和 occupancy 检测性能。研究结论如下：室内CO₂空间异质性的程度和垂直结构在不同建筑和房间之间存在显著差异，由人员密度、通风模式和热分层普遍性共同驱动，直接决定了上述两种应用对传感器部署位置的敏感性。在Building L（自然通风、低人员密度、近室外CO₂水平），传感器位置对IAQ分类无实际影响；但在异质性显著的空间（如Building S教室），传感器位置成为IAQ分类的主导性因素。反向垂直分层现象在主动制冷的教室中更为普遍（占occupied时段的55%–67%，而Building L为36%）。顶部传感器的检测优势以及双传感器配置的价值在纯自然通风空间中得到确认，但在配备分体式空调的房间中不成立。因此，传感器部署指导必须因应目标空间的通风配置而定制：在低密度纯自然通风空间中，较高安装高度为优选；在高密度仅有再循环空调的温暖气候空间中，坐姿呼吸区高度更为适宜。