低造价光学细颗粒物传感器在高湿度环境下精度的提升：基于美国环保署化学组分监测网络数据的气溶胶液态水估算

本研究报告介绍了由Yuhang Guo, Alexandra Catena, Margaret J. Schwab, Amanda Teora, Oliver V. Rattigan, Violet Harder, Yasaman Hassanzadeh, James J. Schwab以及通讯作者Jie Zhang*（隶属于纽约州立大学奥尔巴尼分校大气科学研究中心以及纽约州环境保护部）共同完成的一项原创性研究。该研究成果已发表于*ACS ES&T Air*期刊，在线发表日期为2026年1月12日。

研究背景

本研究隶属于环境科学与大气监测技术交叉领域，核心在于解决低造价光学细颗粒物（PM2.5）传感器在实际应用中的一个关键挑战。随着空气污染精细化监测需求的增长，低造价光学传感器因其成本低廉、易于部署、可提供高时空分辨率数据等优势，被广泛用于社区暴露评估、野火烟雾追踪、交通排放监测等场景。这些传感器主要基于米氏散射原理，通过测量颗粒物对光的散射来估算质量浓度。然而，其测量精度严重依赖颗粒物的光学特性，包括粒径分布、复折射率等。

高环境相对湿度是高精度测量的主要干扰因素之一。与使用干燥采样法的美国环保署标准参考方法不同，光学传感器直接测量环境湿度下的颗粒物。在高湿度条件下，吸湿性颗粒物会通过吸收水分而发生潮解增长，导致其粒径增大、复折射率和密度降低，从而显著改变其光散射行为，使传感器读数偏高。虽然传统上采用经验公式或机器学习算法进行湿度校正，但这些方法存在地域和季节普适性差的局限。其根本原因在于，湿度引起的偏差与气溶胶液态水的含量直接相关，而气溶胶液态水的含量又强烈依赖于气溶胶的化学组分、环境湿度和温度。在某些极端湿润条件下，气溶胶液态水的质量甚至可以超过干气溶胶质量的两到三倍。因此，定量分离气溶胶液态水是提高传感器在高湿度条件下测量准确性的关键。

然而，精确估算气溶胶液态水通常需要高时间分辨率的气溶胶化学组分数据，这些数据依赖于昂贵且维护复杂的仪器，难以在广泛的低造价传感器网络中应用。为解决这一矛盾，本研究旨在开发一个新颖、实用且可行的校正框架，核心思路是利用美国环保署化学组分监测网络这一广泛可用但时间分辨率较低（通常每3或6天一次）的数据集，来估算气溶胶液态水，从而对低造价光学PM2.5传感器在高湿度条件下的测量结果进行机理上的校正。研究的目标是：1）建立一个结合光学校准和气溶胶液态水分离的两步校正流程；2）利用实际监测数据验证校正框架的有效性；3）为没有化学组分监测网络数据的地区提供应用此框架的实践指导。

详细研究流程

本研究采用了严谨的现场观测与模型计算相结合的方法，详细工作流程可分为以下步骤：

1. 研究平台与数据来源： 研究基于奥尔巴尼空气质量学校监测网络。该网络在纽约州首府区五所K-12学校部署了Quantaq Modulair传感器包进行室内外空气污染物监测。本研究的分析聚焦于其中一个位于奥尔巴尼市区的室外站点，该站点距离美国环保署/纽约州环境保护局的奥尔巴尼县卫生部门PM2.5监测站仅约140米。该参考站点使用Teledyne T640监测仪（符合联邦等效方法标准）提供连续的PM2.5参考测量数据，同时也提供化学组分监测网络数据。Quantaq Modulair传感器包集成了用于测量PM1的浊度计（基于Plantower PMS5003传感器）和用于测量PM1-2.5的光学粒子计数器（基于Alphasense OPC-N2传感器），并内置了温湿度传感器。为确保分析数据的一致性并避免因冬季数据缺失等因素带来的偏差，本研究将分析时段限定在2024年8月15日至10月30日。这一时期涵盖了传感器不间断测量以及与13个化学组分监测网络采样日重叠的数据。

2. 化学组分数据与质量增长因子计算： 研究利用化学组分监测网络提供的PM2.5组分质量浓度数据，包括硝酸盐、硫酸盐、铵盐和有机碳。通过应用有机质/有机碳比值（本研究默认使用1.6），将有机碳转化为有机质质量。这些数据用于确定各组分的干质量分数。由于化学组分监测网络数据是离散的（每6天一次），为获得连续时间序列，研究采用了“谷值到谷值”插值法。即假设在两个相邻的PM2.5质量浓度谷值之间，气溶胶来源和化学处理过程相似，因此具有可比的组分质量分数。将化学组分监测网络测量日的质量分数扩展到整个谷值间期，从而生成了每小时组分数据集。

基于确定的组分质量分数，并假设归一化的PM2.5质量浓度为1 μg m⁻³作为计算基准，研究计算了质量增长因子。质量增长因子定义为气溶胶吸湿增长后（包含气溶胶液态水）的总质量与原始干颗粒物质量浓度的比值。研究设定了60%的相对湿度作为区分“低湿”和“高湿”条件的阈值。当相对湿度低于60%时，认为气溶胶液态水含量可忽略，质量增长因子为1。当相对湿度高于或等于60%时，通过热力学平衡模型ISORROPIA II计算无机组分相关的气溶胶液态水，同时利用经验公式估算有机组分相关的气溶胶液态水。其中，有机颗粒物的吸湿性参数k_org初始值设为0.12。通过气溶胶液态水和已知的干组分密度，可以进一步计算吸湿增长后的环境气溶胶密度。

3. 两步校正流程： 整个校正流程包含两个核心步骤：光学校准和气溶胶液态水分离。 * 第一步：光学粒子计数器的光学校准。 光学粒子计数器通过检测单个粒子的散射光并将其归入预设的粒径通道来估算质量。其出厂校准基于单分散聚苯乙烯乳胶球。在实际大气中，颗粒物的密度和光学性质不同，导致质量估算偏差。本研究定义了一个光学校准因子f_opc，它等于参考质量浓度与光学传感器报告值的比值。通过理论分析发现，在研究的粒径范围内，环境气溶胶与校准颗粒的“散射-粒径关系”差异不大，因此可以合理假设光学粒子计数器推断的粒径接近真实环境粒径。在此假设下，f_opc简化为环境气溶胶密度与传感器出厂计算所用的恒定颗粒密度（1.65 g cm⁻³）的比值。利用前一步计算得到的环境气溶胶密度，可以求出f_opc，进而对光学粒子计数器报告的PM1-2.5原始质量浓度进行校准。 * 第二步：浊度计的光学校准。 浊度计通过测量固定角度的总散射光强来估算PM1质量。先前的研究表明，对于来源相似的气溶胶，其在低湿度条件下（相对湿度<60%）的散射特性相对稳定。因此，可以通过拟合低湿度条件下参考仪器PM1数据（由参考PM2.5数据减去校准后的光学粒子计数器PM1-2.5数据得到）与浊度计读数之间的关系，得到一个校准因子f_nep和截距b。研究表明，气溶胶的含水状态对浊度计检测到的相对散射强度影响很小，因此这个在低湿度条件下确定的f_nep可以应用于整个湿度范围。通过这个因子和截距，可以对浊度计报告的PM1原始质量浓度进行校准。经过此步骤校准后的浊度计数据，在高湿度条件下代表的是“干颗粒物等效质量与气溶胶液态水”的总和。 * 第三步：气溶胶液态水分离与干等效质量获取。 将光学校准后的光学粒子计数器数据（m_opc-cal）和浊度计数据（m_nep-cal）分别除以对应的质量增长因子，即可得到干等效的PM1-2.5和PM1质量浓度。两者相加即为校正后的最终PM2.5干等效质量浓度（PM2.5,dry-equ）。而光学校准后的总质量与干等效质量之差，即为分离出的气溶胶液态水质量浓度。

主要研究结果

1. 观测偏差的识别： 时间序列图清晰显示，在相对湿度较高（特别是超过80%）的条件下，Modulair传感器报告的PM2.5浓度显著高于参考的Teledyne T640数据。平均而言，在高湿条件下，参考数据仅为传感器读数的60%，而在低湿条件下，这一比例为82%。这直观地证实了高湿度对低造价光学传感器准确性的严重影响。
2. 光学校准因子的变化： 对于光学粒子计数器，计算出的校准因子f_opc普遍低于0.9，在高湿条件下可低至约0.7。这主要是因为吸湿增长后气溶胶的环境密度低于传感器出厂校准所用的恒定密度。对于浊度计，通过低湿数据拟合得到的校准因子f_nep为0.82，截距为0.71 μg m⁻³。该因子成功应用于所有数据点，完成了浊度计读数的光学校准。
3. 校正效果的验证： 经过完整的两步校正流程后，得到的干等效PM2.5质量浓度与参考的环保署监测数据表现出高度一致性。两者之间的回归斜率达到1.02，决定性系数高，且在不同湿度水平下数据点均紧密分布在1:1线附近。这强有力地验证了本研究提出的校正框架的鲁棒性和有效性。
4. 气溶胶液态水的定量贡献： 研究成功分离并量化了气溶胶液态水的质量浓度。结果显示，气溶胶液态水对总PM2.5质量的贡献随湿度升高而显著增加：在相对湿度70-80%时贡献约30%，在80-90%时约40%，在超过90%时达到或超过50%。在一次野火烟雾影响事件期间，气溶胶液态水浓度甚至超过了10 μg m⁻³，凸显了在湿润且受烟雾影响条件下气溶胶液态水的巨大贡献。
5. 不确定性分析与敏感性测试： 研究承认并评估了方法中的主要不确定性来源，包括有机质/有机碳比值、有机组分吸湿性参数k_org和有机气溶胶密度的取值。敏感性测试表明，即使这些参数在合理范围内变动，校正后数据与参考数据间的回归斜率变化最大约为10%（当k_org设为0时）。这表明校正结果对参数选择并不极端敏感，支持了使用默认参数集在不同季节和地区应用的可行性。

结论与价值

本研究成功开发并验证了一个基于机理的、实用的校正框架，能够显著提高低造价光学PM2.5传感器在高湿度环境下的测量准确性。该框架的创新之处在于，巧妙地利用广泛可得但时间分辨率较低的美国环保署化学组分监测网络数据，结合米氏散射理论，实现了对传感器光学性能变异和气溶胶液态水的定量分离。其科学价值在于，不仅提供了一种提升低造价传感器数据质量的可靠方法，还通过分离气溶胶液态水，为研究大气中水相气溶胶化学、二次气溶胶形成机制以及云凝结核活性提供了宝贵的数据洞察。其应用价值巨大，有助于扩展低造价传感器网络在潮湿气候区的可靠应用，填补传统监测网络的空间覆盖空白，服务于更精准的空气质量管理、公众健康预警和科学研究。

研究亮点

1. 方法论创新： 提出了一个结合“光学校准”与“气溶胶液态水分离”的两步校正框架，从物理机理上解决高湿度干扰问题，而非依赖缺乏普适性的经验公式。
2. 数据利用的创新： 开创性地将低频次、广分布的化学组分监测网络数据，通过合理的插值和外推假设，应用于需要高时间分辨率校正的低造价传感器数据中，打通了不同时空尺度监测数据之间的壁垒，极具实用性和可推广性。
3. 系统的验证与不确定性评估： 研究在与参考站点严格共址的条件下进行，校正结果与标准方法数据高度吻合，并系统进行了敏感性测试，明确了方法的稳健性和局限性。
4. 提供了普适性指导方案： 针对没有本地化学组分监测网络数据的地区，研究提出了基于“源类型-区域特征”的替代方案。通过构建一个包含不同气溶胶源类型（如野火期、城市本地源）及其特征参数（平均化学组分、校准因子等）的查询表，可将本方法推广到具有相似源特征和地理环境的其他区域。

其他有价值内容

研究在讨论部分进一步展望，建议未来研究应利用更多与标准监测站共址的低造价传感器长期数据，建立一个更全面的、针对不同气溶胶源类型和季节条件的参数查询数据库。这将极大地促进该校正方法的标准化和自动化应用。此外，研究分离得到的气溶胶液态水数据本身，就是研究大气水相化学过程的宝贵资料，其潜在科学价值超出了传感器校正本身。