Contaminación por partículas

Las partículas de materia son un contaminante ambiental ubicuo que se ha vinculado a

una serie de problemas de salud. Basándose en datos modelizados, la Organización
Mundial de la Salud estima que el 92% de las personas están expuestas a
concentraciones de PM2,5 que superan la media anual recomendada por la OMS de 10
μg/m3 . Además de los impactos en la salud, la contaminación por PM puede perjudicar la
visibilidad, dañan el medio ambiente y causan daños materiales . Las normas nacionales
de calidad del aire ambiente se establecen para proteger la salud pública y el medio
ambiente.

El cumplimiento de los NAAQS se determina por sitios estacionarios de monitoreo del aire
ambiente utilizando instrumentación operada como el Método de Referencia Federal de la
Agencia de Protección Ambiental de los Estados Unidos o Método Federal Equivalente .

Contaminación por partículas

Las PM están reguladas por la Ley de Protección Ambiental de los Estados Unidos bajo la
Ley de Aire Limpio . Las normas nacionales de calidad del aire ambiente se establecen
para proteger la salud pública y el medio ambiente. El cumplimiento de los NAAQS se
determina por sitios estacionarios de monitoreo del aire ambiente utilizando
instrumentación operada como el Método de Referencia Federal de la Agencia de
Protección Ambiental de los Estados Unidos o Método Federal Equivalente . Redes de
estaciones de vigilancia están típicamente diseñados para monitorear los contaminantes
del aire a nivel regional para determinar el logro de los NAAQS a escala regional.

Los avances tecnológicos han iniciado un cambio de paradigma en la la forma en que los
datos de calidad del aire se miden y se comparten con el público. Este cambio ha ha sido
impulsado por la aparición de sensores de «bajo costo» para medir tanto de gas y
partículas contaminantes. Numerosos modelos de sensores con precios que van desde
150 a 3000 dólares están disponibles para el público con algunos proveedores que
ofrecen acceso abierto a los datos y visualización . Estos sensores de bajo costo pueden
proporcionar información sobre los contaminantes en tiempo real o casi real con una
mayor resolución espacial, con el potencial de complementar y ampliar las capacidades
de las redes de vigilancia del aire ambiente existentes y proporcionar mediciones
significativas a nivel local.

Mientras que la utilidad de estas mediciones depende del rendimiento del sensor en un
entorno específico, los sensores con baja variabilidad intramodal podrían desplegarse
espacialmente en una comunidad para complementar las mediciones existentes de grado
de regulación y obtener mediciones hiperlocales que podrían apoyar estrategias de
reducción de emisiones como las que se diseñarán para el Proyecto de Ley de la
Asamblea de California 617. Muchos sensores de bajo costo se venden al público con un
mínimo de pruebas, recomendaciones de mantenimiento y procedimientos operativos
estándar. Hasta la fecha, ha habido ha sido un número limitado de estudios sistemáticos
que utilizan un protocolo establecido para caracterizar el rendimiento de los sensores de
PM en condiciones ambientales en las que es probable que los usuarios finales
desplieguen estos sensores . Algunos ejemplos de citas de comercialización de sensores
evaluados en este documento incluyen «El más avanzado sensor de calidad del
aire», «Sistema de vigilancia de la calidad del aire interior/exterior de grado profesional y
alta precisión», «Comprar el mejor monitor de contaminación del aire» y «Probado por
AQ-SPEC».

Estudios publicados anteriormente han evaluado el desempeño de varios sensores PM de

bajo costo bajo condiciones ambientales que también son evaluadas en este
periódico. Hasta donde sabemos, estos incluyen el Rayo Aéreo, Alphasense OPC-
N2 , PurpleAir, y Foobot para la calidad del aire interior. Esto representa una pequeña
fracción del PM sensores actualmente disponibles para los consumidores y con muchas
de las evaluaciones realizadas para evaluar la idoneidad para el propósito de un sensor
para un proyecto o despliegue específico.

Mientras que este trabajo se centra en los productos de usuario final disponibles
comercialmente, otros investigadores han evaluado el rendimiento de la Original

Sensores PM del fabricante de equipos que incluyen a Plantower, Shinyei, y los sensores

OEM de Nova Fitness . En la bibliografía se puede consultar un examen exhaustivo de la
tecnología, las aplicaciones y los resultados de los sensores de bajo costo y un examen
exhaustivo de la métrica del rendimiento de los sensores de aire y se han publicado los
objetivos .
La caracterización del rendimiento reducirá al mínimo la confusión, en particular cuando
los sensores de bajo costo comuniquen información que entre en conflicto con los datos
generados por la instrumentación de grado de referencia operada por la los distritos
locales de control de la contaminación del aire . La calidad del aire de la costa sur.
metodologia
Despliegue de campo

Los métodos utilizados para evaluar los sensores de bajo costo en el campo se describen
en detalle en el Protocolo de Pruebas de Campo AQ-SPEC . Brevemente, los sensores de
calidad del aire de bajo costo se evalúan bajo condiciones para un despliegue de campo
de 8 semanas en un AMS totalmente instrumentado.
Los sensores comercializados se prueban típicamente como productos de venta al público
y de entrega inmediata sin modificación o calibración previa .

Durante las evaluaciones de campo, los sensores fueron revisados aproximadamente una

vez por

B. Feenstra, et al.
Las evaluaciones de los sensores tuvieron lugar en la Costa Sur AQMD

La estación de monitoreo es un lugar en el interior que está a favor del viento de Los
Ángeles.

La autopista al sitio es la Ruta 60 del Estado de California , ubicada

0,8 km al norte/noreste del sitio. Las PM2.5 ambientales en esta área están

principalmente compuestas por aerosoles inorgánicos secundarios que representan entre
el 49 y el 68% del total de la masa de PM2.5 dependiendo de la estación.
La Estación de Monitoreo Aéreo de Riverside-Rubidoux como parte de la evaluaciones en
curso de los sensores AQ-SPEC.
Las evaluaciones de los sensores tuvieron lugar en la Costa Sur AQMD

La estación de monitoreo es un lugar en el interior que está a favor del viento de Los
Ángeles.

La autopista al sitio es la Ruta 60 del Estado de California , ubicada

0,8 km al norte/noreste del sitio. Las PM2.5 ambientales en esta área están

principalmente compuestas por aerosoles inorgánicos secundarios que representan entre
el 49 y el 68% del total de la masa de PM2.5 dependiendo de la estación. .
Las mediciones gravimétricas de la masa del filtro integrado FRM 24-h no capturar la alta
resolución temporal de los sensores de bajo costo. Un BAM proporciona un promedio de 1
hora de concentraciones de PM2.
Principio de funcionamiento de los sensores de partículas

Los 12 sensores PM2.5 evaluados en este documento se clasifican como sensores

ópticos con respecto a su principio de funcionamiento. Óptico
Los aerosoles fluyen a través de un haz enfocado de luz y un fotodetector registra la
intensidad de la luz dispersada.
Estos sensores se pueden clasificar en dispositivos de dispersión de volumen y
contadores ópticos de partículas . Esta salida se convierte en concentraciones de masa
de partículas mediante una calibración previa con una prueba aerosol y colocación con
algún instrumento de referencia o de grado de investigación. En los OPC, las partículas
de aerosol se cuentan y clasifican en contenedores de distintos tamaños.
.
El refugio se muestra en el apéndice de la figura S-1 . El refugio tiene tres estantes de
malla de aluminio en los que se colocan los sensores para el campo despliegue.

Análisis de datos

Al finalizar el despliegue sobre el terreno, se recogieron los datos y se unió para el

análisis. Los datos del triplicado del sensor se validaron primero siguiendo los
procedimientos básicos de QA/QC en los que las series temporales obvias valores
atípicos, valores negativos, ceros continuos y puntos de datos inválidos fueron
eliminados. Datos de BAM PM2.5. La recuperación de datos de al menos el 75% de la
sub hora en bruto se necesitaban datos del sensor para que se considerara un punto de
datos promedio de 1 hora válido.

Tabla 1

Lista de sensores evaluados y especificaciones de los sensores.

Los conjuntos de datos coincidentes se sometieron a dos filtros de reducción de datos

para mejorar la comparabilidad entre los modelos y entre los modelos
cruzados. Primero, todas las filas con un falta la concentración de PM2.5 para el
instrumento de referencia o una de los tres sensores se dejó caer por un análisis más
profundo.
El error de sesgo medio y el error medio absoluto se calculan de forma similar, tomando el
MAE el valor absoluto del diferencias horarias entre el sensor y las mediciones de
BAM. MBE entre el sensor y el instrumento BAM de referencia proporciona un que indica
la tendencia del sensor a subestimar o sobreestimar las concentraciones de masa de
PM2,5 de referencia. MBE y MAE se calculan en μg/m3 que es idéntico a las unidades de
para el sensor y el instrumento FEM. El MAE proporciona una mejor métrica para el error
de medición real entre sensor y referencia.

Debido a un mal funcionamiento del sensor, el sensor Uhoo #2 tuvo una baja
recuperación de datos del 47,2% y por lo tanto fue excluido de los datos posteriores
análisis.
Resultados
La temperatura ambiente media varía entre las 12 evaluaciones y oscila entre 12,3 y 25,2
°C indicando que existen diferencias estacionales de temperatura entre las evaluaciones
individuales de los sensores. La media de la HR entre las 12 evaluaciones va del 48,1 al
67,9% con una media de media en 5.3%. La SR existe entre las evaluaciones, las
evaluaciones individuales experimentadas una amplia gama de condiciones de RH. La
concentración media de BAM PM2.5 para las 12 evaluaciones oscilaron entre 11,1 y 17,2
μg/m3 con una media de significa a 14.2 2.0 μg/m3.

Los valores máximos de PM2.5 experimentadas durante las 12 evaluaciones variaron

significativamente entre evaluaciones con concentraciones máximas por hora que van de
38 a 133 μg/ m3 indicando la necesidad de filtrar estos eventos de PM2.5 más altos a
mantener un rango de concentración consistente entre las evaluaciones. El promedio de 1
hora de recuperación de datos para los triplicados del sensor es alto con recuperación >
79% para todos los sensores con la mayoría de los sensores cerca del 99% de los datos
recuperación como se muestra en los cuadros S-1. Después de procesar las
coincidencias horarias puntos de datos para los valores perdidos y filtrando los valores
para las concentraciones de BAM PM2.5 > 50 μg/m3 el el número de puntos de datos
coincidentes por hora varió entre las 12 evaluaciones, oscilando entre 732 y 1917 puntos
de datos con recuperación de datos que van del 71 al 98%.
Estadísticas resumidas y variabilidad intramodal
La tabla 2 proporciona estadísticas resumidas con las concentraciones medias de PM2.5
medidas para los tres sensores, la media de las medias y el SD alrededor de la media de
los medios que proporciona una métrica para el intramodelo variabilidad.

AirVisual Pro, indican una variabilidad intramodal de baja a moderada con

1, Foobot, y Hanvon N1, indican un intramodelo de moderado a alto variabilidad con 1,51

SD 2,75.
Regresión lineal de mínimos cuadrados y error de medición

Seis de los 12 se encontró que los sensores tienen un promedio triplicado de R2 0.70 y
será discutido más a fondo con respecto a la pendiente/intercepción para la exactitud.

El kit de evaluación del PM de Shinyei indicó una alta linealidad con R2 0.75 y dos
sensores, a saber, TSI Air Assure y Air Visual pro, indicaron la linealidad con 0,70 R2
0,74. Los errores de medición calculados entre los sensores y las mediciones de BAM
PM2.5 se muestran en la Tabla 3. Cuatro sensores, a saber, el Aeroqual AQY, Kaiterra
LaserEgg, Shinyei PM Kit, y IQAir AirVisual Pro, tienen MAE cerca o menos de 5
μg/m3. Cinco sensores, a saber, el Alphasense OPC, Air Beam 1, Purple Air PA-
II, Sainsmart P3, y la TSI Air Assure, tienen MAE en el 5-7.5 μg/m3 rango.

Tres sensores, a saber, el Foobot, el Hanvon N1 y el Uhoo, tienen MAE superior a 7,5

μg/m3. Para 8 de los 12 sensores, es decir, el.

PA-II, SainSmart P3, y TSI Air Assure, la proporción de MBE a MAE es mayor que 0,65, lo
que indica que el error predominante asociado con estos sensores es de naturaleza
sistemática en lugar de aleatoria. Tener en cuenta este error de sesgo sistemático podría
reducir significativamente la errores de medición asociados a los sensores de bajo coste.

El AirBeam y el Alphasense OPC-N2 también fueron evaluados en

Aunque las correlaciones son similares a los resultados presentados en este estudio, la
pendiente/intercepciones entre las evaluaciones difieren con el AirBeam sobreestimando
el PM2. Las estadísticas de regresión media de la evaluación de 2 meses encontraron
una pendiente de 1,63, intercepción de -2,66, y R2 de 0,95.
Uhoo, indican un error de sesgo cada vez más positivo a medida que aumenta la RH y
son ordenados de izquierda a derecha y de arriba a abajo por la magnitud de la pendiente
de la línea de mejor ajuste. Dirigiendo y corrigiendo el impacto de la RH en estas ópticas
mediante el avance del hardware de OPC o el desarrollo de software algoritmos de
corrección para la SR, probablemente resultaría en una reducción de la error de medición
asociado a los sensores de bajo coste. 2 proporciona una historia contundente de dónde
se producen los cambios entre la sistemática y la aleatoria error de medición ocurren a lo
largo del rango de medición del PM2.5. Por ejemplo, el sensor de Aire Púrpura indica un
error aleatorio predominante entre 0 y 12 μg/m3 con una dispersión casi uniformemente
distribuida entre sesgo positivo y negativo.
El sensor indica un error de sesgo positivo sistemático. Aeroqual AQY indica un error
negativo sistemático que aumenta a medida que las concentraciones aumentan de 0 a 25
μg/m3. Por encima de 25 μg/m3 el sesgo de Aeroqual AQY está disperso alrededor de la
línea y = 0, lo que indica un error aleatorio. El kit Shinyei PM, el AirVisual Pro y el Laser
Egg indican la medición error dominado por el error aleatorio con una dispersión
distribuida uniformemente entre el sesgo positivo y el negativo.

Entender cuando el error de medición cambia entre el error sistemático y el error

aleatorio, puede proporcionar información sobre cómo modelo de respuesta de los
sensores a los equipos de grado regulador.
Uhoo, indican un error de sesgo cada vez más positivo a medida que aumenta la RH y
son ordenados de izquierda a derecha y de arriba a abajo por la magnitud de la pendiente
de la línea de mejor ajuste. Por ejemplo, el sensor de Aire Púrpura indica un error
aleatorio predominante entre 0 y 12 μg/m3 con una dispersión casi uniformemente
distribuida entre sesgo positivo y negativo.
Por encima de 25 μg/m3 el sesgo de Aeroqual AQY está disperso alrededor de la línea y
= 0, lo que indica un error aleatorio. El kit Shinyei PM, el AirVisual Pro y el Laser Egg
indican la medición error dominado por el error aleatorio con una dispersión distribuida
uniformemente entre el sesgo positivo y el negativo.
Conclusiones
Este trabajo presenta los resultados de 12 sensores PM2.
El sur de California.
$3000 USD con un rendimiento variable para la variabilidad intramodal, lineal estadísticas
de regresión, y errores de medición.
Los coeficientes entre los sensores y el FEM BAM indican que un número de estas
unidades de bajo costo rastrean bien las concentraciones de PM en el ambiente de los
monitores de regulación.
Se investigaron los impactos de las condiciones ambientales e indican que el error de
sesgo de muchos sensores ópticos de partículas de bajo costo en el mercado se ven
afectados por las condiciones ambientales cambiantes. Futuro
El desarrollo por parte de los fabricantes de sensores e integradores de sensores que
aborden el error de sesgo positivo asociado con la SR probablemente producirá sensores
con menos error de medición y que generan una mayor confianza en los datos
recogidos. Los requisitos técnicos para desarrollar y aplicar estas correcciones en tiempo
real pueden potencialmente eliminar la utilidad de esta tecnología de los posibles usuarios
finales y limitar la utilidad a aquellos que estén capacitados y sean capaces de realizar las
correcciones necesarias. Para el uso de sensores no expertos y de bajo costo deben ser
fácilmente operados, instalados, configurados y proporcionar datos con bajos errores de
medición.
El estado general de la tecnología para la medición de PM está mejorando y los productos
disponibles en el mercado tienen el potencial de proporcionar resultados significativos
para los ciudadanos científicos, las comunidades, los investigadores y agencias
reguladoras.