En kampagne ved Institut for Miljøvidenskab, Aarhus Universitet, og DevLabs ApS har testet ydeevnen af low-cost sensorer, når de anvendes på biler, og undersøgt koncentrationerne målt af et tæt low-cost sensornetværk etableret i London.
Artiklen har været bragt i Dansk Kemi nr. 6, 2023 og kan læses uden illustrationer, strukturer og ligninger herunder.
Af Louise Bøge Frederickson1,2,3, Hugo Savill Russell1,2,3, Matthew Stanley Johnson2,4 og Ole Hertel5
1 Institut for Miljøvidenskab, Aarhus Universitet
2 DevLabs ApS
3 Danish Big Data Centre for Environment and Health (BERTHA), Aarhus Universitet
4 Kemisk Institut, Københavns Universitet
5 Teknisk Fakultet, Aarhus Universitet
Luftforurening kan variere betydeligt over tid og sted. I EU benytter myndigheder og regulerende instanser et fast luftkvalitetsmålestationsnetværk for at overvåge luftkvaliteten. Målestationerne indeholder store, dyre og præcise luftkvalitetsinstrumenter. Dog har disse stationer begrænsninger i forhold til tidsopløsning og rækkevide, da der kun er placeret 18 i Danmark.
For at imødegå disse begrænsninger vender forskere og kommunale myndigheder sig i stigende grad til low-cost sensorer. Som navnet antyder, er disse måleapparater relativt billige, og de udmærker sig ved at være mobile og nemme at betjene. Sammenlignet med store målestationer er low-cost sensorer til gengæld også mere upræcise, men trods den lavere målepræcision kan disse sensorer stadig give nyttig information. Det vigtigste er, at brugerne har en fælles forståelse af, hvad sensorerne skal bruges til, og at de kan bruges til det specifikke formål.
Mobilt overvågningsudstyr, der involverer køretøjer udstyret med sensorer, er særligt egnede til at undersøge forureningsmønstre på mindre skalaer. Selvom det kan være udfordrende at indsamle tilstrækkeligt med data til langvarige gennemsnit, er mobil overvågning værdifuld til at identificere luftforureningshotspots og for eksempel trends mellem forskellige områder.
De private firmaer, DevLabs og AirScape, har etableret et tæt netværk af low-cost sensorer i London, England. Disse low-cost sensorer er placeret på lygtepæle og måler blandt andet kvælstofdioxid (NO2). En Google Street View bil udstyret med en reference-luftkvalitetsmåler i bagagerummet blev doneret til Aarhus Universitet, og konverteret til en forskerbil dedikeret til luftforureningsmålinger.
Vi tilføjede en tagboks med low-cost sensorer på bilen og udførte en to-ugers målekampagne, hvor vi kørte til London for at 1) teste værdierne fra det stationære low-cost sensornetværk og 2) evaluere low-cost sensorernes ydeevne under mobil anvendelse mod reference-luftkvalitetsmåleren i bagagerummet.
Målekampagnen
I løbet af den 14-dages målekampagne kørte vi Mobile Air Pollution Sensing (MAPS)-bilen fra Danmark til London, og ruten er vist i figur 1. Bilen, som er vist på figur 2, var udstyret med præcise luftkvalitetsmålere, som var tilsluttet et rustfrit stål-indtag, der er specifikt designet til at minimere indflydelsen af selv-emission og kørehastighed på de målte koncentrationer. NO2-koncentrationen blev målt med en tidsopløsning på 1 sekund ved hjælp af en Cavity Attenuated Phase Shift NO2-monitor fra Aerodyne Research. Under målekampagnen førte passageren i MAPS-bilen en detaljeret tids-aktivitetslog, og dataen blev tildelt unikke identifikationer (ID’er). Disse ID’er blev opdelt i forskellige kategorier, herunder Parkering, Bykørsel, Motorvej, Tunnel og Parker.
Resultater
Målingerne fra low-cost sensor (LCS) netværket blev testet ved at parkere nær sensorerne og sammenligne dem med MAPS-bilens resultater. Sammenligningen viste en bestemmelseskoefficient (R2) på 0,8. Det blev tydeligt, at korrelationen blev mindre, jo længere væk MAPS-bilen var fra sensorerne (figur 3).
I undersøgelsen af den rumlige variation af NO2 i London udførte vi flere casestudier. Et af disse studier blev udført i Regent’s Park, hvor vi kørte tre forskellige ruter: en indre rute i midten af parken, en midterste rute rundt om parken og en ydre rute i normal bykørsel, lidt længere ude end den midterste rute. Hver af disse ruter blev gennemført på 40 minutter, og de gennemsnitlige NO2-niveauer langs hver rute blev målt. Resultaterne viste, at den ydre rute havde de højeste NO2-niveauer, efterfulgt af den midterste rute og den indre rute (figur 4). Især for den midterste og den indre rute er hver omgang tydeligt afspejlet i tidsserierne i figur 4C. Her kan man se, at vi kørte fire omgange på den midterste rute og cirka 15 omgange på den indre rute.
Figur 5 viser resultaterne af testen af low-cost sensorernes ydeevne i forskellige miljøer. Der ses betydelig variation i korrelationen med R2-værdier mellem 0,33 og 0,75. Hastigheden varierer også markant mellem miljøerne, for eksempel omkring 100 km/t på motorveje, 0 km/t under parkering og under 20 km/t i bykørsel. Low-cost sensorerne har bedre ydeevne under parkering og på motorveje sammenlignet med bykørsel og kørsel i tunneller. Dette kan forklares ved sensorernes relative lave reaktionshastighed og den hurtige ændring i NO2-koncentrationer over tid og sted.
Selvom R2-værdien for low-cost sensorernes NO2-målinger under bykørsel er 0,42, ligger de gennemsnitlige værdier inden for 5 procent af den gennemsnitlige referenceværdi. Dette indikerer, at low-cost sensorerne er i stand til at måle gennemsnitsværdier, men ikke realtidsmålinger med en tidsopløsning på 1 minut eller mindre i hurtigt skiftende miljøer. Low-cost sensorernes absolutte målinger påvirkes ikke af køretøjets bevægelse, men deres reaktionstid kan være for langsom i meget variable miljøer.
Diskussion og konklusion
NO2-koncentrationen kan variere betydeligt både rumligt og tidsmæssigt, hvilket betyder, at målingerne, mens MAPS-bilen er i bevægelse, kun giver øjebliksbilleder af den aktuelle koncentration. Desuden afspejler resultaterne i denne undersøgelse kun NO2-koncentrationen i løbet af dagen og på vejene. Vores resultater viser, at et netværk af low-cost sensorer og mobil overvågning kan vise forureningsniveauer med højere opløsning og større rækkevidde, i forhold til alene at betragte de officielle luftkvalitetsmålestationer. Mobil overvågning kræver en betydelig arbejdsindsats, men kan være særlig nyttigt, da referencestandardinstrumenter kan måle steder, der normalt ikke ville blive undersøgt. Hvis der er behov for yderligere målinger, kan et tæt stationært netværk af low-cost sensorer opsættes for at undersøge luftkvaliteten over længere tid. Mobil overvågning kan også bruges til tværvalidering og/eller korrektion af data fra low-cost sensorer, hvilket forbedrer pålideligheden af resultaterne.
Low-cost sensor-baseret netværk kan ikke erstatte højpræcisions målenetværk. Målinger i low-cost sensornetværk har ikke den tilstrækkelige præcision til at stå alene ved vurdering af, om koncentrationen i vores udendørsmiljø overskrider gældende grænseværdier. For dette kræves præcise målinger med referenceudstyr, der overholder EU’s regler for luftovervågning. Anvendelse af low-cost sensorer kræver nøje individuel kalibrering og test af de enkelte instrumenter. Disse kalibreringer og tests er tidskrævende og kræver opbygning af ekspertise. Det sidste kan derfor ikke opnås ved blot at anvende fabrikskalibrering eller efterfølgende databehandling. Det kræver adgang til samtidige målinger med referenceinstrumenter i det udendørsmiljø, hvor det low-cost sensorbaserede netværk skal anvendes. Med det sagt, så længe man er opmærksom på de førnævnte forhold, kan et netværk af low-cost sensorer og mobile målinger supplere hinanden, og bruges symbiotisk sammen med det lovregulerede netværk for at opnå mere omfattende rum- og tidsdata om luftkvaliteten.
Tak
Tak til Thomas Ellermann, Martin Ole Bjært Sørensen, Tom Jensen, Christian Solhaug Holmen og Henrik Weinreich Madsen for hjælpen og gode diskussioner. Derudover, tak til Johan Albrecht Schmidt og Camden Clean Air Initiative. Projektet blev udført som en aktivitet under Big Data Center for Environment and Health (BERTHA) støttet af Novo Nordisk Fonden (https://projects.au.dk/bertha/).
E-mail:
Louise Bøge Frederickson: frederickson@envs.au.dk
