取样方法

所有仪器均在北京市朝阳区运行。BAM 的数据是在位于安家楼路 55 号的美国大使馆测量的。从 AV 到美国大使馆传感器之间的距离约为 2.5 公里。AV 检测器位于 20 米高的阳台上，面向居民区，以确保传感器采集的数据不受汽车交通污染的影响。

监测时间为 2015 年 6 月 1 日（18:00）至 6 月 30 日（15:00），共 30 天。由于 PM2.5 浓度变化较大，因此在 6 月份对 PM2.5 浓度进行了监测。

结果和讨论

PM2.5 浓度时间序列图

如图 1 和图 2 所示，我们使用了一种定量方法来比较数据，以便通过时间序列图直观地了解数据的精确性。根据每小时记录的数据计算出 PM2.5 的平均浓度。两台仪器记录的 PM2.5 浓度略有不同。这是因为两台仪器的检测方法不同，AV 使用光散射，而 BAM 使用β射线散射。此外，AV 和 BAM 的响应时间也不同，AV 设置为每一秒钟记录一次浓度，而 BAM 则每小时记录一次数据。

共采集了 694 个数据。PM2.5 的平均质量浓度分布在 0 至 250 𝝁𝒈𝒎-𝟑之间。总体而言，AV 和 BAM 的浓度变化趋势相似。

图 1：使用 AV 传感器和 BAM（美国大使馆传感器）测量 PM2.5 小时平均值的时间序列

图 2 使用 AV 传感器和 BAM 的 PM2.5 小时平均值时间序列（中国政府传感器）

相关性

我们使用了两种统计分析方法来比较 AV 和 BAM 的浓度。一种是比较两台仪器每小时的绝对浓度差和百分比差。第二种方法是使用线性回归分析比较反车辆地雷和 BAM。

相对差异

相对差值可以通过将绝对差值与美国大使馆的浓度值相除来计算。通过比较美国大使馆和 AV 传感器的日平均测量值，发现百分比差异为 13.9%根据（Molenar, n.d.）的估计，光散射装置的平均误差约为 30% 至 40%，这表明两者之间有很好的相关性。产生相对差异的原因是 PM2.5 气溶胶参数的自然变化和 AV 传感器的散射效率。空间差异也是造成测量结果差异的原因之一。(参考影响 PM2.5 测量的因素）
虽然发现反向空气质量和 BAM 之间的每小时相对差异为 26.1%.如果忽略离群值，如任何低于 20 𝝁𝒈𝒎-𝟑 的浓度，就可以获得更高的精度。浓度水平越低，不确定性就越高。

线性回归

线性回归分析的目的是探索在一定浓度范围内 AV 和 BAM 的相应测量值之间的关系。回归程序确定了描述关系的 "最佳 "可用直线，回归系数解释了数据的相关性。图 X 显示了回归图的比较。

结果发现，AV 和 BAM 之间平均每日测量值的平均相关平方系数 (r2) 为 0.959.斜率为 0.9067 ，平均截流为 4.6644.由于斜率接近 1 且 r2 超过 1，因此每日测量值之间的一致性非常好。 0.9.

然而，根据每小时的测量结果，斜率约为 0.822 ，r2 为 0.83，如图 4 所示。虽然与每日测量值相比，每小时数据偏离 1:1 线的程度更大，但 0.83 的 r2 表明，AV 和 BAM 的浓度之间存在相当强的相关性。

尽管中国政府的数据与反车辆数据之间的相关性显示出较高的 r2，其值为 0.93，但数据偏离 1:1 的程度更大，斜率（0.83）更低，截距（9.54）更高。

图 3：美国大使馆 BAM 日均数据与 AV 传感器数据的线性回归线

图 4：美国大使馆 BAM 平均小时数据与 AV 传感器数据的线性回归线

图 5：中国政府日均数据与 AV 数据的线性回归线

表 1.粒子光散射与 β 射线散射的比较

结论

这项调查和附图说明，经过校准的光散射检测设备 AirVisual 传感器可作为监测 PM2.5 浓度水平的替代仪器。尽管 AirVisual 传感器的成本很低，但本研究的结果表明，AirVisual 的测量结果相当精确，与 BAM 相比（R2=0.83），尽管 AirVisual 传感器仍可能受到颗粒特性变化等因素的影响。