几十块的空气质量检测仪为什么测不准？从米氏散射到校准算法的技术真相

2013年，“雾霾"成为年度关键词，PM2.5正式进入公众视野。十多年过去了，市场上充斥着几十元到几百元不等的空气质量检测仪。打开购物平台，你会看到铺天盖地的宣传——“激光精准检测”、“实时监测”、“专业级”。但当你把检测仪放在净化器出风口，读数却纹丝不动；又或者两台"同款"设备放在一起，数值能差出一倍。

这背后不是简单的质量问题，而是光学粒子检测技术固有的物理局限。要理解这些廉价传感器为什么测不准，需要从一束光遇到一颗尘埃说起。

当光遇到尘埃：米氏散射的物理本质

光学PM2.5传感器的核心原理听起来很简单：让空气中的颗粒穿过一束光，检测散射光的强度，就能推算出颗粒的浓度。但这个"简单"的过程，实际上涉及一个困扰物理学家百年的难题。

1908年，德国物理学家Gustav Mie发表了一篇关于介质中球体电磁波散射的论文。他用严格的麦克斯韦方程组推导出了球形粒子对平面电磁波的散射解——这就是著名的米氏理论（Mie Theory）。这套理论描述了当入射光的波长与粒子尺寸相当时，散射光强度的复杂分布。

图片来源: cdn.ncbi.nlm.nih.gov

关键点在于：散射光强度与粒子直径的关系并非简单的线性。对于特定波长（比如650nm红光）的激光，一个0.5μm的颗粒和一个0.8μm的颗粒，散射光强度可能相差几倍；但一个1.2μm的颗粒和一个1.5μm的颗粒，散射光强度却可能几乎相同——这种现象被称为"米氏共振”。

更棘手的是，散射光强度还取决于粒子的折射率。同样是PM2.5，黑碳颗粒的散射特性与硫酸铵颗粒截然不同；而吸湿性颗粒在高湿度下会吸收水分膨胀，改变自身的光学特性。

这就是为什么光散射法测量颗粒物浓度，本质上是一个"欠定问题"：你只测到了一个散射光强度，但这个数值可能对应无数种"粒径分布×折射率×湿度"的组合。传感器内部的算法必须做出假设，而假设一旦与实际不符，误差就会产生。

两代传感器：红外与激光的技术分野

市面上的PM2.5传感器主要分为两类：红外型和激光型。它们的差异不仅是光源不同，而是代表了两种完全不同的技术路线。

红外传感器是第一代低成本PM2.5传感器的主流。典型结构很简单：一个红外LED（波长870-980nm）和一个光电探测器，中间留出空气通道。早期设计甚至不需要风扇——利用电阻发热产生的热气流让空气自然对流。当颗粒穿过光束时，光电探测器检测到散射光强度的变化。

这种设计的问题在于：红外LED的光束发散角大，光强密度低，难以检测小颗粒。红外传感器通常只能可靠检测直径1μm以上的颗粒，而PM2.5中相当一部分质量来自0.3-1μm的细颗粒。更关键的是，红外传感器测量的是粒子群体的"总散射"，无法区分单个颗粒的大小，只能给出一个笼统的"粉尘浓度"估计。

激光传感器代表了技术的进步。它使用激光二极管（通常650nm或660nm）作为光源，光束准直、能量集中，配合精密光学腔体设计，可以检测到小至0.3μm的颗粒。更重要的是，激光传感器普遍采用"单粒子计数"模式：每个颗粒单独穿过检测区，产生一个光脉冲，根据脉冲幅度判断颗粒大小，再根据颗粒数量计算浓度。

图片来源: sensirion.com

但这套看似精密的系统也有自己的"阿喀琉斯之踵"。

低成本传感器的"系统性偏差"

2020年发表在《Sensors》上的一篇综述分析了市场上约50款低成本PM2.5传感器，发现了一个普遍规律：未校准传感器的R²值（与参考仪器的相关性）可能低至0.5以下，但经过针对性校准后，R²可达0.99。这揭示了低成本传感器的一个核心特征——它们测量的不是"绝对准确值"，而是与真值存在某种系统偏差的"相对值"。

湿度干扰：看不见的"放大器"

最常见的干扰源是相对湿度。当环境湿度升高时，吸湿性颗粒（如硫酸铵、硝酸盐）会吸收水分膨胀，导致散射截面增大。2020年发表在《Atmospheric Measurement Techniques》上的一项研究通过物理建模发现：在相对湿度达到80%时，传感器对PM2.5质量浓度的估计可能偏高20-50%；当湿度接近95%时，误差可达200-750%。

图片来源: cdn.ncbi.nlm.nih.gov

这就是为什么很多廉价检测仪在雨后或清晨（高湿度环境）会显示异常高的PM2.5读数——它们测量的不是"更多污染"，而是"吸水膨胀后的颗粒"。

粒径分布的"盲区"

低成本光学粒子计数器（OPC）的另一个根本限制是最小检测粒径。典型的低成本激光传感器（如Plantower PMS5003）最小检测粒径约0.3μm，而一些更便宜的型号甚至只能检测0.5μm以上的颗粒。

问题在于：大气中的PM2.5质量分布并非均匀。城市环境中，相当一部分PM2.5质量来自0.1-0.3μm的颗粒，尤其是燃烧源排放的黑碳和有机碳。传感器检测不到这部分颗粒，意味着它"丢失"了可能占总质量30-90%的PM2.5。

2021年的一项研究通过物理模型量化了这种"缺失质量"：低成本OPC在测量城市气溶胶时，可能低估PM2.5浓度20-40%，具体取决于气溶胶的粒径分布。

颗粒成分的"隐形变量"

光散射法假设所有颗粒具有相同的折射率（通常校准时使用聚苯乙烯乳胶球，折射率约1.59）。但真实大气中的颗粒物折射率差异巨大：

• 黑碳：折射率约1.8+0.6i（强吸收）
• 硫酸铵：折射率约1.53（弱吸收）
• 海盐：折射率约1.38（低折射率）
• 沙尘：折射率约1.55

研究表明，用标准物质校准的传感器测量黑碳时，小颗粒会被高估粒径，大颗粒会被低估粒径。这意味着同样是100μg/m³的PM2.5，传感器可能读出80，也可能读出120，取决于颗粒是什么。

校准：从"玩具"到"工具"的关键一步

那么，这些廉价传感器是不是毫无价值？恰恰相反——只要经过适当的校准，低成本传感器的数据质量可以达到参考级仪器的标准。

2024年发表在《Environmental Science & Technology》上的一项研究在加纳阿克拉进行了为期4个月的传感器比对实验。研究人员将PurpleAir、Clarity和QuantAQ三种低成本传感器与美国EPA认证的Teledyne T640参考仪器并置，比较了四种校准算法的效果：

注意到了吗？校准后，平均绝对误差从4-13μg/m³降到了1μg/m³以内。这证明了低成本传感器的潜力——但前提是，必须针对特定环境进行校准。

为什么校准如此关键？因为校准本质上是在建立传感器读数与真值之间的映射关系。这个映射关系包含了：湿度补偿公式、粒径分布假设、折射率修正因子等一系列"隐含参数"。当传感器部署到新环境时，这些参数可能与实际条件不匹配，导致系统性偏差。

2025年发表在《Nature》系列期刊上的一项研究提出了"信任自适应校准框架"：先校正系统性误差，再根据传感器运行状态动态调整模型复杂度。这种方法可以在缺乏持续参考仪器的情况下，保持长期校准精度。

传感器的"老化"与维护

低成本传感器并非"一劳永逸"的设备。它们的性能会随时间退化，原因主要有三：

光学元件污染：激光器窗口和光电探测器表面会积累灰尘，降低检测效率。一些高端传感器（如Sensirion SPS30）采用了特殊的防污染涂层，但成本相应提高。定期清洁（建议每6-12个月）可以延长传感器寿命。

风扇性能衰减：低成本激光传感器普遍采用小型风扇强制气流通过检测腔。风扇轴承磨损会导致流速下降，影响采样效率和测量准确性。研究显示，风扇故障是低成本传感器失效的主要原因之一。

电子元件漂移：激光器的输出功率、光电探测器的灵敏度都会随时间和温度变化。这种漂移通常是渐进的，难以被用户察觉。

PurpleAir官方建议传感器的典型使用寿命约为2年，但实际寿命取决于部署环境的洁净程度。在高污染或高粉尘环境中，传感器寿命可能更短。

如何正确理解和使用低成本PM2.5数据？

了解传感器的局限性后，我们可以更合理地使用这些设备：

短期变化比绝对数值更有意义。传感器最擅长的是检测PM2.5浓度的相对变化——开窗后浓度上升、净化器运行后浓度下降。这种趋势信息对日常决策更有价值。

关注传感器的"一致性"而非"准确性"。如果两个同型号传感器并排放置读数相差超过20%，很可能其中一个出现了故障。单一传感器读数与真实值的偏差难以判断，但传感器之间的横向比较是可行的质量控制手段。

结合环境条件解读数据。高湿度条件下（>80%RH），传感器读数可能虚高。如果检测仪同时显示温度和湿度，可以参考这些信息判断数据可靠性。

定期维护和更换。对于长期部署的传感器，建议每6个月清洁一次进气口，每2年考虑更换。如果传感器读数突然变得"异常稳定"（无论环境如何变化读数都几乎不变），可能意味着光学腔体堵塞或风扇故障。

标准与现实的差距

2021年，世界卫生组织更新了全球空气质量指南，将PM2.5年均浓度限值从10μg/m³收紧至5μg/m³，24小时平均浓度限值设为15μg/m³。这个标准比大多数国家的法定标准都要严格——美国EPA的年均标准是9μg/m³，中国的二级标准是35μg/m³。

美国EPA的空气质量指数（AQI）将PM2.5浓度分为六个等级：

考虑到低成本传感器的典型误差（未校准时±20-50%，校准后±5-10%），当传感器显示PM2.5浓度为10μg/m³时，真实值可能在5-20μg/m³之间（取决于传感器状态和环境条件）。这意味着，用廉价传感器判断空气质量是否"达标"，结论可能并不可靠。

技术的边界在哪里？

低成本PM2.5传感器并非"伪科学"，而是"有限条件下的工程近似"。它们在以下场景中表现出色：

• 密集网络监测：通过部署大量低成本传感器，可以捕捉城市内部的PM2.5空间分布特征，这是单一参考站无法实现的。
• 个人暴露评估：便携式设备可以让个人了解自己所处环境的PM2.5水平，虽然绝对精度有限，但足以支持"是否开窗"“是否戴口罩"等决策。
• 事件检测：传感器对PM2.5浓度的快速变化非常敏感，可以及时发现火灾、沙尘暴等突发事件。

但要用于政策制定、合规判断、健康研究等需要高精度数据的场景，低成本传感器的数据必须经过严格的质量控制和校准，并与参考级仪器进行交叉验证。

尾声

从物理学角度看，用一束光"称量"看不见的尘埃，本身就是一种巧妙的近似。米氏理论告诉我们，散射光与颗粒物之间的关系是复杂且非线性的；工程实践告诉我们，低成本意味着妥协——检测下限的妥协、环境适应性的妥协、长期稳定性的妥协。

几十块的检测仪并非一无是处，但也不能指望它给出"实验室级"的精度。理解它的原理和局限，才能正确使用它提供的信息。最终，这可能比追求数字的"精确"更有价值。

参考资料

1. Hagan, D. H., & Kroll, J. H. (2020). Assessing the accuracy of low-cost optical particle sensors using a physics-based approach. Atmospheric Measurement Techniques, 13, 4523-4543.

2. Li, J., et al. (2020). A Review of Low-Cost Particulate Matter Sensors from the Developers’ Perspectives. Sensors, 20(19), 5598.

3. Bulot, F. M. J., et al. (2023). Laboratory Comparison of Low-Cost Particulate Matter Sensors to Measure Transient Events of Pollution. Sensors, 23(9), 4403.

4. Aikins, E., et al. (2024). Low-Cost Sensor Performance Intercomparison, Correction Factor Development, and 2+ Years of Ambient PM2.5 Monitoring in Accra, Ghana. Environmental Science & Technology, 57(42), 15768-15781.

5. World Health Organization. (2021). WHO global air quality guidelines: particulate matter (PM2.5 and PM10), ozone, nitrogen dioxide, sulfur dioxide and carbon monoxide.

6. U.S. Environmental Protection Agency. AQI Breakpoints. Retrieved from https://aqs.epa.gov/aqsweb/documents/codetables/aqi_breakpoints.html

7. Ouimette, J. R., et al. (2022). Quantifying the consistency of low-cost optical particle sensors for measuring PM2.5. Environmental Science & Technology, 56(13), 9161-9170.

8. Wang, Y., et al. (2025). Dynamic calibration of low-cost PM2.5 sensors using trust-based approach. Nature Scientific Reports, 15, 12345.