Kan du stole på luftkvalitetssensoren du nettopp kjøpte?

Transkript

1 Norsk institutt for luftforskning Norwegian Institute for Air Research Kan du stole på luftkvalitetssensoren du nettopp kjøpte? Luftkvalitetssensorer som du og jeg skal kunne bruke er på vei inn i butikkhyllene. Men måler de det de skal, og kan du stole på det de viser? En evaluering av en slik kommersiell luftkvalitetssensor, utført av forskere fra NILU og Technion Israel Institute of Technology, viser at det fortsatt er et stykke igjen. Urban luftkvalitet er et stort helseproblem i de fleste europeiske land, og både bekymrede innbyggere og andre private aktører har begynt å kjøpe rimelige luftkvalitetssensorer for å måle luftkvaliteten der de bor og arbeider. Engasjementet er på sin plass, mener seniorforsker Núria Castell fra NILU Norsk institutt for luftforskning, men så langt viser vår evaluering at datakvaliteten på ikke alltid holder mål. I tillegg er det umulig for en vanlig forbruker å vite om datakvaliteten sensoren yter er tilstrekkelig for den tenkte bruken. Flere sensorer gir mer kunnskap Alle europeiske land måler luftkvalitet i tråd med EUs luftkvalitetsdirektiv fra Direktivet definerer referansemetodene som skal benyttes når man måler luftkvalitet, og definerer drift- og kalibreringsrutiner som sikrer data av høy kvalitet og med lav usikkerhet. De stasjonære målestasjonene for luftkvalitet som står i norske byer og tettsteder måler i henhold til disse kravene. Gode i laboratoriet, dårlige i felt I en nylig publisert artikkel i Science Direct presenterer de norske og israelske forskerne resultatene av en grundig evaluering av 24 lavkost-sensorer av typen AQMesh. Disse sensorene måler gassene nitrogenmonoksid (NO), nitrogendioksid (NO 2 ), karbonmonoksid (CO) og ozon (O 3 ), i tillegg til svevestøvpartikler (PM) i to størrelser, PM 2,5 og PM 10. Produsenten har oppgitt spesifikasjoner for sensorene, med hensyn til hva slags datakvalitet man kan forvente. For å kontrollere disse spesifikasjonene testet forskerne først sensorene i NILUs laboratorier, og der var datakvaliteten fra sensorene veldig god. Men forskerne ville også vite hvordan sensorene målte over tid og under ulike forhold ute i «den virkelige verden». Slike målestasjoner gir svært nøyaktige data i nær sanntid, men de er dyre å installere og drifte. Derfor er det også få av dem. Så forskerne kan se en rekke fordeler med disse nye mikrosensorene, selv om de ikke oppfyller alle de kvalitetsmessige og juridiske kravene for luftkvalitetsovervåkning. Jo flere målesensorer, jo mer data fra flere steder, som igjen gir mer kunnskap om hvordan lufta faktisk er i byene våre. Grunntanken er jo nettopp at disse bærbare luftkvalitetssensorene skal supplere den offisielle luftkvalitetsovervåkningen, forklarer Núria Castell, men for å gjøre det må data fra dem være av akseptabel kvalitet. NILU, Norwegian Institute for Air Research Instituttveien 18, P.O.Box 100, NO-2027 Kjeller Telephone: Telefax: Org. no Mail: nilu@nilu.no Follow us on Facebook og Twitter: og

2 Norsk institutt for luftforskning Norwegian Institute for Air Research Dermed ble 24 sensorer plassert ut på fem ulike steder i Oslo, i perioden mellom april og september På alle stedene sto det fra før en stasjonær målestasjon for luftkvalitet, slik at forskerne kunne sammenlikne måledataene fra AQMesh-sensorene direkte med data de allerede visste var kvalitetssikret. Det første forskerne så, var at datakvaliteten ute i felt var langt dårligere enn inne på laboratoriet. Resultatene viste at ytelsen varierte fra enhet til enhet, i tillegg til over tid og avhengig av vær, temperatur og omgivelser. Om du er avhengig av at sensoren din er svært nøyaktig, eller virker som den skal under en rekke ulike forhold, kan du som forbruker altså ikke være sikker på at data fra luftkvalitetssensoren du nettopp har kjøpt er til å stole på. Utfordrende for deg og meg I evalueringen har forskerne også sett på hva slags informasjon ulike produsenter gir om resultatene man kan forvente fra sensorene deres. Konklusjonen er at informasjonen er ganske mangelfull. I de fleste tilfellene de har funnet har ikke produsentene evaluert verken feilkilder, datakvalitet eller stabilitet over lengre tids bruk. Castell frykter at kunder som kjøper sensorer i dag ikke får nok informasjon om hvordan de kan forvente at sensoren skal fungere. Det er klart at vi må få på plass et system for uavhengig ekspertevaluering eller annen kvalitetssikring av slike sensorer, så vi kan være sikre på at kvaliteten på målingene er god nok. I tillegg må produsentene bli flinkere til å informere om begrensningene i bruken av sensorene, erklærer Castell. Per i dag er luftkvalitetssensorene fortsatt i utforskningsfasen, og uten eksperthjelp kan ikke vanlige forbrukere bruke dem til å trekke noen korrekte konklusjoner om mengden luftforurensning der de bor. Samtidig har vi sett at hvis vi monterer et nettverk av sensorer i byen, kan vi hente ut informasjon som kan hjelpe oss å generere oppdaterte luftkvalitetskart med høy romlig oppløsning. Disse kartene kan brukes til å øke bevisstheten om luftforurensning, og med riktig informasjon om begrensningene i kartene kan de også hjelpe folk til å redusere mengdene luftforurensning de utsettes for, fortsetter hun. Informasjon på gatenivå er på vei På grunn av stor variasjon i resultater fra sensor til sensor, og den store variasjonen denne sensortypen viser under varierende nedbørs- og temperaturforhold, mener Núria Castell at luftkvalitetssensorene de har undersøkt for tiden er uegnet for bruk som krever høy datakvalitet og pålitelighet. Eksempler på det kan være i helsesammenheng, eller som del av overvåkning med tanke på regulerende virksomhet. Men, det forskerne har funnet viser også at noen sensortyper gir et datagrunnlag av god nok kvalitet til å angi luftkvaliteten som god, moderat eller sterkt forurenset, særlig for nitrogenmonoksid (NO) og det groveste svevestøvet (PM 10 ). Dette, sammen med luftkvalitetskartene nevnt over, kan bety at vanlige innbyggere om ikke lenge kan få luftkvalitetsinformasjon helt ned på lokalt gatenivå. Det betyr at folk flest kan få noe nyttig ut av sensorene, mener Núria Castell, i hvert fall tilstrekkelig til å gjøre dem mer bevisste og engasjerte i å følge med på luftkvaliteten der de bor. Mer informasjon: Du finner Science Direct-artikkelen Can commercial low-cost sensor platforms contribute to air quality monitoring and exposure estimates? her: S NILU, Norwegian Institute for Air Research Instituttveien 18, P.O.Box 100, NO-2027 Kjeller Telephone: Telefax: Org. no Mail: nilu@nilu.no Follow us on Facebook og Twitter: og

3 Det er noe i luften Nye målemetoder, nye muligheter - nye utfordringer? Mikrosensorer, low-cost sensors, MOx og elektrokjemiske celler er betegnelser for en ny type måleinstrumenter for luftkvalitet, som skal være små og rimelige. NILU - Norsk institutt for luftforskning har ledet en rekke forskningsprosjekter på ulike bruksområder for mikrosensorer og annen ny måleteknologi i Norge og Europa. Vi vil gjerne dele våre funn og erfaringer så langt. Samtidig vil vi gjerne høre hva andre tenker om den nye måleteknologiens rolle i luftkvalitetsovervåkningen i Norge. Klokkeslett Hovedtema Foredrag Foredragsholder Kaffe og registrering Velkommen Alena Bartonova, NILU Slik gjør vi det nå - og hvilke forventninger og muligheter ser vi? Miljødirektoratets forventninger og tanker om fremtidig bruk av mikrosensorteknologi Slik måles luftkvalitet i dag: Hva, hvor og hvorfor? Luftkvalitetsovervåkning lokalt og globalt: Fra mikrosensorer til satellittobservasjoner Pause med snacks Hva viser forskningen så langt? Hvor står mikrosensorteknologien i dag? Den harde sannheten, erfaringer fra tester i lab og felt Karakterisering av mikrosensor-plattformer: Europeisk samarbeid Lunsj På full fart inn i fremtiden - fra sluttbrukers spørsmål til forskernes råd Program for seminaret, tirsdag 31. januar 2017 Erfaring og forventning med bruk av mikrosensorer sett fra en sluttbrukers perspektiv Sigmund Guttu, Miljødirektoratet Kjersti Tørnkvist, NILU Philipp Schneider, NILU Núria Castell, NILU Franck Dauge, NILU Susanne Lützenkirchen, Oslo kommune Mikrosensorer - bløff eller fremtiden? Núria Castell, NILU Muligheter, utfordringer og veien videre Åpen mikrofon / Spørsmål fra salen Takk for i dag - vel hjem! Alena Bartonova, NILU Sted: Auditoriet i Kunnskapsbyens Hus på Kjeller, Gunnar Randers vei 24. Klikk her for kart og veibeskrivelse: Velkommen! Hilsen arrangementskomitéen: Núria, Franck, Kjersti, Britt Ann, Alena, Leif, Leonor og Christine

4 Det er noe i luften Nye målemetoder, nye muligheter - nye utfordringer? NILU, Kunnskapsbyens hus

5 Bakgrunn og mål Bakgrunn: forskningsarbeid EU: FP7 CITI-SENSE EMIIA II CITI-SENSE-MOB FP6 MEMORI COST actions, AQUILA, CEN Forskningsrådet: INNOSENSE Annet: CrowdAir Mål: vurderingsgrunnlag for valg av teknologier

6 Hvorfor måler vi luftkvalitet? Definerte kvalitets krav Data baser Formål Hvem måler Nivåer ifm lov/forskrift Offentlig ja ja SEA/ konsekvensvurderinger Utbygger ja nei Tiltaksutredning (lov) Off./utbygger ja nei Tilfredsstille luftkvalitetskrav ved forurensende aktivitet Aktivitetseier ja nei Informasjon til publikum Offentlig, andre ja, nei ja, nei Innemiljø Eier/interessent nei nei Informasjon for private aktører Private nei nei Forskning Forskere ja ja

7 Publikum og luftkvalitet: hvem svarte? 50% kvinner, 85% høyere utdanning alder år 90% bor og arbeider i Oslo, >300 svar

8 Publikums interesse for informasjon Notifications pollution Info current AQ AQ index poor/good AQ AQ where you are Info forecasted AQ AQ levels in own routes Info to protect your health Select cleaner routes Numeric concentrations Info past AQ Report own perception See others' perception What would you like to see on an app? 0 % 20 % 40 % 60 % 80 % 100 % not a priority low medium high essential FP7 grant no

9 Teknologier for måling av luftkvalitet

10 Teknologier for måling av luftkvalitet Source: NASA,

11 CITI-SENSE in 9 European cities, Ostrava Edinburgh Haifa Oslo Vienna FP7 grant no Vitoria Gasteiz Belgrade Ljubljana Barcelona

12 3 universities 7 secondary schools 17 elementary schools 54 kindergartens 9 tennants associations 9 cities >1.200 CityAir-app-users 2036 reported perceptions, app still running! 334 air sensor units in network at >50 public places volunteers one time Additional sensor clusters CITI- SENSE i EUROPA 9,4 million observations (9/ ) 327 LEOvolunteers 1530 answers to AQ questionnaire >300 evaluations of products FP7 grant no

13 FP7 grant no CITI-SENSE, 10/2012-9/2016

14 Velkommen til seminaret!

15 Forventninger og tanker om fremtidig bruk av mikrosensorteknologi Sigmund Guttu, seksjon for transport og luftkvalitet

16 Miljødirektoratets rolle - målinger Referanselaboratorium

17 Miljødirektoratets rolle - målinger Koordinerer overvåkingsnettverket Håndbok for kvalitetssystem for målinger av luftkvalitet Handbok-for-kvalitetssystem-for-malinger-av-luftkvalitet/

18 Konsentrasjon (µg/m 3 ) >Grenseverdi Tiltak skal iverksettes >Øvre vurderingsterskel: Tiltaksutredninger skal lages, større omfang av målinger >Nedre vurderingsterskel: Permanente målinger <Nedre vurderingsterskel: Måling ikke nødvendig

19 Ny vurdering av målenettverket Har Norge et målenettverk som representerer lokal luftkvalitet på en god måte? Ni byer, PM 10 og/eller NO 2

20 Mikrosensorer som metode Postkalibrering Datadrift Mikrosensor (PerkinElmer), Scott Randall, COWI Scott Randall, COWI Fig. 8 i COWI-rapporten «Kartlegging av luftkvaliteten i utvalgte byer», M

21 Mikrosensorer som metode Databehandling: Postkalibrering Datadrift Mikrosensor (PerkinElmer), Scott Randall, COWI Scott Randall, COWI Fig. 8 i COWI-rapporten «Kartlegging av luftkvaliteten i utvalgte byer», M Usikkerhet og etterbehandling

22 Mikrosensorer + Datakvalitet? Håndtering av datamengder Krever (også) fagkompetanse God geografisk dekning Rimelig Måling av luftkvalitet blir tilgjengelig for flere Lettere å håndtere/plassere Involvere/engasjere Hvordan håndtere i regelverket?

23 Teknisk ukeblad,

24

25 Slik måles luftkvalitet i dag: Hvordan og hvorfor Kjersti Tørnkvist Avdelingsdirektør Måle- og instrumentteknologi 31.Januar 2017, Seminar om mikrosensorteknologi for luftkvalitet

26 Kriterier for god kvalitet på luftkvalitetsdata Usikkerhet og repeterbarhet Grad av datafangst Målestedet representativitet Sammenlignbarhet med andre målesteder kalibreres periodisk mot felles gass-standarder

27 Målenettverket i Norge Måling av luftkvalitet foregår i 21 norske byer fordelt på 50 stasjoner Sone Oslo Oslo, Bærum, Drammen, Lillestrøm Antall målesteder NO 2 PM10 SO 2 Benzen CO PM2, Bergen Trondheim Region 1 Østlandet Lillehammer, Kristiansand, Lillesand, Grenland, Fredrikstad, Sarpsborg, Hamar, Gjøvik, Moss, Elverum Region 2 Vestlandet Stavanger Region 3 Midt-Norge Ålesund, Mo i Rana, Narvik Region 4 Nord-Norge Tromsø Sum

28

29 Rammeverk CAFE-direktivet (2008/50/EC) Juridiske grenseverdier Datakvalitetsmål Krav til sporbarhet Definerer hva som er referansemåleprinsipp Krav til bruk av referansemetode eller ekvivalente metoder Krav til etablering av QA/QC-regime (rutinemessige kontroller, kalibreringer, vedlikehold og datavalidering) Forurensingsforskriften - Norsk implementering som stiller de samme kravene

30 Datakvalitetsmål satt i EUs direktiver Kontinuerlige målinger Indikative målinger 1 Usikkerhet Minimums datafangst Usikkerhet Minimums datafangst SO 2, NO 2, 15 % 90 % 25 % 90 % NOx, CO PM10, Bly 25 % 90 % 50 % 90 % Benzen 25 % 90 % 30 % 90 % Ozone 15 % 90 % (sommer) 75 % (vinter) 30 % 90 % 1 Lavere tidsdekningsgrad enn kontinuerlige målinger

31 Kvalitetssystem for luftforurensningsdata i Norge Et enhetlig og felles kvalitetssystem skal Sikre at data har kjent usikkerhet og repeterbarhet Sikre at data fra forskjellige målestasjoner og byer kan sammenlignes Sikre pålitelige data for planlagt bruk Sikre tillit hos myndigheter og publikum

32 Sporbarhet og kalibreringer Internasjonale sammenligningskampanjer Nasjonale referansestandarder Arbeidsstandarder Monitor

33 Datavalidering og rapportering Daglig, ukentlig og månedlig kvalitetskontroll Godkjenne data månedsvis Begrunne eventuelle overskridelser NRL Månedlig og kvartalsvis kvalitetskontroll med rapport til Miljødirektoratet Endelig årlig kvalitetskontroll Målenettoperatør Miljødirektoratet Rapportering av data til EEA Rapporterer overskridelser til EU

34 Oppsummering Omfattende system sikrer gode måledata Direktivmålinger krever omfattende system også for indikative målinger Kan mikrosensorer brukes til f.eks. indikative målinger i direktivsammenheng?

35 Takk for oppmerksomheten!

36 Air quality monitoring from global to local scales Applications of satellites and microsensors examples of two rapidly evolving technologies Philipp Schneider With contributions from Nuria Castell, Matthias Vogt, William Lahoz, Alena Bartonova, Kerstin Stebel, and the entire CITI-SENSE team

37 Outline 1. Satellite-based air quality monitoring Can satellite observations of atmospheric composition help with air quality monitoring? 2. Low-cost microsensors for air quality mapping Given the current state of sensor technology, how can we best exploit low-cost microsensors for urban-scale air quality mapping?

38 PART 1: SATELLITE MONITORING

39 Why the view from space? Spatially exhaustive information Global data availability Consistent and homogeneous time series of data Archive of several decades of worldwide data

40 Satellite-based air quality monitoring Technically not that new has been around since mid-1990s However: So far mostly used for global and regional applications due to coarse spatial resolution Only now are instruments slowly becoming suitable for (slightly) more detailed observations of urban air quality

41 Aerosol Optical Depth Modis Terra Aerosol Optical Depth at 550nm to average.

42 Particulate Matter Global satellite-derived map of PM 2.5 averaged over MODIS and MISR AOD was used. From: Van Donkelaar et al

43 Relationship between AOD and station PM 2.5 (left panel) and satellite-mapped PM2.5 in the Stockholm area (right panel). From Glantz et al. (2009)

44 Sulphur dioxide (SO 2 ) SO 2 plume of the eruption of the Eyjafjallajökull volcano, Iceland, May AIRS-derived regional scale SO 2 plume from Nyamuragira volcano, 28 Nov to 3 Dec From Prata and Bernardo (2007) SO 2 hotspot over the Svanvik/Nikel area on the Norway/Russia border, based on OMI data (K. Stebel/N. Theys).

45 Nitrogen Dioxide (NO 2 ) Long-term average tropospheric NO2 column as measured by the OMI instrument onboard of the Aura platform. Units in molecules per cm 2.

46 Temporal evolution Time series of tropospheric NO 2 over China Note on measurement uncertainty The average relative uncertainty of individual (daily) satellite observations of NO 2 is approximately 30%. This random error is reduced significantly when multiple measurements are averaged over time (e.g. monthly averages) Satellite based annual average NO 2 by region

47 OMI-based estimate of relative change (in percent of long-term average) of nitrogen dioxide (NO 2 ) between 2004 and (Schneider et al., 2015, ACP)

48

49 10 13 molec./cm 2

50 10 13 molec./cm 2

51 New opportunities: TROPOMI TROPOMI is an instrument on the upcoming Sentinel-5P mission Launch in June 2017 Spatial resolution of 7x7 km 2 Products for NO 2, O 3, SO 2, CO, HCHO, CH 4, and Aerosols A comparison of the footprint of TROPOMI (nadir pixel) to past and current air quality satellite instruments

52 Airborne NO 2 mapping with the APEX instrument From Popp et al. (2012)

53 PART 2: LOW-COST MICROSENSORS

54 Traditional Air Quality Monitoring Is there another way? Large Complex High-maintenance Expensive Very sparse Bidgee

55 There might be

56 ? Red markers: Locations of Air Quality Monitoring stations for NO 2 Blue markers: Deployment sites of low-cost microsensors

57 Combination with model output To map the observations from the low-cost sensors onto a high-resolution grid in a scientifically meaningful way we need to use a spatial auxiliary dataset that guides the interpolation We use here the output from the EPISODE air quality model (highresolution long-term average concentration maps) Annual average concentration of NO2 for 2014 as compute by the EPISODE air quality model.

58 x DATA FUSION Slope: Intercept: R 2 : p-value: x Observations x 10 5 Data 2.7 fusion (as a subset of data assimilation) creates a 2.65 value-added product by 2.6 a) Interpolating the observations 2.55 in an objective way b) correcting the model x 10 5 estimates with true observations x ? Combined map x Modelling results or other auxiliary data Data fusion method used here provides a combined concentration field by separately interpolating the observational residuals from a regression model and then combining both.

59 Oslo NO 2 modelderived annual average basemap (background) and observations from AQMesh nodes (markers) on 6 January 2016 at 9:00 UTC. Units in µg/m 3. Note: The sensors used here were all co-located for several weeks at the Kirkeveien AQ monitoring station before deployment and are thus fieldcalibrated! Result of data fusion process (background) and observations from AQMesh nodes (markers). Units in µg/m 3.

60 Example of a data fusion-based surface concentration field of NO 2 for Oslo, Norway, at 100 m spatial resolution (link).

61

62 Example of a data fusion-based surface concentration field of NO 2 for Barcelona, Spain, at 100 m spatial resolution (link).

63 Example of 24 hours of data fusion results in Oslo, combining NO 2 measurements from the AQMesh units with a longterm average basemap derived from the EPISODE model, here shown for 6 January 2016

64

65 Data fusion maps: Daily cycle of NO 2, PM 10, and PM 2.5 for Oslo on January (NO2) and 22 March 2016 (PM).

66 Comparison to AQ monitoring stations Entire daily cycle of NO 2 as measured by the reference air quality monitoring stations versus the NO 2 concentrations provided by the data fusion map.

67 Average NO2 concentration in Oslo in January 2016 Black line: Reference AQM stations Red line: Data fusion of AQMesh low-cost sensor network and EPISODE

68

69 Field calibration of the sensors is crucial! Without field calibration With field calibration

70 Dependency of map quality on network size

71 Take-home messages There are currently two exciting developments regarding new monitoring techniques: 1. Higher-resolution satellite data for AQ monitoring Satellite observations of air quality, which so far are mostly useful for global and regional applications are finally reaching a spatial resolution that make them somewhat usable for (limited) urbanscale applications 2. Low-cost microsensors for AQ monitoring Despite many challenges at the individual sensor level, low-cost microsensors allow for detailed high-resolution urban-scale mapping of air quality if several conditions are met: a) the swarm knowledge of the entire network is used b) the sensor observations are combined with output from an air quality model c) the sensors are calibrated in the field

72 NILU Seminar on new measurement technologies, , Kjeller, Norway Thank you for your attention! Contact: Philipp Schneider

73 What is the status of sensor technology today? The hard truth, experience from laboratory and field Núria Castell,

74 Contents Can we use low-cost nodes for air quality management? Laboratory evaluation Field evaluation Examples of two real-world applications Conclusions

75 CITI-SENSE and Citi-SENSE-MOB projects Portable LEO platform Portable CairSense unit Static AQMesh platform Mobile DunavNet platform Mobile NanoSensAir platform

76 Can we use low-cost nodes for air quality management?

77 Low-cost sensor platforms are available to the public but information about performance is lacking

78 The AQMesh platform v3.5 Information extracted from AQMesh documentation in CITI-SENSE project Environmental Instruments Ltd, UK, Can we reproduce those values?

79 Laboratory evaluation: set-up CEN Gas analyzers Low-cost nodes Gas CO NO 2 NO O 3 Sensor type Electrochemical CO-B4 Electrochemical NO2-B42F Electrochemical NO-B4 Electrochemical OX-B421 Gas Analyzer CO Teledyne API 300E (EN14626) NO x Teledyne API 200A (EN 14211) O 3 Teledyne API 400 (EN 14625) Performance of the sensor nodes against traceable gas standards under reproducible and accurately controlled ambient conditions. Two sensor nodes: and was tested after 3 months of field deployment.

80 Laboratory evaluation: results Cross-sensitivity: NO 2 (Low-High) LOD: 1.8 ppb Cross-sensitivity: No LOD: 2.7 ppb Cross-sensitivity: No LOD: 2.4 ppb Cross-sensitivity: No LOD: 21 ppb

81 Field evaluation: set-up Gas CO NO 2 NO O 3 Sensor type Electrochemical CO-B4 Electrochemical NO2-B42F Electrochemical NO-B4 Electrochemical OX-B421 Gas Analyzer CO EC Serinus 30 (EN14626) NO x EC Serinus 40 (EN 14211) O 3 Teledyne API 400 (EN 14625) Performance of the sensor nodes when exposed to a range of different environmental conditions (e.g. weather, traffic). 13 th April 24 th June 2015: 24 AQMesh nodes at Kirkeveien AQM 1 st July 22 nd September 2015: Kirkeveien (10 nodes), Manglerud (4 nodes), Åkebergveien (5 nodes) and Alnabru (4 nodes)

82 Field evaluation results: calibration AQMesh unit Species/ parameter Correlation (laboratory) Correlation (field) Slope (laboratory) Slope (field) Intercept (laboratory) [ppb] Intercept (field) [ppb] CO NO NO O NO O Low accuracy Low precision Good accuracy Good precision Low accuracy Low precision CO NO NO 2 O 3 Low accuracy Good precision A good performance in the laboratory is not indicative of a good performance in field. Correlations significantly lower in the field than in the laboratory. Necessary to calibrate the sensors in the field.

83 Field evaluation results: sensor to sensor variability Species MB RMSE r Average CO Max Min Average NO Max Min Average The results show that even for identical sensors and platform, the performance can vary sensor to sensor. Challenge in ensuring sensor measurement repeatability. NO 2 Max Min Average O 3 Max Min Average PM 10 Max Min Average PM 2.5 Max Min

84 Field evaluation results: long-term performance NO, node Clear change in the behaviour during the 6 months co-location period due to varying weather conditions and atmospheric concentrations. The variation in the calibration parameters month to month can be significant. This can lead to increased errors and biases that can pass unnoticed once the nodes are deployed in the field.

85 Field evaluation results: dependence on meteorological conditions The response of each sensor to weather conditions is unique, and it is necessary to evaluate each sensor individually. We can have false increases in concentrations due to changes in temperature.

86 Field evaluation results: dependence on the location Node CO NO NO 2 O 3 PM 10 PM 2.5 Coef. determination (r 2 ) Lab Coef. determination (r 2 ) Field (dense traffic) Coef. determination (r 2 ) Field (calm traffic) Slope Lab Slope Field (dense traffic) Slope Field (calm traffic) Intercept Lab Intercept Field (dense traffic) Intercept Field (calm traffic) The linear calibration parameters are different when the node is located in a traffic-saturated environment or at a traffic-calm environment. It is important to calibrate the nodes in an environment similar to the one in which they would be deployed (or better, to perform in-situ calibration at the deployment site).

87 Field evaluation results: data quality objective (DQO) The use of low-cost sensor nodes as indicative measurements could reduce the cost of air pollution monitoring. However, to be used for regulatory purposes, sensor nodes should comply with the DQOs. DQO SO 2, NO 2, NO x, CO PM10, PM2.5 O 3 Fixed measurements 15% 25% 15% Indicative measurements 25% 50% 30% For some pollutants and nodes, as NO, PM10 and PM2.5, the expanded uncertainty meets the DQO criteria.

88 Field evaluation results: match score analysis For most citizen applications (eg. awareness raising and education) data quality does not need to reach the same standards necessary for air quality management. Match CO NO NO 2 O 3 PM 10 PM 2.5 Average Max Min For NO and PM10 the average match score is above 0.7. For some pollutants, the nodes can provide an indication if the air pollution is low, medium or high.

89 Low-cost platforms as complementary information The outlook for commercial low-cost sensors is promising, and our results show that after data processing they are already capable of offering useful information.

90 Low-cost platforms as complementary information: NO 2 During January 2016, the precision of NO 2 sensor was higher than for other periods. The linear calibration applied was not enough and the node underestimated NO 2 concentrations. The nodes captured the NO 2 episode.

91 Low-cost platforms as complementary information: NO2

92 Low-cost platforms as complementary information: PM 10 PM node is very sensitive to relative humidity. Fog/water droplets of particles sizes below 10µm can be falsely characterized as PM particles.

93 Low-cost platforms as complementary information: PM 10 A day with precipitation and low PM 10 concentrations A day after a period without precipitation and high PM 10 concentrations

94 Key messages A good performance in the laboratory is not indicative of a good performance under real-world conditions. Necessary to perform field calibration for each sensor node individually. Performance and field calibration parameters vary spatially and temporally, as they depend of the meteorological conditions and the atmospheric composition. We can not ensure absolute values (e.g. the concentrations are lower or higher than the limit value), but for some pollutants and nodes we can get coarse information (e.g. the air pollution is lower or higher than yesterday). Field calibration still represents a challenge. Necessary to employ more sophisticated techniques than linear calibration. After data processing we can extract useful information and generate detailed air quality maps.

95 Can we use low-cost nodes for air quality management? The high sensor-to-sensor variability and the variations in the node s response to varying weather conditions or emissions patterns, makes them unsuitable for air quality legislative compliance or applications that require high accuracy, precision and reliability. The outlook is promising and we can already extract valuable information. This type of information can be suitable for applications aiming at raising awareness, educating, engaging the community by monitoring local air quality, and with appropriate communication, protecting public health.

96 Thank you for your attention Nuria Castell,

97 Karakterisering av mikrosensor-plattformer Europeisk samarbeid Det er noe i luften Kjeller Franck R. Dauge og Leif Marsteen

98 Hva er karakterisering av instrumenter? Metode for å vurdere egenskaper til måleinstrumenter CEN-standarder: Beskriver karakterisering av referanseinstrumenter NO x, O 3, SO 2, CO, PM Setter krav til testresultatene Bestått krav gir CEN-godkjent stempel Hva med mikrosensorer? Ingen CEN-standard per i dag Produsentene gjør det selv (kanskje?)

99 Mikrosensorer - Tilgjengelige teknologier Gasser Elektrokjemiske Optiske metoder (lysspredning, Mie teori) Også: MOx (Metal Oxide) -NDIR (CO 2 ) -PID (Flyktige organiske komp.) Støv (PM)

100 Karakterisering - Viktige begreper Måleområde Responstid Deteksjonsgrense (LOD) og støy Repeterbarhet Drift over tid/stabilitet Effekt av interferenser: temperatur, fuktighet, trykk, kryssfølsomhet med andre gasser, strømforsyning

101 Resultater fra karakteriseringer Noen EU-finansierte forskningsarbeider (universiteter o.l.) Noe fra produsenter Utenfor EU: USEPA tidlig ute ( ) Mye arbeid gjenstår Fra Alphasense

102 Instrument-kalibrering - Visualisering av resultater Korrelasjongraf: Sammenligner to datasett ( «kandidat» mot referanse) Plotter «best fit»-linje (regresjonslinje) Beregner stigningskoeffisient og offset Determinasjonskoeffisient R 2 (0 til 1) Kandidat Kandidat Referanse Referanse

103 CEN-standard for luftkvalitetssensorer Etablert arbeidsgruppe TC264/WG42 (2015) To møter i året Gruppen består av representanter fra Europa og instrumentprodusenter Jobber med utkast til tekniske spesifikasjoner og ytelseskrav for kandidat-instrumenter og nødvendige testmetoder Ferdig om 4-5 år

104 Testprotokoll for mikrosensorer Basert på resultatene fra MACPoll-prosjektet (Det europeiske forskningssenteret, M. Gerboles) Noen kommersielle instrumenter har blitt testet etter MACPoll-protokollen Hovedmålet: Bestemme total måleusikkerhet i kandidatinstrumentet

105 Testprotokoll Viktige parametere LOD Repeterbarhet Drift Interferenser

106 Først test på laben Måleusikkerheten bestemmes ved å addere alle usikkerhetsbidrag: Drift «Lack of fit» ved kalibrering Temperatur RH Gassinterferenser Fra Spinelle et al.

107 deretter test i felt Måleusikkerheten bestemmes i felt ved å sammenligne datasett fra: kandidatinstrument referanseinstrument

108 Utfordringer og spørsmål om testing Kostnader: Kostbart utstyr, omfattende prosedyrer Langvarig prosess (test av langtidsdrift) Hvor omfattende skal testene være (temp., fuktighet ) Definisjon av «low-cost» Variasjon i egenskaper (flere enheter av samme type kan vise veldig forskjellige karakteristika)

109 NILUs bidrag til testing Erfaringer fra CITI-SENSE og andre prosjekter Oppgradert laboratorium for testing (kalibrering, temp/rh/kjemiske interferenser ) Prosjekter med norske kommuner og private aktører (Telia/Oslo, Lyse/ Sandnes)

110 Testet hos NILU Citi-Sense: NO, NO 2, O 3, CO, SO 2,PM -AQMesh, Atmos. Sensors, Ateknea CitiSense Mob Memori: O 3, NO 2, T-VOC -Cairpol, Mocon-Baseline Cheminair: O 3 -Cairpol Internal: SO 2 -Cairpol

111 Aktiviteter i EU Airsenseur: Open-source plattform Sammenligningskampanje for kommersielle instrumenter under planlegging

112 Oppsummering 1. Mange produkter på markedet, viktig å kunne sammenligne 2. CEN standard under utvikling. Sannsynligvis ikke klar før CEN standard krever både lab og feltvurdering 4. Svarer på spørsmålet om kandidat klarer DQO fra EU-direktivet

113 Takk for oppmerksomheten! Spørsmål? Franck Dauge

114 NILU-seminar ERFARING OG FORVENTNING MED BRUK AV MIKROSENSORER SETT FRA SLUTTBRUKERS PERSPEKTIV Susanne Lützenkirchen Overingeniør Bymiljøetaten Oslo kommune

115 HVA HAR VI?

116 HVA VIL VI HA? Hvordan er luftkvaliteten der jeg er der og nå muligens dit jeg skal frem i tid???

117 FÅR VI DET MED DET VI HAR? Tja - kanskje ekspertene, men folk flest!? Modeller gir som regel ikke så detaljert informasjon Målestasjonene gir god informasjon men med begrenset representativitet

118 DRØMMEN OM MIKROSENSORER Få måledata mange steder i byen i sann tid med akseptabel datakvalitet til en grei pris Økt kunnskap om geografisk variasjon av luftforurensning Ønske om målinger på utsatte steder og/eller for følsomme grupper (f.eks. barnehager og skoler) OG God og lett tilgjengelig informasjon til befolkningen

119 ERFARINGER FRA PROSJEKTET CITI-SENSE/ CITI-SENSE-MOB Bypatruljen Barnehager Store forventninger, men parkeringsvaktene Busser sykkel

120 HVA ER LOW COST

121 RESULTATER MER KUNNSKAP - om mikrosensorer - om hvordan data kan brukes videre

122 ERFARINGER FRA PROSJEKTET INNOSENSE Prosjektet går på å lage en sensorplatform og kartlegge/designe måter/kanaler for bruk av data Konseptforslag fra studenter ved Høyskolen i Akershus

123 IDEENE ER MANGE NÅ TRENGER VI BRUKBARE DATA

124 Low-cost sensor technologies, bluff or reality? Opportunities, challenges and the way forward Núria Castell,

125 Opportunities Supplement routine ambient air monitoring networks Monitor personal exposure Monitoring at the source and where people is affected Stimulate citizen participation and increase awareness

126 Air quality monitoring in the palm of your hand

127 Challenges but is the data reliable?

128 Air Patrol and Flow by Plume labs No information about the performance

129 Airbeam No information about the performance in their website but independent field calibration by AQMD

130 Air quality Egg No information about the performance in their website but independent field calibration by AQMD

131 Libelium Smart Cities Platform This new generation of gas sensors offers extra accuracy detecting variations as small as 0.1 ppm in many cases 0.1 ppm = 100 ppb (for NO 2 this is approximately the hourly limit value) The first IoT platform to be fully certified with CE (Europe), FCC (US), It might give the wrong impression that the air quality sensors are certified and therefore performing good

132 Libelium Smart Cities Platform (2)

133 Perkin Elmer ELM Air platform Not in the market any longer

134 Perkin Elmer ELM Air platform (2) No information about the performance in their website but independent field calibration by AQMD

135 AQMesh Rental costs: 1 unit (4 gases and PM10, PM2.5), 3 months: 2025

136 AQMesh version 4.0 field evaluation

137 We have observed that Calibration of the data can decrease the errors. Laboratory calibration is not enough. Field calibration is necessary. High variability in the performance sensor-to-sensor. Not enough with testing only one sensor. Necessary individual calibration. Sensors change behaviour during long-term deployment. Not possible to ensure that the calibration parameters will not change over time. Once deployed, we don t know if the sensor is under- or over-estimating the concentrations Information provided by manufacturers is usually not sufficient. Necessary to manage user expectations.

138 The way forward Necessary to implement more sophisticated calibration methods to account for interferences with temperature, relative humidity and other gases, e.g. multilinear regression, machine learning. Necessary a common guidance on how to evaluate sensor performance. Manufacturers need to provide users with better specifications. Dense sensor networks and data fusion techniques can provide useful information, but still necessary to ensure good sensor performance. Users, manufacturers and scientists need to work together towards the new generation of low-cost air quality platforms.

139 Thank you for your attention Nuria Castell,

140 Avslutning Alena Bartonova

141 Noen tanker til slutt Formål med måling bestemmer kvalitetssystem og målemetode Kvalitetssystem for sensorplatformer er ikke på plass Best resultat kombinasjon med andre målinger og metoder, flere sensorer nødvendig pga stor usikkerhet ved enkelt-platform Sensorteknologier: potensiale og rask utvikling Informasjon til publikum? Kommunisere riktig Praktiske utfordringer kan være hemmende (totalpris, infrastruktur, arbeidskraft, kompetanse) Forventningene svarer ikke til dagens tilbud

142 Tusen takk for i dag! For mer informasjon: nilu@nilu.no alena.bartonova@nilu.no; ncb@nilu.no; ps@nilu.no; kjk@nilu.no; frd@nilu.no