Accuracy and precision of low-cost air quality sensors compared with Federal Equivalent Method monitors.
Notice bibliographique
Résumé
Background: Low-cost sensors are an attractive tool to increase the geographical distribution of air quality monitoring. Previous studies have assessed the correlation of PM2.5 measures between low-cost sensors and Federal Equivalent Method (FEM) monitors; however, correlations may miss systemic biases. Aim: To compare the accuracy and precision of PM2.5 concentrations between PurpleAir (PA) sensors with FEM monitors. Methods: We placed 3 PA sensors within 2m of a FEM (Teledyne API A640) between Nov 22 – Dec 25, 2023 in Halifax, Canada. A Bland-Atman plot was used to compare accuracy and precision of PM2.5 between devices. Results: A total of 576 data points representing 30-minute intervals for 24 observation days were compared. During the observation period, PM2.5 ranged between 0.06 ug/m3 and 43.31 ug/m3, temperature between -7.2 oC and 16.0 oC, humidity between 32% and 84%, and pressure between 995.7 Pa and 1036.5 Pa. On average PM2.5 was similar between PA and FEM (mean difference -0.829 units); whereas the precision was poor (Figure). PM2.5 was up to 200% higher with PA, and biased by higher PM2.5, higher temperatures and greater humidity. erj;66/suppl_69/PA5857/F1 F1 F1 Figure 1. Bland-Altman plot comparing A) the difference in PM2.5 (μg/m3) and B) the percentage difference between PM2.5 (μg/m3). Conclusion: The systemic bias needs to be considered when interpreting PM2.5 measured by PA sensors.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».