Advanced calibration of electrochemical NO2 sensors for air quality monitoring

Ye, Sheng (2026): Advanced calibration of electrochemical NO2 sensors for air quality monitoring. Dissertation, LMU München: Fakultät für Physik

Abstract

Luftverschmutzung, insbesondere durch Stickstoffdioxid (NO2), stellt weltweit eine bedeutende Herausforderung für Umwelt und öffentliche Gesundheit dar. Konventionelle Überwachungsnetzwerke mit Referenzinstrumenten sind aufgrund hoher Kosten und betrieblicher Anforderungen in ihrer räumlichen Abdeckung begrenzt. Kostengünstige elektrochemische Sensoren bieten Möglichkeiten für dichte Überwachungsnetzwerke, jedoch wird ihr Einsatz durch Probleme bei der Messgenauigkeit, Umweltabhängigkeiten und Langzeitstabilität erschwert. Diese Arbeit untersucht die Kalibrierung kostengünstiger elektrochemischer NO2-Sensoren und entwickelt eine tragbare Plattform zur Luftqualitätsüberwachung, die AIR Quality Inspection boX (AIRQUIX). Die Forschung beleuchtet Herausforderungen der Sensorkalibrierung, einschließlich Temperatur- und Feuchtigkeitsabhängigkeiten, Querempfindlichkeiten gegenüber Störgasen und zeitlichem Driftverhalten. Ein neuartiger Kalibrierungsalgorithmus, basierend auf einem White-Box-Modell, wurde entwickelt, um diese Herausforderungen zu adressieren. Im Gegensatz zu Black-Box-Modellen des maschinellen Lernens bewahrt dieser Ansatz die Interpretierbarkeit und korrigiert effektiv Umweltabhängigkeiten. Die Leistungsbewertung erfolgt über einen Multi-Metrik-Rahmen, der Korrelationskoeffizient (r), den quadratischen Mittelwertfehler (RMSE), die mittlere normalisierte Abweichung (MNB) und die relative erweiterte Unsicherheit (REU) umfasst und sich an regulatorischen Richtlinien orientiert. Die Ergebnisse zeigen, dass diese Kalibrierungsmethodik die Messunsicherheiten signifikant reduziert und die Langzeitstabilität im Vergleich zu Herstellerkalibrierungen und Standardalgorithmen verbessert. Das AIRQUIX-Gerät integriert elektrochemische Sensoren (NO2, NO, O3), einen optischen Partikelzähler (PM) und einen NDIR-Sensor (CO2) in einer kompakten, batteriebetriebenen Einheit mit Wi-Fi-Konnektivität. Ein umfassendes Backend-System wurde für Datenmanagement, automatisierte Qualitätskontrolle und Visualisierung entwickelt. Feldeinsätze evaluierten das Gerät in drei Bereichen: mobile Überwachung, persönliche Expositionsabschätzung und stationäre Überwachung. Mobile Anwendungen umfassten die stadtweite NO2-Kartierung mit Elektrobussen (AIRQMORE), Studien zur Exposition in Fahrzeugen (AIRIDE) und städteübergreifende Untersuchungen (METROUNO2). Die persönliche Exposition wurde mittels tragbarer Technologien bewertet (PEARL). Stationäre Anwendungen evaluierten die Auswirkungen häuslicher Holzverbrennung (WOODY) und die Wirksamkeit von straßennahen Luftfiltersystemen (CLEANROAD). Zu den methodischen Beiträgen gehören Datenfusionstechniken von Sensor- und Referenzdaten sowie Qualitätssicherungsverfahren für verschiedene Überwachungsszenarien. Validierungsstudien zeigen, dass kalibrierte kostengünstige Sensoren eine Datenqualität erreichen, die für ergänzende Überwachungsanwendungen geeignet ist, wenngleich Einschränkungen in der Präzision im Vergleich zu Referenzinstrumenten bestehen bleiben. Diese Arbeit liefert robuste Kalibrierungsmethodiken und Einsatzstrategien, die die Integration kostengünstiger Sensoren in Luftqualitätsüberwachungsprogramme als ergänzende Werkzeuge zu Referenznetzwerken unterstützen.

Abstract

Air pollution, particularly nitrogen dioxide (NO2), poses significant environmental and public health challenges globally. Conventional monitoring networks utilizing reference-grade instruments are constrained by limited spatial coverage due to their substantial costs and operational requirements. While low-cost electrochemical sensors present opportunities for dense monitoring networks, their deployment is hindered by issues of measurement accuracy, environmental dependencies, and long-term stability. This thesis investigates the calibration of low-cost NO2 electrochemical sensors and develops a portable air quality monitoring platform, the AIR Quality Inspection boX (AIRQUIX). The research examines sensor calibration challenges including temperature and humidity dependencies, cross-sensitivity to interfering gases, and temporal drift characteristics. A new calibration algorithm based on a white-box model was developed to address these challenges. Unlike black-box machine learning models, this approach maintains interpretability while effectively correcting for environmental dependencies. Performance assessment employs a multi-metric evaluation framework, including correlation coefficient (r), Root Mean Square Error (RMSE), Mean Normalized Bias (MNB), and Relative Expanded Uncertainty (REU), aligning with regulatory guidelines for sensor performance classification. Results demonstrate that this calibration methodology significantly reduces measurement uncertainties and improves long-term stability compared to manufacturer calibrations and standard algorithms. The AIRQUIX device integrates electrochemical sensors (NO2, NO, O3), an optical particle counter (PM), and an NDIR sensor (CO2) into a compact, battery-powered unit with Wi-Fi connectivity. A comprehensive backend system was developed for data management, automated quality control, and visualization. Field deployments evaluated the device across three domains: mobile monitoring, personal exposure assessment, and stationary monitoring. Mobile applications included city-wide NO2 mapping using an electric bus (AIRQMORE), in-vehicle exposure studies (AIRIDE), and multi-city investigations (METROUNO2). Personal exposure was assessed using wearable technologies (PEARL). Stationary applications evaluated residential wood burning impacts (WOODY) and the effectiveness of roadside air filtration (CLEANROAD). Methodological contributions include sensor-reference data fusion techniques and quality assurance procedures for diverse monitoring scenarios. Validation studies indicate that calibrated low-cost sensors achieve data quality suitable for supplementary monitoring applications, though limitations in precision relative to reference instruments persist. This work provides robust calibration methodologies and deployment strategies, supporting the integration of low-cost sensors into air quality monitoring programs as complementary tools to reference networks.

• Dokumententyp: Dissertationen (Dissertation, LMU München)
• Keywords: low cost sensor, air quality, no2
• Themengebiete: 500 Naturwissenschaften und Mathematik ; 500 Naturwissenschaften und Mathematik > 530 Physik
• Fakultäten: Fakultät für Physik
• Sprache der Hochschulschrift: Englisch
• Datum der mündlichen Prüfung: 23. März 2026
• 1. Bericht­erstatter:in: Wenig, Mark