Anwendungsmöglichkeiten und Grenzen kostengünstiger Feinstaubsensoren

1 Einleitung

Die Luftverschmutzung stellt aktuell in vielen Weltregionen ein großes Problem dar. Die Lancet-Kommission kam kürzlich zu dem Schluss, dass Luftverschmutzung weltweit jährlich für 6,5 Millionen vorzeitige Todesfälle verantwortlich ist [1]. Dabei rangieren die Auswirkung der Luftverschmutzung nach Ernährungsrisiko, hohem Blutdruck, Unterernährung von Kindern und werdenden Müttern sowie Tabakkonsum auf Rang fünf der häufigsten Todesursachen [2]. Insbesondere in China haben sich in den letzten Jahren die Luftverschmutzung [3] und deren gesundheitlichen Auswirkungen durch die fortschreitende Industrialisierung des Landes und die Motorisierung der Bevölkerung stark verschärft [4; 5]. Neben gasförmigen Luftschadstoffen wie NO₂ oder SO₂ wird der Verschmutzung durch Feinstaub eine besondere Bedeutung beigemessen, da die Zusammenhänge zwischen erhöhter Feinstaubkonzentration und Morbidität bzw. Mortalität in vielen Studien aufgezeigt wurden [6 bis 12]. Als Feinstaub bezeichnet man luftgetragene lungengängige Partikel. Die obere Partikelgröße wird durch eine Kurve beschrieben, die an die Abscheidekurve der menschlichen Atemwege angelehnt ist und bei einem aerodynamischen Durchmesser von 10 µm einen Wert von 50 % besitzt (PM₁₀). Eine analoge Definition gilt für PM_2,5. In Deutschland und der Europäischen Union (EU) muss gemäß der Tochterrichtlinie 1999/30/EG vom 19. Juli 1999 die PM₁₀-Konzentration überwacht werden. Der Tagesgrenzwert, der an max. 35 Tagen im Jahr überschritten werden darf, beträgt 50 µg/m³, der Grenzwert im Jahresmittel 40 µg/m³. In anderen Staaten, wie China, Indien oder den USA hingegen, wird die PM_2,5-Konzentration als Tagesmittelwerte überwacht. In der Vergangenheit erfolgte die Messung der Feinstaubkonzentrationen überwiegend gravimetrisch, indem ein Probenahmefilter mit einem definierten Luftvolumenstrom über 24 h durchströmt und vor und nach der Beprobung gewogen wird. Dieses Verfahren ist recht aufwendig und liefert lediglich einen 24-h-Mittelwert, aber keine weitere zeitliche Auflösung. Im Laufe der Jahre kamen daher zunehmend auch zeitauflösende Messverfahren auf den Markt. Zu den eignungsgeprüften Verfahren zählen u. a. eine Schwingquarzmikrowaage (Tapered Element Oscillating Microballance, TEOM [13]) und Beta-Staubmeter [14], die die Abschwächung von Betastrahlung durch einen beladenen Filter als Maß für die abgeschiedene Staubmasse heranziehen. In jüngerer Zeit erhielten auch einige optische Aerosolspektrometer die Zulassung für die PM₁₀-Grenzwertüberwachung. In diesen optischen Aerosolspektrometern wird die von Einzelpartikeln hervorgerufene Streulichtintensität gemessen, um so die Anzahlgrößenverteilung der luftgetragenen Partikel in Abhängigkeit des optischen Äquivalenzdurchmessers zu bestimmen. Unter Annahme der partikelgrößenabhängigen Brechungsindizes sowie Partikeldichten und -formen lassen sich aus den gemessenen Anzahlgrößenverteilungen die Massenkonzentrationen der verschiedenen Feinstaubfraktionen berechnen. Diese Annahmen sind in den optischen Messgeräten üblicherweise als Kalibriermatrix hinterlegt. Der große Vorteil der optischen Messtechnik gegenüber allen anderen Verfahren ist der erheblich geringere Betreuungs- und Wartungsaufwand, der zu einer sehr hohen Datenverfügbarkeit im Dauerbetrieb führt. Neben den optischen partikelgrößenauflösenden Aerosolspektrometern existieren Fotometer (auch als Nephelometer bekannt), in denen das gesamte an einer Partikelwolke gestreute Licht als Maß für die Partikelkonzentration verwendet wird. Zusätzlich zu den o. g. Annahmen bezüglich der Partikeleigenschaften muss zur Bestimmung der Massenkonzentrationen mit einem Fotometer auch die Partikelgrößenverteilung angenommen werden, was zu deutlich größeren Unsicherheiten führt. Es existieren daher aktuell keine eignungsgeprüften Fotometer zur Überwachung atmosphärischer Feinstaubkonzentrationen. Die Geräte können jedoch für orientierende Messungen eingesetzt werden.

Die oben genannten Messgeräte zur Überwachung atmosphärischer Feinstaubkonzentrationen kosten jeweils zwischen ca. 10 000 und 25 000 €, sodass sie für den Privatgebrauch oder den Aufbau engmaschiger Messnetze, z. B. im Rahmen von Bürgerwissenschaftsprojekten (Citizen Science) zu teuer sind. Getrieben durch die starke Luftverschmutzung und deren verstärkte Wahrnehmung in China wurde daher dort die Entwicklung kostengünstiger Feinstaubsensoren vorangetrieben, die zunächst im Wesent­lichen der Steuerung mobiler Raumluftreiniger dienen sollten. Solche Sensoren basieren üblicherweise auf dem Fotometerprinzip und kosten deutlich weniger als 50 €. Aufgrund ihrer geringen Kosten ergeben sich neue Möglichkeiten für Anwendungen. So untersuchten beispielsweise Sousan et al. [15] die Anwendbarkeit der Sensoren zur Bestimmung der Staubexposition an Arbeitsplätzen, während Weekly et al. [16] mithilfe kostengünstiger PM-Sensoren die Belegung von Innenräumen durch Personen überwachten. Kumar et al. regen die Steuerung von Lüftungsanalagen mithilfe von Sensoren zur Verbesserung der Innenraumluftqualität an [17]. Eine weitere Anwendungsmöglichkeit besteht darin, diese kleinen und leichten Sensoren in Drohnen einzubauen, um so auch vertikale Partikelkonzentrationsprofile aufnehmen zu können [18]. Die Hauptanwendung der Sensoren liegt aber derzeit im privaten Bereich, um beispielsweise die Innenraumluftqualität zu überwachen oder durch Bürgerbeteiligung flächendeckende Messnetze in städtischen Gebieten aufzubauen [19; 20]. Mittlerweile wurden auch in Deutschland derartige Citizen-Science-Projekte gestartet. Die prominenteste Gruppierung hierfür ist das OK Lab in Stuttgart, das den Nutzern eine Anleitung gibt, um aus einem kostengünstigen Feinstaubsensormodul und einigen weiteren Komponenten für ca. 50 € ein komplettes Messgerät aufzubauen. Nach entsprechender Konfiguration lädt das Gerät die Messdaten selbstständig per WLAN in eine zentrale Datenbank. Die Feinstaubdaten sämtlicher Sensoren werden dann auf einer online abrufbaren Karte (https://luftdaten.info/) dargestellt. Die Initiative startete in Stuttgart, hat sich mittlerweile aber auf ganz Deutschland und darüber hinaus ausgeweitet, sodass zumindest in den städtischen Ballungsgebieten mittlerweile ein dichtes Netzwerk an Sensoren verfügbar ist.

Die recht große Verbreitung der Sensoren zeigt, dass nicht zuletzt aufgrund der verstärkten öffentlichen Diskussion der Luftverschmutzung in der jüngeren Vergangenheit offensichtlich ein großes Interesse an der Thematik besteht, das auch darin begründet liegt, dass anders als für die meisten anderen Luftschadstoffe (Ausnahme: NO₂) Feinstaubgrenzwerte vielfach nicht eingehalten werden. Allerdings fehlt bisher eine tiefer gehende Analyse der Genauigkeit, Vergleichbarkeit und Wiederholbarkeit der Messergebnisse der Sensoren. Derartige Beeinträchtigungen können jedoch zu Einschränkungen der Nutzung in o. g. Anwendungen führen und sollen hier näher betrachtet werden. Hierzu werden nur die Sensorbausteine, nicht aber bereits daraus konfektionierte Geräte herangezogen.

2 Übersicht der verfügbaren Sensoren

Es existiert mittlerweile eine Vielzahl kostengünstiger Feinstaubsensoren. Tabelle 1 zeigt eine Übersicht über einige dieser Sensoren sowie deren Herstellerangaben. Die Sensoren arbeiten überwiegend fotometrisch und liegen preislich bei < 50 €. Derzeit existiert auf dem Markt lediglich ein einziger spektrometrisch arbeitender Sensor (Alphasense OPC-N2, sowie dessen Nachfolger OPC-N3), der die Anzahlgrößenverteilungen misst und daraus unter Annahme einer mittleren Partikeldichte von 1 650 kg/m³ die Massenkonzentrationen verschiedener Feinstaubfraktionen bestimmt. Dieser ist mit über 400 € allerdings deutlich teurer als die fotometrischen Sensoren.

Die fotometrischen Sensoren geben eine zur Streulichtintensität proportionale Spannung aus, die durch Verwendung eines Kalibrierfaktors in die entsprechende Massenkonzentration umgerechnet werden kann. In manchen Fällen (z. B. beim Nova Fitness SDS011) ist dieser Kalibrierfaktor bereits fest hinterlegt, sodass numerisch Werte für die PM₁₀– oder PM_2,5-Konzentration ausgegeben werden. In anderen Fällen (z. B. beim Sensor von Sharp) lässt sich nur die Spannung auslesen, sodass der Kalibrierfaktor vom Nutzer eingerechnet werden muss. Mit Ausnahme des Nova-Fitness-Sensors, der gleichzeitig Werte für die PM_2,5– und PM₁₀– Konzentration ausgibt, bestimmen alle anderen fotometrischen Sensoren jeweils nur die Konzentration einer einzelnen Feinstaubfraktion. Das Spektrometer von Alphasense ist hingegen in der Lage, aus den gemessenen Größenverteilungen die PM₁-, PM_2,5– und PM₁₀– Konzentrationen zu bestimmen. Die Nova-Fitness-, Honeywell- und Alphasense-Sensoren verfügen über einen kleinen Ventilator, der einen bestimmten Aerosolvolumenstrom in die Messzelle saugt. Die Sensoren von Samyoung, Sharp und Shinyei hingegen verfügen über keine aktive Ansaugung eines Volumenstroms.

3 Einsatzmöglichkeiten und Einschränkungen der Sensoren

Aufgrund der geringen Kosten für die neuartigen Sensoren ergeben sich vielfältige Anwendungsmöglichkeiten, die allerdings jeweils eigenen Anforderungen unterliegen. Denkbare und mitunter bereits realisierte Einsatzmöglichkeiten sind:

• Überwachung atmosphärischer Feinstaubkonzentrationen (zur Grenzwertüberwachung oder allgemeinen Information),
• Aufbau von Messnetzen zur zeitlich-räumlichen Bestimmung der Feinstaubkonzentrationen (z. B. zur Detektion von Quellen),
• Überwachung der Exposition gegenüber Stäuben an Arbeitsplätzen (zur Grenzwertüberwachung, als Alarmfun­ktion oder zur Detektion von Quellen),
• Bestimmung der Innenraumluftqualität,
• Steuerung von Lüftungsanlagen und Raumluftreinigern.

Je nach Anwendung müssen die Sensoren sehr unterschiedliche Anforderungen erfüllen. Sollen sie beispielsweise zur Überwachung von Grenzwerten in der Außenluft oder an Arbeitsplätzen eingesetzt werden, so müssen sie sehr genaue Ergebnisse liefern und zwar für sämtliche auftretenden Aerosole und unter allen relevanten Umgebungsbedingungen. Dies können die Sensoren derzeit aus mehreren Gründen nicht leisten. Zunächst bestimmt ein Fotometer im Gegensatz zum Spektrometer keine Informationen zur Partikelgröße. Somit können auch keine größenabhängigen Partikeleigenschaften wie Brechungsindex oder Partikeldichte in die Kalibrierung eingehen. Stattdessen müssen für das vermessene Aerosol eine Partikelgrößenverteilung sowie mittlere Werte für Brechungsindex, Partikeldichte und -form angenommen werden. Stimmen während der Messung die realen Partikeleigenschaften mit den angenommenen Werten gut überein, so kann auch das Ergebnis eine hohe Genauigkeit aufweisen. Bei Abweichungen zwischen den realen und den angenommenen Eigenschaften hingegen können mitunter große Diskrepanzen auftreten. Da sowohl in der Atmosphäre als auch an Arbeitsplätzen die Größenverteilung und die Partikeleigenschaften variabel sind, kommen die kostengünstigen Sensoren zur Grenzwertüberwachung somit nicht infrage. Anders verhält es sich jedoch, wenn durch den Aufbau von Netzwerken Informationen zur zeitlich-räumlichen Verteilung von Staubkonzentrationen gewonnen werden sollen, um z. B. zu eruieren, wann und wo erhöhte Konzentrationen auftreten. Wenn die Aufgabe darin besteht, lediglich Zeit und Ort, nicht aber zwangsläufig die genaue Konzentration zu bestimmen, kann auf diese Sensoren zurückgegriffen werden, zumal die niedrigen Kosten der Sensoren überhaupt erst den Aufbau dichter Netzwerke finanziell darstellbar machen. Eine wichtige Voraussetzung hierfür ist allerdings, dass die Sensoren möglichst keinen Querempfindlichkeiten unterliegen, die zu zeitlich oder räumlich unterschiedlichen Artefakten führen können. Ggf. können solche Querempfindlichkeiten quantifiziert und für eine Datenkorrektur herangezogen werden. Insbesondere für Messungen an der Außenluft spielt hier die Luftfeuchtigkeit eine große Rolle, da diese sowohl zeitlich als auch örtlich stark variieren kann. Gleichzeitig ist bekannt, dass die Luftfeuchtigkeit einen Einfluss auf das Ergebnis optischer Aerosolmessungen hat, da z. B. hygroskopische Partikel oberhalb des Deliqueszenzpunktes Feuchtigkeit aufnehmen und dadurch anwachsen. Gemessen werden soll jedoch nur die Größe bzw. Masse trockener Partikel. Weiterhin kann es bei erhöhter Feuchtigkeit auch zur Lichtstreuung durch Wassermoleküle kommen, die das Messergebnis verfälscht. Für den spektrometrisch arbeitenden Alphasense OPC-N2 konnten Crilley et al. zeigen, dass ab einer relativen Luftfeuchte von ca. 85 % die Messwerte für PM_2,5 und PM₁₀ bei Messungen an Außenluft in Birmingham mitunter deutlich über den Referenzwerten lagen [21]. So waren die gemessenen PM₁₀-Konzentrationen bei relativen Luftfeuchten von > 90 % teilweise um einen Faktor von > 5 zu hoch. Ähnliche Beobachtungen hat das Landesamt für Umwelt Baden-Württemberg (LUBW) mit dem Sensor Nova Fitness-SDS011 gemacht, der u. a. vom OK Lab verwendet wird. Bei Messungen an Außenluft zeigten die Sensoren mitunter gegenüber dem Referenzgerät sehr stark überhöhte Konzentrationen, und zwar immer dann, wenn die Luftfeuchtigkeit hoch war [22]. Bei Messungen im Labor zeigte sich, dass die mit den SDS011-Sensoren gemessenen Konzentrationen bei relativen Luftfeuchten von < 50 % geringfügig zu niedrig, bei höheren Feuchtigkeiten jedoch zunehmend zu hoch waren. Bei einer relativen Feuchtigkeit von 90 % lag die mit dem SDS011-Sensor gemessene PM₁₀-Konzentration etwa um einen Faktor 4 zu hoch. Ähn­liche Artefakte können prinzipiell auch mit eignungsgeprüften optischen Aerosolspektrometern für die Feinstaubgrenzwertüberwachung auftreten. Diese werden daher üblicherweise mit vorgeschalteten Aerosoltrocknern betrieben. Diese Trockner sind aufgrund des hohen Druckverlustes für den Betrieb der Sensoren jedoch ungeeignet und übersteigen deren Anschaffungspreis zudem um ein Vielfaches. Daraus zeigt sich, dass die Sensoren nicht ohne Weiteres für eine zuverlässige Messung an Außenluft geeignet sind. Möglicherweise lassen sich feuchtigkeitsabhängige Korrekturfaktoren ermitteln, da aber die Hygroskopizität der Partikel stark partikelmaterialabhängig und die Partikelzusammensetzung variabel ist, ist hierdurch lediglich eine eher grobe Korrektur zu erwarten. Ratsamer wäre die Verwendung geeigneter Trockner, die derzeit aber nicht kostengünstig verfügbar sind.

Beim Einsatz der Sensoren in Innenräumen (Wohnräume, Schulen, Arbeitsplätze etc.) ist die relative Luftfeuchtigkeit hingegen häufig deutlich weniger variabel als draußen, sodass die Bestimmung zeitlich-räumlicher Konzentrationsprofile eine vielversprechende Anwendung für diese Sensoren ist. Insbesondere zur Unterstützung der Grenzwertüberwachung an Arbeitsplätzen kann es sinnvoll sein, die Staubkonzentration mit mehreren Sensoren kontinuierlich zu messen, um bei Überschreiten eines Schwellwertes Alarm zu geben. Durch die räumliche Verteilung der Sensoren kann somit auch bereits die mögliche Quelle örtlich eingegrenzt werden. Um zu überprüfen, ob Arbeitsplatzgrenzwerte überschritten wurden, muss allerdings weiterhin eignungsgeprüfte und wesentlich aufwendigere Messtechnik verwendet werden. Eine wesentliche Voraussetzung zum Aufbau eines Messnetzes ist dabei auch die gute Vergleichbarkeit zwischen mehreren baugleichen Sensoren, um auszuschließen, dass gerätespezifische Faktoren dazu führen, dass die Daten eines einzelnen Sensors einen Alarm auslösen. Hierzu existieren in der wissenschaft­lichen Literatur aber bislang nur unzureichende Informa­tionen, sodass wir im Rahmen zweier aktueller Projekte solche Daten für einige der Sensoren erhoben haben. Diese sind im nächsten Abschnitt dargestellt.

Eine weitere vielversprechende Anwendungsmöglichkeit der Sensoren liegt in der Steuerung von Lüftungsanlagen, die hierzulande, wenn überhaupt, lediglich anhand der CO₂-Konzentration im Innenraum erfolgt. Da es hierbei nicht um eine Grenzwertüberwachung geht, sind die Anforderungen an die Genauigkeit nicht sehr hoch. Allerdings ist die Langzeitstabilität der Sensoren für den Dauerbetrieb ein entscheidendes Kriterium. Hierzu liegen bisher aber keine Informationen in der wissenschaftlichen Literatur vor. Ähnliches gilt für die sensorbasierte Steuerung mobiler Raumluftreiniger, die mittlerweile recht weit verbreitet ist.

Zur Überwachung der Luftqualität in allen genannten Anwendungen ist es nötig, dass die Reaktion der Sensoren eindeutig von der Partikelkonzentration abhängt und somit, ggf. abhängig vom Aerosol, kalibriert werden kann. Für die Sensoren von Shinyei, Sharp und Samyoung wurden derartige Kalibrierversuche bereits durchgeführt [15; 23], wo­bei eine starke Abhängigkeit des Messergebnisses vom Partikelmaterial sowie von der Größenverteilung festgestellt wurde. Diese Sensoren benötigen somit anwendungsspezifische Kalibrierungen. Nova Fitness SDS011 und Alphasense OPC-N2 werden im Rahmen der o. g. Projekte untersucht. Die Ergebnisse sind ebenfalls im nächsten Abschnitt dargestellt.

4 Laborüberprüfung der Sensoren

Aus den in Tabelle 1 genannten Sensoren wurden drei Typen ausgewählt und näher im Labor untersucht, nämlich NovaFitness SDS011 und Sharp GP2Y1010AU0F als Fotometer sowie Alphasense OPC-N2 als Spektrometer. Getestet wurden jeweils drei Alphasense- und Sharp- sowie fünf SDS011-Sensoren. Von den fünf SDS011-Sensoren wurde einer in dem vom OK Lab vorgeschlagenen Aufbau mit zwei Rohrkrümmern und einem Ansaugschlauch betrieben (im Folgenden als SDS011-OK bezeichnet), alle anderen (SDS011-1 bis SDS011-4) ohne weitere Peripherie (abgesehen von einem Arduino-Einplatinenrechner zur Ansteuerung und zur Datenerfassung). Die Sharp-Sensoren waren während der Messung so platziert, dass die zylindrische Öffnung mit der Messzelle nach oben ausgerichtet war, sodass Partikel aufgrund der Gravitationskraft und der Diffusion in den Sensor gelangen konnten. Alle Sensordaten wurden sekündlich ausgelesen.

Untersucht werden sollte insbesondere die Anwendbarkeit der Sensoren für Messungen an Arbeitsplätzen. Anders als in der Außenluft wird an Arbeitsplätzen die Exposition gegenüber der alveolengängigen Staubfraktion (A-Staub) überwacht, welche die Partikel mit einem aerodynamischen Grenzdurchmesser d₅₀  4 µm umfasst (teilweise daher auch als PM₄ bezeichnet). Als gravimetrisches Referenzverfahren diente daher ein Staubsammelgerät MPG II, das bei einem Volumenstrom von 48,5 l/min zunächst in einem Horizontalelutriator Partikel mit einem aerodynamischen Durchmesser > 4 µm (d₅₀) abscheidet und anschließend die verbleibenden Partikel auf einem Filter sammelt [24]. Für die Versuche wurde CaCO₃-Staub (eskal, KSL Staubtechnik) als ein typisches Arbeitsplatzaerosol verwendet. Erhältlich ist eskal als Pulver mit verschiedenen Korngrößenverteilungen. Eingesetzt wurde eskal 300 mit einem massenbezogenen Mediandurchmesser (MMD) von 2 µm und eskal 500 mit einem MMD von 4,3 µm. Der Brechungsindex von CaCO₃ beträgt. Zusätzlich zu den naturbelassenen (weißen) Pulvern kam eine schwarz eingefärbte Ausführung von eskal 300 zum Einsatz. Es wurde erwartet, dass sich der Brechungsindex durch die Einfärbung verändert hat. Allerdings war vom Hersteller keine Information zum Brechungsindex erhältlich. Der Versuchsaufbau zur Durchführung der Vergleichsmessungen ist in Bild 1 gezeigt.

Bild 2 zeigt die mit dem Gerät Fidas Frog in der Messkammer gemessenen, auf die Konzentration beim Modaldurchmesser normierten Massengrößenverteilungen der drei Prüfstäube.

Man erkennt, dass das weiße und schwarze eskal sehr ähnliche Größenverteilungen aufweisen, wohingegen mit eskal 500 deutlich größere Partikel erzeugt wurden. Im Vergleich zu den Herstellerangaben für das Pulver sind die Partikel im luftgetragenen Zustand etwas größer.

Durch Variation der Aerosolgeneratoreinstellungen (Vordruck der Druckluft sowie Rotationsgeschwindigkeit) wurden unterschiedliche Konzentrationsniveaus für die einzelnen Prüfstäube eingestellt. Ziel war es, einen Konzentrationsbereich zwischen einem Zehntel und dem Zweifachen des Arbeitsplatzgrenzwertes für A-Staub (1,25 mg/m³), d. h. einen Bereich von ca. 0,125 bis 2,5 mg/m³ abzudecken, um somit die Eignung der Sensoren für Messungen am Arbeitsplatz zu überprüfen. Als Richtwert für die Konzentration wurden die Daten des Fidas Frog herangezogen, da dieses im Gegensatz zum MPG II direkt anzeigend ist. Um eine ausreichende Filterbelegung des MPG II zu gewährleisten, wurden die Konzentrationen je nach Höhe zwischen 20 und 45 Minuten konstant gehalten. Eine Korrelation der mit dem MPG II und dem Fidas Frog gemessenen A-Staub-Konzentrationen ist in Bild 3 für die drei Prüfstäube gemeinsam mit den Daten eines linearen Fits gezeigt.

Für eskal 500 liegen aufgrund von Filterrissen nur zwei verwertbare Datenpunkte vor, sodass auf einen linearen Fit verzichtet wurde. Die Fidas-Frog-Datenpunkte stellen jeweils die über den Sammelzeitraum des MPG II gemittelten Konzentrationen und die Fehlerbalken deren Standardabweichungen dar. Das Bild zeigt, dass die Daten des Fidas Frog trotz Kalibrierung für atmosphärisches Aerosol recht gut mit den gravimetrisch ermittelten Daten des MPG II übereinstimmen. Lediglich für höhere Massenkonzentrationen scheinen die Unterschiede etwas stärker zu sein. Allerdings liegen auch hier die Abweichungen bei max. ± 30 %. Aufgrund der guten Übereinstimmung werden im Folgenden daher die Fidas-Frog-Daten für den Vergleich der zeitlich aufgelösten Daten der einzelnen Sensoren herangezogen. Hierzu wurden die Daten sämtlicher Sensoren auf Minutenwerte gemittelt.

Bild 4 zeigt die Korrelation der mit den SDS-Sensoren und dem Fidas Frog gemessenen PM_2,5– und PM₁₀-Konzentrationen sowie die Daten der jeweiligen linearen Fits.

Man erkennt, dass speziell für PM_2,5 die Daten sämtlicher Sensoren nahezu identisch sind. Auch die Daten des gemäß den Vorgaben des OK Lab konfigurierten Sensors stimmen sehr gut mit den Daten der anderen Sensoren überein, was zeigt, dass der vorgeschlagene Aufbau zu keinen erkennbaren Partikelverlusten durch den Probenahmeschlauch oder die Einhausung führen. Sämtliche vom SDS011 gemessenen Konzentrationen liegen aber erheblich unter den Konzentrationen des Fidas Frog. Dabei unterschieden sich die Werte für das schwarze und das weiße eskal 300 kaum. Für das weiße eskal 500 sind die Abweichungen der SDS011-Sensoren vom Fidas Frog hingegen noch mal deutlich höher als für eskal 300. Dies zeigt, dass der unterschiedliche Brechungsindex des weißen und des schwarzen Materials nahezu keinen Effekt hat, die unterschiedlichen Partikelgrößen des eskal 300 und eskal 500 hingegen schon. Während die mittlere Steigung für die beiden eskal 300 Stäube etwa 0,3 beträgt, liegt sie für eskal 500 bei < 0,2. Die Ergebnisse für die PM₁₀-Konzentration spiegeln im Wesentlichen die Erkenntnisse für PM_2,5 wider, allerdings zeigt sich hier eine etwas größere Streuung der Ergebnisse der einzelnen Sensoren, wobei der SDS011-3 als einziger kontinuierlich deutlich nach unten abweicht. Metrologisch betrachtet lässt sich somit festhalten, dass die Sensoren mit der verwendeten Kalibrierung präzise, aber ungenau messen. Die fehlende Genauigkeit ist dabei vermutlich auf die hinterlegte Kalibrierung für Außenluftpartikel zurückzuführen, die für die hier verwendeten eskal-Stäube ungeeignet zu sein scheint. Aufgrund der guten Präzision lassen sich die Sensoren aber für Aerosole mit bekannten Eigenschaften gut kalibrieren und liefern hierfür voraussichtlich auch genaue Daten, sofern sich die Partikel- und Aerosoleigenschaften, abgesehen von der Konzentration, nicht ändern. Die sehr gute Vergleichbarkeit der einzelnen Sensoren des gleichen Typs zeigt darüber hinaus, dass sich diese Sensoren für den Aufbau eines Netzwerkes eignen, um (ggf. eher qualitativ) die zeitlich-räumliche Variabilität von Feinstaubkonzentrationen zu erfassen, um z. B. Staubquellen an Arbeitsplätzen zu identifizieren.

Bild 5 zeigt die von den Sharp-Sensoren ausgegebene Spannung als Funktion der PM_2,5-Konzentrationen.

 

Da laut Herstellerangaben die Spannung des Sharp-Sensors ausschließlich mit der PM_2,5-Konzentration korrelieren soll, wird hier auf einen Vergleich zu den PM₁₀-Konzentrationen verzichtet. Das Bild zeigt, dass die Sharp-Sensoren überhaupt erst bei Konzentrationen von ca. > 200 µg/m³ eine Reaktion zeigen. Diese fällt ähnlich wie beim SDS011-Sensor für die feineren eskal-300-Partikel stärker aus als für die gröberen eskal-500-Partikel. Die drei getesteten Sensoren zeigten dabei eine recht gute Übereinstimmung untereinander. Sie könnten somit durchaus auch für den Einsatz in Netzwerken kalibriert werden, sind dabei aber nur für Anwendungen bei recht hohen Staubkonzentrationen geeignet.

In Bild 6 sind die Korrelationen der mit den Alphasense OPC-N2 und dem Fidas Frog gemessenen PM₁-, PM_2,5– und PM₁₀-Konzentrationen dargestellt.

Man erkennt für alle drei Prüfstäube eine deutliche Abweichung der drei einzelnen Sensoren untereinander. Dabei zeigt sich jedoch kaum ein Einfluss der Größenverteilung auf die Gerätereaktion, was darauf zurückzuführen ist, dass der OPC-N2 die Partikelgrößenverteilung misst und somit hierzu keine Annahmen in die Bestimmung der Massenkonzentration einfließen müssen. Jeder einzelne Sensor misst für sich präzise, aber ungenau. Aufgrund der vom OPC-N2 gemessenen Partikelgrößeninformationen lassen sich für die Sensoren (z. B. vergleichbar mit dem Fidas Frog) partikelgrößenabhängige Kalibrierfaktoren ermitteln, die Brechungsindex, Partikeldichte und -form berücksichtigen, sodass mit den Alphasense-Sensoren für bestimmte Aerosole auch bei variablen Größenverteilungen genaue Ergebnisse erzielt werden können. Wegen der recht großen Abweichungen zwischen den drei Sensoren muss eine solche Kalibrierung aber vermutlich für jeden einzelnen Sensor separat erfolgen. Bei genauerer Betrachtung der Ergebnisse fällt zudem auf, dass für die PM₁– und PM_2,5-Konzentrationen jeweils der OPC N2-3 die höchsten und der OPC N2-2 die niedrigsten Konzentrationen bestimmt hat. Für die PM₁₀-Konzentrationen hingegen ändert sich die Reihenfolge und der OPC N2-1 zeigt die niedrigsten PM₁₀-Konzentrationen. Eine Korrektur der Kalibrierung durch einen einfachen Korrekturfaktor scheint somit nicht möglich zu sein. Eine Korrektur der Kalibrierung mit einer partikelgrößenabhängigen Korrekturfunktion erscheint allerdings grundsätzlich möglich. Inwiefern diese jedoch ihrerseits von der Art des beprobten Aerosols abhängt, muss in weiteren Untersuchungen geklärt werden.

5 Zusammenfassung und Ausblick

Es existiert mittlerweile eine große und stetig wachsende Anzahl von kostengünstigen Feinstaubsensoren, die sich u. a. aufgrund einiger Citizen-Science-Projekte zunehmender Beliebtheit erfreuen. Die Genauigkeit zumindest der fotometrischen Sensoren ist sicherlich nicht mit der von etablierter und wesentlich teurerer spektrometrischer Messtechnik vergleichbar, sodass diese Sensoren nicht zur Grenzwertüberwachung genutzt werden können. Gleiches gilt allerdings auch für wesentlich aufwendigere und teurere Fotometer. Dennoch eröffnen sich durch den niedrigen Preis neue Möglichkeiten, z. B. zum Aufbau engmaschiger Netzwerke, um in Städten oder an Arbeitsplätzen die Feinstaubkonzentration mit hoher zeitlich-räum­licher Auflösung zu erfassen. Hierdurch lassen sich ggf. effektiv Feinstaubquellen identifizieren. An Arbeitsplätzen lässt sich zudem durch ein permanentes Monitoring ein Alarmsystem aufbauen, das z. B. in Form einer Ampel davor warnt, wenn die Staubkonzentration am Arbeitsplatz sehr hoch ist. In diesem Fall kann dann ggf. eine aufwendigere Messung der Arbeitsplatzkonzentration erfolgen, um zu überprüfen, ob der Arbeitsplatzgrenzwert überschritten wird. Speziell für die Anwendung an Arbeitsplätzen scheinen zumindest die SDS011-Sensoren der Fa. Nova Fitness geeignet zu sein, denn sie sind in der Lage, im betreffenden Konzentrationsbereich präzise zu messen und zeigen eine sehr gute Übereinstimmung zwischen mehreren Sensoren. Gleichzeitig ist aber eine Kalibrierung der Sensoren für die vorliegenden Aerosole notwendig, um akzeptable Schätzwerte für die tatsächlichen Konzentrationen zu erhalten. Für Messungen an der Außenluft gilt prinzipiell die gleiche Erkenntnis, wobei die im Gerät hinterlegte Kalibrierung bereits für typische Außenluftaerosole erfolgt ist. Allerdings hat sich in mehreren Studien gezeigt [21; 22], dass die Sensoren bei hohen Luftfeuchtigkeiten deutlich zu hohe Konzentrationswerte bestimmen können. Da die Luftfeuchtigkeit in der Außenluft aber häufig, z. B. in den Morgenstunden, den kritischen Wert übersteigt, sind mit den Sensoren ermittelte hohe Konzentrationswerte immer kritisch zu hinterfragen. Das gleiche Problem gilt prinzipiell auch für eignungsgeprüfte optische Feinstaubmesstechnik. Hierfür existiert allerdings eine Vielzahl von Aerosoltrocknern, die Abhilfe schaffen. Diese erzeugen allerdings immer einen zusätzlichen Druckverlust, der durch die in den Sensoren verbauten Ventilatoren nicht überwunden werden kann. Darüber hinaus übersteigen die Anschaffungskosten der Trockner die Kosten der Sensoren um ein Vielfaches. Die Entwicklung eines kostengünstigen Aerosoltrockners, der den Betrieb der Sensoren nicht beeinflusst, ist also ratsam.

Abgesehen von der Problematik der Luftfeuchtigkeit zeigen einige der Sensoren sehr vielversprechende Ergebnisse, die erwarten lassen, dass sie sich zukünftig in vielfältigen Anwendungen wiederfinden lassen. Neben den hier aufgezeigten Möglichkeiten der Überwachung der Staubkonzentrationen in Außenluft oder an Arbeitsplätzen zählen hierzu auch die bedarfsgerechte Steuerung von Lüftungsanlagen und Raumluftreinigern oder die Überwachung der Druckluftqualität in Produktionsanlagen. Zudem ist zu erwarten, dass die Qualität der Sensoren aufgrund des hohen öffentlichen Interesses in Zukunft weiter verbessert wird.

Danksagung

Die vorgestellten Laboruntersuchungen wurden im Rahmen von zwei Projekten, gefördert durch die Bundesanstalt für Arbeitsschutz und Arbeitsmedizin (BAuA) sowie das Umweltbundesamt (UBA), durchgeführt.

 

 

 

Literatur

1. Landrigan, P.; Fuller, R.; Acosta, N.; Adeyi, O.; Arnold, R.; Basu, N.; Baldé, A.; Bertollini, R.; Bose-O’Reilly, S.; Boufford, J.; Breysse, R.; Chiles, T.; Mahidol, C.; Coll-Seck, A.; Cropper, M.; Fobil, J. et al.: The Lancet Commission on pollution and health. Lancet 391 (2018), S. 462-512.
2. G. 2. R. F. Collaborators, Global, regional, and national comparative risk assessment of 79 behavioural, environmental and occupational, and metabolic risks or clusters of risks in 188 countries, 1990-2013: a systematic analysis for the Global Burden of Disease study 2013. Lancet 386 (2015), S. 2287-2323.
3. Ma, Z.; Hu, X.; Sayer, A.; Levy, R.; Zhang, Q.; Xue, Y.; Tong, S.; Bi, J.; Huang, L.; Liu, Y.: Satellite-based spatiotemporal trends in PM2.5 concentrations: China 2004-2013. Environ. Health Perspect. 12 (2015), S. 184-192.
4. Hoek, G.; Krishnan, R.; Beelen, R.; Peters, A.; Ostro, B.; Brunekreef, B.; Kaufman, J.: Long-term air pollution exposure and cardio-respiratory mortality: a review. Environ. Health 12 (2013), S. 43.
5. Kan, H.; Chen, R.; Tong, S.: Ambient air pollution, climate change, and population health in China. Environ. Int. 42 (2012), S. 10-19.
6. Dockery, D. W.; Schwartz, J.; Sprengler, J. D.: Air pollution and daily mortality: Associations with particulates and acid aerosols. Environ. Res. 59 (1992), S. 362-373.
7. Dockery, D.: Health effects of particulate matter. Ann. Epidemiol. 19 (2009), S. 257-263.
8. Dockery, D.; Pope, A.; Xu, X.; Spengler, J.; Ware, J.; Fay, M.; Ferris, B.; Speizer, F.: An association between air pollution and mortality in six U.S. cities. N. Engl. J. Med. (1993) Nr. 329, S. 1753-1759.
9. Oberdörster, G.: Pulmonary effects of inhaled ultrafine particles. Int. Arch. Occup. Environ. Health 74 (2000), S. 1-8.
10. Oberdörster, G.: Toxicology of ultrafine particles: in vivo studies. Philos. Trans. R. Soc. Lond. A. 358 (2000), S. 2719-2740.
11. Peters, A.; Wichmann, H.; Tuch, T.; Heinrich, J.; Heyder, J.: Respiratory effects are associated with the number of ultrafine particles. Am. J. Respir. Crit. Care Med.155 (1997), S. 1376-1383.
12. Pope, C. III; Dockery, D.: Health effects of fine particulate air pollution: Lines that connect. J. Air Waste Manag. Assoc. (2006) Nr. 56, S. 709-742.
13. Patashnick, H.; Rupprecht, E. G.: Continuous PM-10 measurements using the Tapered Element Oscillating Microbalance. J. Air Waste Manag. Assoc. 41 (1991), S. 1079-1083.
14. Macias, E.; Husar, R.: Atmospheric particulate mass measurement with a beta attenuation mass monitor. J. Environ. Sci. Technol. 10 (1976), S. 904-907.
15. Sousan, S.; Koehler, K.; Thomas, G.; Park, J.; Hillman, M.; Halterman, A.; Peters, T.: Inter-comparison of low-cost sensors for measuring the mass concentration of occupational aerosols. Aerosol Sci. Technol. 50 (2016), S. 462-473.
16. Weekly, K.; Rim, D.; Zhang, L.: Low-cost airborne particulate matter sensing for indoor occupancy detection. IEEE International Conference on Automation Science. (2013), S. 32-37.
17. Kumar, P.; Martani, C.; Morawska, L.; Nerford, L.; Choudhary, R.; Bell, M. L. M.: Indoor air quality and energy management through real-time sensing in commercial buildings. Energy Build. 111 (2016), S. 146-153.
18. Bezantakos, S.; Schmidt-Ott, F.; Biskos, G.: Performance evaluation of the cost-effective and lightweight alphasense optical particle counter for use onboard unmanned aerial vehicles. Aerosol Sci. Technol. 52 (2018), S. 385-392.
19. Clements, A.; Griswold, W.; Ahijit, R.; Johnston, J.; Herting, M.; Thorson, J.; Collier-Oxandale, A.; Hannigan, M.: Low-cost air quality monitoring tools: from research to practice (a workshop summary). Sensors 17 (2017), S. 2478.
20. Thompson, J.: Crowd-sourced air quality studies: A review of the literature & portable sensors. Trends Environ. Anal. Chem. 11 (2016), S. 23-34.
21. Crilley, L.; Shaw, M.; Pound, R.; Kramer, L.; Price, R.; Young, S.; Lewis, A.; Pope, F.: Evaluatin of a low-cost optical particle counter (Alphasense OPC-N2) for ambient air monitoring. Atmos. Meas. Tech. – Discussions. 11 (2018), S. 709-720.
22. Messungen mit dem Feinstaubsensor SDS011 – Ein Vergleich mit einem eignungsgeprüften Feinstaubanalysator. Hrsg.: LUBW Landesamt für Umwelt, Messungen und Naturschutz, Karlsruhe 2017. www4.lubw.baden-württemberg//servlet/is/268831
23. Wang, Y.; Li, J.; Jing, H.; Zhang, Q. J. J.; Biswas, P.: Laboratory evaluation and calibration of three low-cost particle sensors for particulate matter measurement. Aerosol Sci. Technol. 49 (2015), S. 1063-1077.
24. Mattenklott, M.; Möhlmann, C.: Probenahme und analy­tische Bestimmung von granulären biobeständigen Stäuben (GBS). Gefahrstoffe – Reinhalt. Luft. 71 (2011), S. 425-428.
25. Kaminski, H.; Kuhlbusch, T.; Rath, S.; Götz, U.; Sprenger, M.; Wels, D.; Polloczek, J.; Bachmann, V.; Dziurowitz, K. H. J.; Schwiegelshohn, A.; Monz, C.; Dahmann D.; Asbach,C.: Comparability of mobility particle sizers and diffusion chargers. J. Aerosol Sci. 57 (2013), S. 156-178.
26. Dahmann, D.: A novel test stand for the generation of diesel particulate matter. Ann. Occup. Hyg. 41 (Suppl. 1) (1997) S. 43-48.