Viabilidade do sensor de baixo custo SDS011 para monitoramento de material particulado

Abstract

Resumo: O uso de sensores de baixo custo tem se mostrado uma possibilidade para a expansão das redes de monitoramento da qualidade do ar ou até mesmo para a criação de novas redes, fornecendo dados que são importantes para a conscientização da população sobre a poluição atmosférica e para o controle das emissões. Esses sensores representam uma tecnologia ainda em desenvolvimento,e surgiram em uma grande gama de modelos e fabricantes, tornando portanto necessário seu estudo e análise em relação a equipamentos de referência usados no monitoramento regulamentar. O sensor SDS011, que mede a concentração de material particulado, tem tido desempenho em destaque em relação a outros modelos disponíveis e foi o escolhido para este estudo de comparação que utilizou o impactador Harvard, o monitor de atenuação Beta BAM1020 e o instrumento de microbalança oscilante TEOM para análise. Foram realizadas medições nas cidades de Curitiba, Joinville e Ponta Grossa, sendo avaliados as variações e erros do sensor, o armazenamento e upload de dados através do uso do Raspberry Pi e suas potenciais aplicações para uso no monitoramento da concentração de material particulado. A análise feita em laboratório, com o uso do TEOM para comparação dos dados, forneceu uma inter variabilidade menor do que 3% para o modelo do sensor SDS0 1 1 . O monitoramento feito em Ponta Grossa incluiu dados de temperatura e umidade relativa, permitindo a construção de gráficos que mostram a distribuição das concentrações de material particulado conforme a variação desses dados. O sensor mostrou desempenho variado nas diferentes condições de instalação e do monitoramento em campo, apresentando correlações desde fracas até forte, tendo sido a melhor encontrada na comparação com o TEOM (com valorde R2 igual a 0,69) e a pior na comparação com o BAM1020 (R 2 igual a 0,10). Além da correlação entre os resultados das leituras do sensor e as dos equipamentos, foi feito um ajuste linear que permitiu obter as equações das retas ajustadas e analisar o desvio e a existência de erros de viés encontrados em cada monitoramento e uma análise da completude dos dados obtidos, que foi maior que 50% em todas as comparações.

Abstract: The use of low-cost sensors has been proven to be a possibility for the expansion of air quality monitoring networks or even the creation of new ones, providing data that are important for the awareness of the population about air pollution and for the control of emissions. These sensors represent a technology still under development, and have emerged within a wide range of models and manufacturers, thus making it necessary to study and analyze them in relation to reference equipment used in regulatory monitoring. The SDS011 sensor, which measures the concentration of particulate matter, has performed prominently compared to other available models and was the one chosen for this comparison study that used the Harvard impactor, the Beta attenuation monitor BAM1020 and the Tapered element oscillating microbalances (TEOM) for analysis. Measurements were carried out in the cities of Curitiba, Joinville and Ponta Grossa evaluating sensor variations and errors, data storage and upload through the use of Raspberry Pi and its potential applications for use in particulate matter concentration monitoring. The analysis performed in laboratory, using TEOM for data comparison, provided an inter variability of less than 3% for the SDS011 sensor model. The monitoring carried out in Ponta Grossa included temperature and relative humidity information, allowing the creation of graphs that showed the distribution of particulate matter concentrations according to the variation of this information. The sensor showed variable performance in different conditions of installation and field monitoring, presenting correlations from weak to strong, being the best correlation found in the comparison with TEOM (with R2 value equal to 0.69) and the worst in the comparison with BAM1020 (R2 equal to 0.10). In addition to the correlation between the results of sensor and equipment readings, a linear adjustment was made to obtain the equations of the adjusted lines and analyze the deviation and the existence of bias errors detected in each monitoring and also an analysis of the data completeness, which was greater than 50% in all comparisons.